滑坡当前在我国是破坏自然环境、危及人民生命财产安全最主要的地质灾害之一。建立科学高效的滑坡易发性评价体系与位移高精度预测方法,对于滑坡灾害防灾减灾具有重大的实际意义。本文以我国滑坡灾害最为典型的甘肃黑方台滑坡体为例,基于多源数据,利用机器学习法在数据探索潜在规律的优势,构建了黑方台区域滑坡灾害易发性评价体系,完成了易发性评价专题地图,并进一步基于高精度北斗及位移计监测数据针对党川5#、6#典型滑坡体构建了高精度滑坡位移预测模型与基于多因子的回归预测模型。研究成果可为我国滑坡灾害防灾减灾体系建设提供有价值的理论参考。本文主要工作与获得的主要结论如下:（1）基于研究域地理信息数据及地质环境条件选取了9种评价因子,分别构建Bagging、Ada Boost、随机森林三种模型对黑方台进行滑坡灾害易发性评价,并利用总体分类精度、Kappa系数等多种评价指标对模型进行精度评定,最后对评价因子进行重要性排序。结果表明:随机森林的总体分类精度能达到0.99,高易发区域与历史滑坡位置高度一致,模型适用于黑方台区域滑坡灾害易发性评价。（2）基于黑方台党川5#、6#滑坡体的北斗/GNSS和位移计监测数据,分别构建GA-Simple RNN（Simple Recurrent Neural Network Optimized by Genetic Algorithm）、GA-LSTM（Long Short-Term Memory Optimized by Genetic Algorithm）、GA-GRU（Gated Recurrent Unit Optimized by Genetic Algorithm）高精度滑坡位移预测模型,同时与普通循环神经网络及卷积双向循环神经网络进行了对比分析。研究表明:遗传算法优化后的循环神经网络可显著提升预测性能,特别是GA-GRU模型预测精度最高,更适用于滑坡体长时序位移的高精度预测。（3）基于爬虫技术采集天气数据,选取每日最高温度、每日最低温度、天气、风力、灌溉量、降雨量共6种变量作为诱导滑坡失稳的影响因子,分别建立Bagging、Adaboost、随机森林模型对黑方台党川6#、5#滑坡位移计监测值进行预测。结果表明:随机森林回归预测模型的精度很高,适合于顾及多因子的滑坡位移预测。