煤炭工业是关系国家经济命脉的重要基础产业，同时煤矿安全形势也非常严峻。本文以露天煤矿边坡地质环境和多种观测数据为基础，通过对边坡中各钟监测信息的融合技术与方法来预测边坡稳定状态。信息融合是研究如何通过多源信息以获得对同一个目标或事物的认识。本文利用信息融合的诸多优点结合边坡检测的实际需要，完成了以下工作：在分析了目前国内外边坡监测所使用的方法和主要技术之后，首先根据边坡的具体情况对影响边坡稳定性的主要因素进行分析，然后根据主要因素布置监测点，完成特征量的提取。将采集而来的数据汇总并进行预处理之后，具体的阐述了实现边坡稳定性预测的方法。针对判断边坡稳定性的需要，提出一种基于支持向量机和ds证据理论相结合的稳定性识别方法。该方法避免了传统方法中给出了信息量单一，无法预测边坡稳定性趋势的缺点。仿真实验结果表明该SVM-DS算法较传统的学习方法相比，预测精度高出了5%左右，同时其后验概率的显示输出可以大大的增强对边坡稳定性现状的认识以及对未来边坡变化趋势的判断。最后将该预测模型应用在边坡监测网站上，便于对边坡状态的预测和对边坡的及时治理。