滑坡不可控但可防,编制滑坡易发性区划图是应对地质灾害防患于未然的首选措施,对滑坡进行监测和预测也是成功避灾的必然选择。本文分别通过提取与整理滑坡环境因素和激发因子、以及历史滑坡编目和滑坡位移等多源空间信息,应用基于粒子群优化的支持向量机法完成了滑坡易发性评价;在此基础上进一步构建滑坡变形预报模型,实现了滑坡位移的预报,并通过验证表明具有较高的评价和预报精度。具体包括以下几个方面:(1)以三峡库区巫山段历史滑坡数据为基础,提取分析了岩性、水系、降雨量分布和坡度、坡向、坡高等基础环境因素与滑坡分布的关系,并利用滑坡密度值对各定性或定量因子进行了归一化处理。(2)由于支持向量机(SVM)在小样本、高维数及非线性等实际问题中具有良好的适应性,非常适合滑坡的易发性评价与预警。而粒子群优化算法(PSO)具有强大的全局最优搜索能力,于是提出将两者结合构建PSO-SVM混合技术用于滑坡的易发性评价之中,最终完成了三峡库区巫山段区域的滑坡易发性评价,并通过滑坡密度占比和LAR值进行了精度评定,结果显示与历史滑坡具有较好的一致性。(3)结合庙店滑坡监测点形变序列特点,依据时间序列加法模型,提出先采用二次移动平均法对滑坡总位移分解成趋势项位移和因子项位移;再分别利用多项式模型和PSO-SVR法模拟趋势项和与激发因子相关的位移量,最后将二者叠加预测监测点的位移,通过对庙店滑坡四个监测点的实测数据计算分析,结果显示具有较高的预测精度。(4)最后结合滑坡灾害监测预警系统建设的需求,进行了数据库和系统的初步设计,提出将预测与评价模型集成到滑坡监测预警系统中,并给出了算法处理流程,以期能够一体化处理滑坡灾害的区域评价和变形预测问题。