边坡工程是一项随处可见而且危险性极高的岩土工程项目。边坡的稳定状况事关人类生命财产安全,有时甚至关系到一个国家的经济和社会的发展。本文重点研究边坡监测与预测预报中的智能化方法。首先,论文对边坡的监测方法做了比较详细的讨论与分析。传统的边坡监测往往不能实时采集到有用的信息。因此,本文提出了多参数、多测点集成化监测的技术构想,即在监测的现场布置的监测仪器能够一台仪器连接多个传感器,采集多个参数的信息,再通过无线传输技术把数据实时提交给监控中心进行分析和预测。其次,论文详细介绍了对采集的数据进行分析和预测的种种方法,包括数据的预处理、分析过程和预测预报方法。对边坡进行监测是提取数据的方法,但是对提取的数据如何得出其中的规律性,并对边坡的未来状况进行预测预报更是一个重要的部分。因此本文提出采用曲线拟合、趋势叠加、卡尔曼滤波和小波滤波方法对数据进行预处理。根据监测数据的不同种类和属性,我们可以采用多元线性回归分析、非线性回归分析、指数平滑法、自回归模型、滑动平均模型、自回归滑动平均模型、门限自回归模型、非线性动力学模型、非线性混沌模型、灰色系统模型和神经网络模型对数据进行分析。结合信息融合技术,本文建立了组合灰色神经网络模型和灰色神经网络模型。并且对预测预报软件进行了开发。同时,对数据进行分析之后,如何通过数据的后期发展来表述边坡的稳定状况便是预报判据建立的过程。由于监测数据包括物理的、数学的和统计的等参量,本文提出了采用信息融合技术结合专家经验的方法建立智能预报判据。最后,在对前三方面进行分析的基础之上,本文对边坡的远程网络监控技术进行了探讨。