滑坡是一种对人类生活影响非常巨大的自然灾害,我国每年由滑坡带来的经济损失就高达几十亿美元。目前对滑坡的控制只能通过布置多个监测点并利用一些数据处理的方法预测其发展趋势,但由于监测到的数据中虚假噪声的存在,传统的预测预报方法一般不能很好的判断出滑坡的发展趋势。针对上述问题,本文为了更好的剔除影响滑坡预测预报的虚假噪声和充分利用监测数据,在对融合估计理论深入研究的基础上,将通过两个方面研究滑坡的预测预报问题。一方面针对现有的加权融合算法中的不足,提出了改进的加权融合方法,并应用此方法对一个具体的实例的多个监测点的位移数据进行融合；另一方面,首先以经典的kalman滤波算法为基础分别研究了集中式kalman滤波算法、联邦kalman滤波算法、自适应kalman滤波算法方法的实现原理,并通过仿真分析研究了三种算法的融合精度,其次依据滑坡的地质属性和动力学原理建立滑坡的运动模型,最后视滑坡为机动目标,首次采用自适应kalman滤波算法对一个具体的实例的多个监测点的位移数据进行融合；分析结果表明,本文提出的序贯动态加权融合算法的融合精度要高于现有的加权融合算法；通过仿真分析表明,自适应kalman滤波算法的融合精度要高于集中式kalman滤波算法和联邦kalman滤波算法；通过实例验证表明,序贯动态加权融合算法和自适应kalman滤波融合算法对滑坡的多点位移监测数据都具有一定的融合能力,都能反映滑坡的整体趋势。因此本文的研究成果丰富了滑坡预测预报理论体系。