滑坡是发生在自然界中的一种常见的地质灾害,其危害巨大,经常对人们的生命和财产造成重大的损失。我国幅员辽阔,地质条件复杂,滑坡地质灾害发生十分频繁,造成灾害损失极为严重。据初步统计,我国每年因滑坡、崩塌等斜坡变形破坏造成的损失高达180-300亿元。随着人们不断地深入研究滑坡演化过程,开始有越来越多的学者重视对滑坡灾害的预警预报研究,给出了各种防治和控制滑坡的方法和手段。滑坡具有主导因素控制下的多场演化特征,其演化过程分为渐变型、突发型和稳定型。确认滑坡的演化过程与所处的阶段是进行滑坡预测的基础,而复杂环境条件下滑坡的多场特征信息是确认滑坡演化过程和阶段判定的重要依据,因此针对滑坡开展特征监测,跟踪滑坡动态变化,对监测信息进行数据处理,及时发现和预测滑坡阈值,是进行滑坡预报的一种有效手段。随着物联网技术的快速发展,多源异构传感器网络在滑坡监测中的应用越来越多,逐步替代过去传统的人工监测手段,开始发挥着重要的监测和预警作用。有效建立多源异构传感器综合监测系统,提取滑坡的多场特征信息,进行多场信息融合处理和决策分析是当前进行滑坡预测的主要方法。通过对现有的滑坡监测系统中数据处理方法的研究发现,不同的信息融合方法对滑坡预测的效果不同,因此研究者开始对数据融合算法和预测模型展开了深入的研究。目前信息融合的研究主要集中在融合算法、融合结构以及具体信息融合系统的建模与实现等方面,其中融合算法和各领域信息融合系统的应用研究是当前的研究热点。研究发现,目前基于多源异构传感器组成的滑坡监测系统在信息融合应用中还存在着很多关键性问题和难点,主要表现为：1)数据转换内容多：由于多传感器输出的数据形式、对环境的描述各不相同,因此信息融合中的首要任务,是把这些数据转换成相同的形式和描述,然后再进行相关的处理。其中转换的内容包括对不同层次的信息的转换,以及对同一层次信息的转换,使之能形成相同的描述,由此造成转化计算过程愈加复杂,系统开销过大。2)数据相关判定难：在融合处理中由于传感器测量的不精确性和各种环境的干扰容易引起相关二义性,导致相关判定难,无法顺利融合,求解得到符合预测趋势的相关性系数难。3)数据管理复杂性大：信息融合系统中通常建立实时数据库和非实时数据库来对信息进行管理。其中实时数据库的作用是把当前各传感器的观测结果及时提供给融合中心,提供融合计算所需要的各种其他数据。同时也存贮融合处理中的中间结果和分析结果。非实时数据库存储各个传感器的历史数据、有关监测目标和环境的辅助信息以及融合计算的历史信息。在信息融合处理过程中要求数据库的容量大、搜索速度快,开放互联性好,并且能给其他的异构平台提供良好的用户接口。4)预测模型单一化：信息融合系统的核心工作是通过融合模型对多传感器的相关观测结果来验证、分析、补充、取舍、修改和状态跟踪估计计算,最终实现滑坡趋势的预测。但是现有系统中一般所采用的融合模型过于单一化,最终对滑坡的准确预报效果并不明显,成功预报的概率偏小。基于上述问题,在广泛查阅国内外有关滑坡预测方法、多传感器信息融合理论及监测方法等文献资料基础上,本文首先分析了滑坡演化和预测研究的历史、现状,总结了信息融合理论在滑坡预测领域应用的特点和发展的趋势,结合本人参与的三峡中心信息共享平台以及多源异构滑坡监测信息系统开发等研究项目,提出解决上述问题的思路：1)基于转换内容过多的问题,研究适应于多源异构数据特点的预处理方法,提出针对多源非稳态数据高效并行化计算的G-CWT算法,提高融合效率；对多源异构传感器形成的底层数据进行像素级融合处理,