滑坡作为世界上仅次于地震的第二大地质灾害,其每年在全球范围内给人类生产生活造成极大的危害,同时具有突发性强、危害大、治理难度高等特点。日前针对滑坡的研究手段有从物理机制层面研究滑坡体的地质构造条件、外部环境状况等,并综合考虑滑坡受到的内外部影响来分析滑坡的未来发展趋势,而此种方法受到滑坡体本身构造及影响因素复杂的限制,目前尚未形成有效的滑坡演化规律模型；近年来随着滑坡监测手段的不断发展及智能算法理论的引入,基于滑坡监测数据的滑坡演化预测分析方法得到较大的发展,本文就是基于变形监测数据的滑坡变形过程分析研究,同时考虑到滑坡变形过程体现出的高度非线性特征,文章引入了经验模态分解算法对滑坡非线性信号进行分析研究,经验模态分解算法是近年来发展起来并得到较广泛应用的一种非线性信号分析方法,故本文将该方法引入到滑坡变形信号的分析研究中。首先,位移是滑坡体变形过程中反馈出的重要信息之一,在滑坡体介质复杂性及物理、力学机理比较模糊的情况下,通过变形行为对其进行研究是一种简单、易行的途径。随着目前统计数学方法的逐步发展,越来越多的人工智能方法(神经网络、支持向量机、群体智能算法等)被引入到工程分析领域。本文从对滑坡变形监测数据的分析入手,利用EMD(Empirical Mode Decomposition)的信号分解方法与支持向量机预测算法对滑坡的变形过程进行预测研究,构建了多模态的滑坡变形预测模型,目的在于对滑坡的未来一段时间内的变化情况作出合理预测,同时针对滑坡变形的变化规律与降雨致因的变化过程进行相位同步分析,得出在滑坡变化过程中,不仅存在着监测点之间的空间同步现象,同时滑坡变形过程与降雨因素间也存在一定的时间同步现象。这一同步性发现可以为未来滑坡的预测预警研究提供较好的研究思路。