滑坡是一种自然地质体灾害,一旦滑动,危及人们生命财产安全。为了减少滑坡灾害对人民生命财产安全造成的损失,对滑坡进行变形监测,利用监测数据对滑坡进行预测预报,进而进行稳定性研究,具有重要的理论与实际意义。本文根据陕西省黑河水库库区G108国道水门沟滑坡为工程背景,采用GPS定位技术以及精密水准测量方法,定期监测滑坡体的水平位移和垂直位移,对变形数据进行分析处理,并结合水库蓄水、水门沟滑坡的地质特征及地质条件,对水门沟地质灾害的变形机理、产生原因、破坏模式及影响因素进行了系统性的分析总结。通过对GPS监测资料进行分析,结合监测结果,研究了库区水位变化对滑坡体稳定性影响的关系;采用有限元法对主滑剖面进行应力、应变分析,并结合极限平衡法和神经网络方法计算其稳定性,对滑坡的整体稳定进行综合评价,并对滑坡稳定性影响因素进行了敏感性分析。研究了卡尔曼滤波模型和动态神经网络模型在滑坡变形预测中的应用,并在二者的基础上提出了一种基于卡尔曼滤波算法的BP神经网络模型,这种模型能够综合二者的优点,预测精度有了很大的提高。结合滑坡位移动力学分析方法,研究了动力学滑坡位移预测模型,使模型在预测过程中充分考虑到滑坡体本身的运动机理,与传统预测模型比较,使该模型在具有几何意义的基础上,兼具有了物理意义,并应用于水门沟滑坡位移预测,取得了较好的结果,为滑坡预测提供了新的思路。