滑坡位移预测的重点内容是提高预测精度及提取阈值,基于该认识及已有研究,建立ARMA-(LASSOELM)-Copula模型,并选取白水河滑坡这一典型"阶跃式"滑坡为研究案例。首先,运用ARMA模型中的ACF值分析月降雨量与月库水位变化的周期性,并通过PPMCC分析位移月增量与一个周期内诱因数据(月降雨量,月库水位变化)的滞后相关性;然后,建立以所有诱因正相关滞后项为预测模型的输入项,以位移月增量为目标的LASSO-ELM滑坡位移预测模型,将预测所得位移增量累加得到位移预测值;最后,基于诱因值与滑坡位移预测值,比选得到最优Copula函数之后,分别建立其联合分布函数,并提取阀值。结果表明,ARMA联合LASSO-ELM的位移预测模型具有较高精度,明显优于SVR、NN、ELM等模型;选取Gumbel-Hougaard Copula函数可描述案例诱因数据与位移预测值的联合分布,并能提取诱因阈值和对应的位移风险值。