我国山区面积广大,各类边坡灾害频发。由于边坡灾害数量巨大,无法对每个灾点均开展详细研究。因此,对边坡灾害进行危险性评价,然后根据不同的危险等级采取不同等级的对策措施是非常必要的。对于不同的应用场景,危险性评价对量化程度的需求是不同的;定量化程度较高的危险评价方法一般依赖于大量高质量的样本数据,这在实际情况中往往难以实现,因此传统的定量危险性评价方法在应用时容易出现过拟合问题。对于具有极高危险性的边坡灾害体,要随时准确掌握其发展情况,以便对将要发生的重大灾害作出准确预报与警示,其中边坡位移是实现该过程的关键所在。但是,目前的边坡位移预测方法存在适应性不强、无法联合多种监测数据等问题,这导致预测位移精度不高。本文从边坡灾害危险性评价方法、位移预警方法这两个方面开展研究,结合模糊理论、贝叶斯网络、经验模态分解等多种方法,提出了边坡灾害危险性的定性、半定量、定量评价方法,以及一种能够联合多种类型监测数据的新型边坡灾害位移预警方法。本文主要取得了以下创新性成果及结论:（1）提出了边坡灾害危险性分阶段评价系统。该评价系统涵盖四种形式的边坡灾害、两个不同详细程度的评价阶段,该方法可用于运营期公路边坡灾害危险性评价,且适用于边坡数量较多的情况。该系统在川九路的应用表明,该系统的评价效果良好。（2）提出了边坡灾害危险性模糊综合统计评价方法。该方法对传统的模糊综合评价中隶属度求解方法进行了改进,使方法更加量化、客观。该方法被应用于汶川地震边坡灾害危险性评价,结果表明该方法可靠性较强,且能够考虑边坡灾害的区域性特点。（3）提出了基于贝叶斯网络的Fuzzy-SVM边坡灾害危险性评价方法。该方法利用模糊理论将定性的工程经验定量化,以得到网络参数的先验分布;同时利用支持向量机求解了网络参数的实际样本潜在分布;然后将先验知识与实际样本结合,得到了网络参数的后验分布。将该方法应用于汶川地震区的路堑边坡、路堤边坡、边坡支挡结构的危险性评价中,结果表明,该方法能够适应属性缺失的情况,同时能便捷利用新获取数据进行模型更新,并且该方法适用于小样本危险性评价问题。（4）提出了基于经验模态分解的ARIMA-BP神经网络边坡灾害位移预警方法。该方法利用经验模态分解将原始位移分解为趋势项、波动项及敏感项,然后利用ARIMA模型对趋势项进行预测,同时利用BP神经网络对波动项、敏感项进行预测,最后将三者合成得到位移预测值。利用该方法对白水河滑坡进行位移预测以及灾害预警判别,结果表明,该方法预测精度总体较高,能够对陡增段位移进行准确的预判;并且,对白水河滑坡的预警判别结果与实际情况比较吻合。