我国黄土地区滑坡灾害频发,严重损害当地人民的生命财产安全,给生态环境和自然资源等造成不可挽回的损失。滑坡变形受多种影响因素共同作用,仅仅依靠单个类型传感器的监测信息来判断滑坡的状态,一定程度上降低了判断结果的准确性。多源数据融合技术能对各监测数据进行综合分析,有效提高滑坡状态判断的准确性。因此,本文在深入学习黄土滑坡变形监测理论和数据处理方法的基础上,以甘肃省永靖县黑方台党川滑坡为例,通过对黄土滑坡多源异构监测数据的分析,研究了多源异构监测数据的预处理方法,提出了两种适用于黄土滑坡多源异构监测数据的融合算法,并对融合后的结果进行了分析。本文的主要研究内容及成果具体如下:(1)介绍了滑坡变形监测领域中多源数据融合的基本理论,包括多源数据融合的定义、基本原理以及多源数据融合的时间性与空间性等问题,分析了多源数据融合的结构、级别以及存在的若干问题。(2)研究了滑坡监测中常用的五种无线传感器的原理和特点,并以BD-LX10型号位移计为例,利用C++编程语言实现了对该型号位移计原始数据流的解码;通过在甘肃省永靖县黑方台党川滑坡变形监测中的实际应用,实时获取了DCF10监测点处的形变信息,并提前2天发布了预警信息。(3)针对滑坡监测多源数据存在的不一致性、不完整性、含噪声以及差异性等问题,研究了多源异构监测数据预处理方法,包括异常数据的剔除、缺失数据的补全、数据的平滑处理以及数据标准化处理,并利用实测数据进行了分析。结果表明:拉依达准则和肖维勒准则对异常位移数据的剔除效果优于格拉布斯准则;拉格朗日插值法对缺失位移数据的补全效果最好;简单滑动平均法和加权滑动平均法对位移数据的平滑效果比Savitzky-Golay平滑法的效果好;Z-Score标准化、最大最小值标准化、Decimal scaling小数定标标准化这三种标准化处理方法对温度数据的处理效果相当。(4)针对黄土滑坡多源异构监测数据融合问题,提出了基于主成分-逐步回归分析的多源异构监测数据融合模型和基于BP神经网络的多源异构监测数据融合模型。实验结果表明:主成分-逐步回归模型曲线能在一定程度上反映及预测滑坡的变化趋势;BP神经网络数据融合模型适用于具有多源异构监测数据的滑坡变形预测,在利用各环境因子变量和滑坡位移变化量的相关性及显著性进行环境因子变量筛选后,BP神经网络数据融合模型的决定系数达到0.985,RMSE达到0.4787 mm,从而有效提高了变形预测结果的精度。