针对目前现有的地质滑坡的形成条件、诱发因素错综复杂,使用传统的测量手段存在实时性差,准确度低的情况,提出一种基于综合测量的岩土坡体稳定裕度的预警技术。为了更好地分析滑坡的非线性发展趋势,本文利用BP神经网络来建立岩土滑坡的预警模型。本文通过各类传感器采集能表征滑坡发生时各种状态的数据,包括降雨量、土壤含水率、地表位移量、倾斜角、土壤剪切力、土应力以及地下三维位移量,并将传感器测得的数据作为创建BP神经网络的训练样本和测试样本,实现数据的综合测量。同时,搭建滑坡预警的信息采集显示系统,通过微机控制模块采集传感器信号,并通过RF无线射频技术实现数据的传输与汇总。使用JAVAEE的SSH框架实现对降雨量、含水率、地表位移、土应力动态曲线的实时显示;使用C#的WPF框架开发地下三维位移的在线实时监测系统,实现地下实况的具象化。对采集的数据使用MYSQL数据库进行存储,实现数据的历史追溯。使用采集的样本建立BP神经网络模型,通过主成分分析法对神经网络的输入变量进行特征提取,消除输入变量之间的重叠信息,从而降低变量之间的耦合度。使用具有全局搜索功能的遗传算法改善输入层、隐含层以及输出层的权值和阈值。将权值和阈值作为遗传算法需待改善的变量,并对其进行编码,对编码后的个体进行反复地选择、交叉、变异,最终获取最优个体并得到权值和阈值的最佳参数组合。使用遗传算法避免了神经网络陷入局部最小值的缺点,提高神经网络的训练精度,加快神经网络的收敛速度,使得输出层的预测值更接近理想期望值。比较分析了GA-BP神经网络和BP神经网络的性能和特点。本文以杭州某地区的岩土边坡的土壤作为实验对象,以滑坡地质灾害模拟试验场为实验平台,模拟滑坡的发生过程,通过综合测量采集滑坡的样本数据并建立滑坡的神经网络模型。实验表明,利用神经网络的智能学习算法得到的预测结果与实际情况基本一致,验证了GA-BP神经网络对于滑坡稳定裕度的预测具有切实可行性。