Los ascensores se han convertido en una parte integral de los edificios modernos, y los avances tecnológicos han permitido el monitoreo de su estado operativo a través de la tecnología de sensores. En respuesta al desarrollo de la industria de ascensores y la necesidad de una evaluación práctica del riesgo en la operación de ascensores, este documento propone un método de evaluación de riesgos de ascensores basado en la teoría difusa y métodos de aprendizaje automático. El método comienza estableciendo un sistema de índice de evaluación de riesgos de operación de ascensores. Luego se emplea el método tradicional de evaluación integral difusa para evaluar los niveles de riesgo de los 50 ascensores estudiados. Los datos de índice recopilados y las etiquetas (resultados de evaluación integral difusa) se utilizan como entradas para entrenar el modelo de máquina de vectores de soporte (SVM). Para optimizar el modelo SVM, se emplea el método de coeficiente de información máximo, mejorado por el método de selección de características basado en correlación (MIC-CFS), para seleccionar características para la entrada de índice al modelo SVM. El método de algoritmo de lobo gris mejorado (IGWO) optimiza el SVM. Finalmente, el rendimiento del modelo se verifica utilizando nuevos datos de índice. Los resultados experimentales demuestran que la introducción de métodos de aprendizaje automático para la evaluación de riesgos de ascensores ahorra tiempo y esfuerzo al tiempo que proporciona una buena precisión en comparación con el método tradicional de evaluación de expertos. La optimización del modelo SVM por IGWO y la selección de características por el método MIC-CFS resultan en un modelo SVM más conciso que converge más rápido durante el entrenamiento, muestra una mayor estabilidad y logra una mayor precisión.