对地质灾害进行监测和预警始终是社会普遍重视的话题,它直接影响着人民群众的生命健康与财产安全。我国地貌特点复杂,地质灾害分布广,隐蔽性、突发性及破坏力较强,因此必须着重发展科学研究地质灾害监测技术,以降低地质灾害所带来的危害和经济损失。本文着重研究了RTU数据采集问题和数据展示问题,设计了一种地质灾害监测与预警平台,且针对高效滑坡预测问题进行了研究。为了解决高并发问题,根据RTU的类型,本平台设计了两种数据接收后台。第一种后台主要采用Java NIO技术,实现非阻塞单线程Socket通信,接收到传感器数据后直接处理数据,主要针对长期在线却只有传感器采集数据时才会发送数据的RTU。第二种后台主要采用Active MQ技术,使用传统的阻塞多线程Socket通信,接收到传感器数据后将数据上传到消息队列中间件Active MQ,在其他程序中处理数据,主要针对大量同时短期在线且集中发送数据的RTU。后台的主要功能为接收数据、解析数据、存储数据、管理设备、判断是否发送预警短信和将数据上传到四川省地质灾害平台。为了方便用户查看数据、分析数据和管理设备,本地质灾害监测与预警平台分为5个模块:用户管理模块,地图展示模块,监测数据模块,预警数据模块和设备信息管理模块。监测数据模块可以查看实时数据和历史数据,历史数据包含表格和图表两种形式,其中图表样式由传感器类型决定,且针对裂缝计、位移计等传感器,图表增加了基于卡尔曼滤波算法的滤波功能。预警数据模块展示历史预警信息的同时,也可以配置下次同一个传感器同级或低级预警是否发送预警短信。设备信息管理模块主要实现站点、RTU和传感器信息的增删改查,也可以在此模块中配置预警信息,如预警阈值、预警短信电话等。预警短信电话分为主预警电话和从预警电话,若主预警电话为空,则从预警电话也不能收到预警短信,配置预警信息时主预警电话可以收到测试短信,而从预警电话无此功能。由于坡面位移时间序列具有非线性变化特征,本平台建立了GA-BP神经网络模型（遗传算法优化的BP神经网络模型）预测滑坡稳定性。该模型利用遗传算法对BP神经网络的初始权值、阈值和学习速率进行优化训练,通过遗传算法“优胜劣汰”的特点,解决了BP神经网络容易陷入局部最小值的问题。最后以云南省某渣库扩容工程为例,使用GA-BP神经网络进行预测,对比分析GA-BP神经网络和BP神经网络的预测效果。实验结果表明,遗传算法优化后的BP神经网络具有更高的预测精度和较大的应用潜力。