由于建筑施工现场条件多变,工程结构复杂,多工种交叉作业和施工进度快等原因,坍塌事故数量一直居高不下。坍塌事故一旦发生,极易造成大量的人员伤亡和巨大经济损失,致使施工安全管理难度逐渐加大。为了建立长效的安全生产机制,保障我国建筑业的稳步发展,迫切需要提高安全生产管理水平,降低坍塌事故的发生。为此,本研究以住建部“房屋市政工程生产安全事故情况通报”为主要事故来源,同时结合网络检索结果,以2012-2019年发生的245起建筑施工坍塌事故为研究对象,全面梳理和统计事故影响因素,并实现对事故严重程度的分类预测。论文首先结合人为因素分析与分类系统(HFACS)和“24Model”事故致因理论,从“人——机——环——管——属性”五个方面对坍塌事故影响因素划分与统计分析,从宏观上阐述出事故发生的基本特征,为后文事故严重程度预测提供数据支持。然后构建了基于FA和GA-SVM的坍塌事故严重程度分析预测模型。通过因子分析方法对坍塌事故数据进行降维,以获取的1 1个公共因子作为基于遗传算法优化的支持向量机模型输入,从而实现了坍塌事故严重程度二分类预测及模型效果验证。最后采用SVM-RFE算法筛选出对于坍塌事故严重程度影响最大的因素。结果表明,降维后的坍塌事故数据集在全集下的分类效果最好,并利用该组最优参数实现了对45组测试集样本进行验证,发现该模型预测性能相对较好,预测结果的准确率较高;同时发现施工班组问题、人的直接行为、事故类型、材料器械管理问题对坍塌事故严重程度影响最大,并以此针对建筑施工安全管理及降低坍塌事故严重程度方面,提出针对性的建议及措施。