我国西北黄土高原广泛发育的黄土滑坡严重影响了当地人民的生命财产安全。近些年来,随着全球卫星导航系统（Global Navigation Satellite System,GNSS）的不断完善和发展,实时高精度三维地表位移监测逐渐成为黄土滑坡灾害监测预警的主要手段之一。本文首先介绍了Track实时形变监测系统整体架构,阐述了GAMIT中的Track动态定位模块原理及相应的配置文件,分析了Track在实时三维地表位移监测中的实用性,来获取监测区域的形变信息。但由于天气和野外监测环境的影响,获取到的序列中往往存在大量的噪声,易对滑坡预测预警造成干扰,为提高监测时序的精度,去除无效噪声,本文从频率角度出发对获取的时间序列进行滤波分析。在形变监测中,及时对监测点形变信息进行预测,获取到监测点未来形变状态,对后期的预警工作具有重要意义。因此,本文主要围绕以下三个研究内容进行工作并得出相应的结论:1.Track实时形变监测系统整体架构:该部分主要从硬件系统、软件系统对Track实时监测形变系统进行介绍。硬件系统负责野外实时数据采集,软件系统分为数据接收与解译、单历元GNSS数据处理和监测结果存储展示系统三部分。本文以临夏癿藏公路滑坡监测为案例,获取到了监测区域的形变序列,结果表明,在短基线状态下,Track实时形变监测系统可以满足滑坡形变监测的需求。2.单历元GNSS时间序列滤波研究:有学者指出,时间序列中噪声成分往往存在于高频系数中,真实信号往往以低频的形式存在,因此本文从频率角度出发来对GNSS序列进行滤波分析。首先对经验模态分解（Empirical Mode Decomposition,EMD）、小波分解原理进行了介绍,然后根据噪声的自相关性及频谱特征提出了一种CEEMD-FFT滤波方法,并选取了两组不同类型的数据对EMD互相关系数法、小波阈值法和CEEMDFFT滤波方法进行了滤波分析。结果表明,在两组数据中,EMD互相关系数法在处理白噪声方面性能较好,但在振幅较大的随机噪声方面滤波能力不足。在平稳序列中,小波阈值法和CEEMD-FFT方法在处理均匀分布的白噪声和振幅较大的随机噪声都表现出了很好的处理能力,同时,在非平稳序列中,CEEMD-FFT在处理随机噪声能力上要优于小波阈值法,且CEEMD-FFT方法无需设置基函数,在实际应用中适用性更强。3.GNSS时间序列预测研究:本文首先对深度学习模型中的循环神经网络（Recurrent Neural Network,RNN）和长短期记忆模型（Long short-term memory,LSTM）两种算法的原理进行了着重分析,阐述了LSTM根据RNN模型的改进方面以及他的记忆功能原理,将两组滤波后的干净时间序列作为数据集,寻找出LSTM最优超参数,并对LSTM的预测精度进行了分析,然后,将选取出的最优参数应用到临夏市癿藏公路滑坡预测中。结果表明,使用CEEMD-FFT滤波后的数据进行LSTM预测分析,在一定程度上可以避免实测序列中噪声的干扰,同时可以获得毫米级的预测结果,完全可以满足滑坡形变监测中的需求。