近年来由于滑坡事件的屡次发生,给人民带来了巨大的灾难和影响,因此必须对边坡进行安全监测并预测其变形趋势。针对传统预测方法存在的不足,提出一种改进布谷鸟搜索算法(ICS)并用于优化支持向量机(SVM)的参数,从而构建基于改进布谷鸟搜索算法的支持向量机组合预测模型(ICS-SVM)并应用于实际边坡变形预测。首先,阐述了滑坡带来的危害,并分析了目前边坡变形预测研究现状,提出利用SVM来预测边坡的形变情况。针对SVM参数难以选择的问题,引入CS算法对SVM的参数进行优化。其次,针对传统CS算法存在寻优精度不高,收敛速度较慢等不足提出ICS算法,并选用7个基准函数测试ICS算法的寻优性能并与CS算法对比,实验结果验证了ICS算法获取了更高精度的寻优结果,且收敛的速度更快。然后通过ICS算法优化SVM参数,以此构建ICS-SVM边坡变形预测模型。最后,将ICS-SVM模型应用到麻地湾边坡和花坪子边坡实例中,并和CS-SVM模型形成对比,同时采用均方误差(MSE)以及平均相对误差(MRE)来进行评价其预测精度。结果表明:对于麻地湾边坡,CS-SVM模型得到的MSE和MRE分别为1.05、3.06%,ICS-SVM模型得到的MSE和MRE分别为0.07、0.76%;对于花坪子边坡,CS-SVM模型得到的MSE和MRE分别为1.05、5.72%,ICS-SVM模型得到的MSE和MRE分别为0.05、1.09%。由此可见,ICS-SVM模型得到的MSE和MRE均小于CS-SVM模型,验证了ICS-SVM模型具有更高的预测精度,可以较好地反映边坡实际变形情况,具有一定的参考价值。