根据公开数据,我国滑坡灾害造成的经济损失总体趋势在逐年增长,提高滑坡灾害的预测预报水平可以有效降低滑坡灾害造成的损失。因此,滑坡预测预报研究具有重要的现实意义,滑坡位移预测是滑坡预测预报的重要内容。本文定性分析白水河滑坡的位移监测数据和变形机理,定量研究诱发滑坡变形的外界因素,采用ARIMA理论与PSO-BP神经网络算法建立位移预测模型,使用拆分法和整体法预测ZG93监测点与XD01监测点位移,比较不同方法得到的累积位移预测值确定最优预测方法,并选取最优方法预测滑坡位移。本文取得如下研究成果:1、得到白水河滑坡变形特征及变形与降雨、库水位之间的规律白水河滑坡的变形具有明显阶跃特征:在每年4月至9月,监测点位移速率增加,累计位移显著增大;而在10月至次年3月,滑坡无明显变形,累计位移基本稳定。滑坡在4月至9月的变形通常呈现先增后减趋势。降雨和库水位消落对滑坡稳定有不利影响,而库水位上升会增加滑坡稳定性。水位消落幅度以及降雨量与滑坡变形具有明显相关性,并有一定滞后性。2、定性分析内外因对白水河滑坡变形的影响白水河滑坡具有临空条件与一定高差,为滑坡变形提供空间;下伏岩层多具软硬相间结构且岩性强度不高,利于滑坡变形;坡体表面的节理为雨水入渗提供条件。强降雨会增大土体容重,减小摩擦角和粘聚力;库水位消落会增大土体孔隙率和渗透性,降低岩土体抗压强度;库水位变化及降雨产生的浮托力、渗透压力及孔隙水压力直接影响滑坡的稳定性。在外因作用下,滑带土强度从再生抗剪强度快速下降至残余抗剪强度,滑坡产生明显变形;在自重应力等因素的作用下,滑带土强度从残余抗剪强度恢复至再生抗剪强度,滑坡变形逐渐放缓。3、定量研究白水河滑坡变形与外界因素之间的关系采用Pearson相关性检验与典型相关分析得到影响滑坡变形的外界因素:当月降雨、前一月降雨、前两月降雨、当月库水位以及前一月库水位变化。4、对比分析PSO-BP神经网络算法与ARIMA模型的白水河滑坡位移预测值,选取最佳预测方法PSO-BP神经网络算法的输入层考虑滑坡位移的影响因素,而ARIMA模型仅根据前期的位移数据预测后续的位移,故PSO-BP神经网络算法的预测精度优于ARIMA模型。预测结果表明,由于趋势项位移拟合误差较大,导致拆分法预测精度不如整体法。通过对比分析认为采用整体法的PSO-BP神经网络算法为最优预测方法。5、使用PSO-BP神经网络算法与整体法预测滑坡位移根据位移预测结果,在2017年10月至2018年3月期间,滑坡不发生明显变形;在2018年4月至2018年9月期间,处于“暴雨+库水波动”工况下的滑坡发生最大变形。