滑坡灾害是诸多自然灾害中较为典型的一种。滑坡灾害不仅给人类生命财产安全造成威胁,也对生态环境带来一定的破坏。目前,学者们提出了诸多滑坡预警模型,对滑坡灾害的预警具有重要意义。针对滑坡成因机理复杂、影响因素众多、监测手段单一以及传统预警模型精度不高等问题。本文提出了一种基于综合测量的岩土灾变预警方法。主要研究成果有:（1）搭建滑坡综合测量模拟实验平台。分析滑坡灾害的多种诱发因素,选取最能表征滑坡发生的地表位移、降雨量、地下位移、土壤应力、土壤含水率作为综合测量的监测对象。箱体规格为4.4m×1.4m×1.45m,容纳量为50～70吨,并设计多传感监测方式。使用C#的WPF框架开发地下位移的在线实时监测系统,编写采集雨量传感器、土壤含水率、土壤应力、地下位移、地表位移的上位机系统,数据用MYSQL数据库存储。（2）分析各监测参数对滑坡灾害形成过程的影响。搭建熵值法与PSO算法改进的ELM耦合的滑坡预警模型,对模型结构进行设计。将该模型与BP神经网络RBF网络的精度进行对比。选取地表位移,建立残差GM（1,1）灰色预警模型,并引入马尔科夫过程改进改进,提高模型精度。进行多次试验,验证本文模型的性能。包括在相同的角度下进行多次和在不同角度下进行多次试验,最后得出本文模型的可行性。（3）实验表明该方法的精度比BP、RBF等方法预测精度更高,且多次实验显示,本文建立的第一种预警模型具有良好的泛化性能,第二种模型在较传统的GM（1,1）模型精度有很大提高。验证了将熵值法用于计算综合测量下滑坡的危险系数与粒子群算法优化的极限学习机耦合模型和马尔科夫过程改进的残差灰色预警模型的可行性。