运用多源传感器估值理论实现信息之间的异常值剔除和互补,减少因数据之间非线性变换所带来的误差影响；2)基于数据相关判定难的问题,结合所开发的监测系统中多源异构数据进行分析,研究滑坡监测数据相关性判定理论和算法的特点,提出基于多元回归分析模型来发现具有显着性的相关因子,并通过最小二乘方法计算多因子间相关系数,改进滑坡监测中多源数据融合处理中相关判定缺少量化机制的现状；3)基于数据组织管理复杂化问题,提出基于点源数据仓库技术建立多源异构数据的组织和管理模型,利用分布式数据库管理系统实现高效搜索机制,实现快速查找,形成滑坡监测多源异构数据之间共享和融合的信息处理平台；4)基于模型单一化问题,进行联合多种模型组合进行预测的可行性研究,寻找适合于滑坡多场监测系统特征融合的组合模型,运用组合模型实现信息融合后的滑坡预测。突破单一融合系统的局限性,提高成功预测的几率。本文的工作具体包括：(1)基于三峡库区地质灾害频发的现状,依托三峡库区地质灾害研究中心,开展三峡库区滑坡灾害监测和数据管理平台的理论研究；基于物联网体系结构,设计并实现了多源异构监测系统和信息融合平台原型,着重介绍了基于数据仓库技术的多源异构监测数据的管理方式。重点对滑坡实时监测系统所面临的上述技术难点进行了深入的剖析。(2)针对监测系统中数据所形成的时间序列表现形式多样性特点,如大样本和小样本数据,线性和非线性数据,平稳和非平稳数据共存等,对系统中多源传感器数据以时间域序列方法进行分析,提出使用肖维纳检验算法判定异常点并合理剔除,实验证明该方法是一种有效的异常值检测方法,并结合实例证明多源传感器估值融合方法可以防止异常值误判；同时利用直观散点分布图示法判定监测数据的平稳性,用三次样条插值和多项式拟合的方法实现数据平滑化和补缺等问题的预处理,通过实验仿真证明上述方法具有可行性；针对多源信息融合转换处理开销大的问题,提出基于GPU小波并行变换计算方法(G-CWT),对GPS非平稳海量数据进行了并行测算和仿真实验,提高了融合系统的计算效能。(3)针对滑坡复杂系统的高度非线性特征,引入了能较好解决小样本、非线性时间序列预测问题的回归分析拟合方法,对多源异构监测数据进行融合处理,通过多元回归分析方法建立滑坡多因素变量之间相关性模型,然后对多源的监测样本进行了实验和检验,证明该融合方法对减小预测结果的误差有效。(4)对影响滑坡体变形的诸多影响因素进行分析后,判定其中的主成分作为人工神经网络模型的输入变量,采用遗传算法优化模型参数,结合GM灰色预测模型特点,建立了滑坡变形预测的BP-GM组合模型。将上述组合模型用于巴东县黄土坡滑坡变形监测过程中的趋势分析和预测,在滑坡位移预测仿真实验中取得了较好的效果。理论和实验证明,该组合预测模型比单一模型的预测效果更优。本文的工作首先为基于物联网体系的现代滑坡综合监测系统的设计提供了方法上的借鉴,同时针对多源异构传感器数据的不同像素特征进行信息融合预处理,重点介绍了异常值判定和剔除方法,其中多源数据估值融合方法能有效防止决策中误判发生。特别针对非稳态数据的预处理问题,创新性地提出了基于Kepler GPU架构的CWT(简称为G-CWT)算法的并行化处数据处理方法,能有效提高融合内容的转化效率。指出利用多元逐步回归分析方法进行多源异构数据融合处理的建模思路,最后通过运用BP-GM组合预测模型进行滑坡预测,证明其是一种能优化预测结果的可取方法。本文研究成果为滑坡监测及预报提供了一种新颖的方法体系,对滑坡及相关领域的预测研究是一种有益的尝试。