露天矿边坡的稳定性直接影响到矿山的安全生产,对于诱发边坡位移影响因素及滑坡位移规律的研究至关重要。本文以弓长岭露天矿采场的滑坡作为研究对象,在现场勘查、滑坡变形监测相互结合的基础上,使用人工智能算法对于边坡的位移趋势进行了预测分析,并将预测结果与实测值相比较,主要研究的工作与结果如下:(1)以弓长岭南帮为研究对象,在地质调查与边坡滑移状态分析的基础上,构建了南帮的监测网,主监测线、副监测线及监测剖面。在建立了监测剖面后,对监测所得的数据进行统计,综合降雨量的数据,对比所得曲线初步分析了降雨量对位移产生的影响。此后陈列了六种不同样式的时间—位移曲线,分析了曲线特征及滑坡机制。(2)对于获取的监测数据,针对部分数据异常及一些数据缺失等问题,通过t检验法剔除了异常的数据,使用分段线性插值法对缺失的数据进行了补充,完善了初步获得的边坡位移监测数据。最后采用切线角法对完善后的数据进行了分析,得出各类数据量所对应的不同预报方式。(2)基于时序分析理论和变分模态分解(VMD),结合灰狼优化算法(GWO),将弓长岭露天矿场何家采区关键监测点的监测数据分为趋势项和周期项。使用粒子群算法预测了趋势项,用灰狼优化算法预测了周期项。通过分析计算过程中的SD值,得到两种算法的误差值,得出了灰狼优化算法计算更为精确的结论。应用时序加法模型将两种算法得到的趋势项和周期项最优预测值进行叠加,得到总的S-t曲线。最后对于预测的模型,通过现场勘察验证了预测的可行性。