三峡水库于2009年完成175米高水位蓄水,据已建水库的统计,水库蓄水后3-5年内往往集中发生老滑坡的复活、新滑坡的产生、水库塌岸及其次生灾害。因此,针对三峡库区特点,研究滑坡位移预测模型不仅有理论意义更具有极强的现实作用。2003年起,三峡库区实施了地质灾害监测预警,积累了海量的滑坡变形、库水位、降雨量、地下水位等数据。如何有效地处理累积的海量监测数据成为当前亟需解决的问题。滑坡的位移预测是一个高度非线性且极为复杂的问题,在大多数情况下,难以用明确的数学模型来描述这一过程。而数据挖掘技术能有效地发掘数据中隐藏的规律和模式,因此将此技术用于滑坡位移预测是合适和有效的。针对取得的海量滑坡监测数据,首先以滑坡位移预测为目的进行了数据清理和重组工作；之后,利用滑坡位移监测数据计算了滑坡变形速率,并引入K-MEANS聚类算法完成滑坡变形阶段划分；在此基础上,采用支持向量机、分类回归树等算法进行了滑坡变形阶段预测试验,进而寻找合理有效的知识发现方法,完成数据—>信息的转换工作,以确定滑坡在不同时期处在的变形阶段；同时,利用粗糙集理论,定量地评价了各输入变量对滑坡变形阶段预测模型的贡献,从而提出了环境响应指数；最终,建立了分阶段响应的滑坡位移数值预测模型,并通过试验对比了提出模型与传统方法预测滑坡位移的精度。通过上述研究,取得以下成果：1、利用粗集评价各输入变量的重要性,库水变化程度和单月降雨量的POStotal-POSi分别为0.123和0.088；同时库水位变化趋势和库水变化程度在简约集中出现频率分别为100%和57.89%,明显高于单月降雨量47.37%的出现频率,库水变化对白家包滑坡的影响明显大于降雨的影响,因此白家包滑坡属于库水型滑坡。2、环境响应指数法预测处于蠕动和稳定状态下滑坡位移的平均绝对误差分别为9.805和3.299,小于其他算法在这两阶段下取得的最小平均绝对误差(10.212,3.419的)；在预测快速变形阶段的滑坡位移时,分类回归决策树取得了19.919的最优平均绝对误差。基于外因响应的分阶段滑坡位移预测模型在位移数值预测试验中平均绝对误差为6.307mm,优于支持向量机(31.09mm)、BP神经网络(16.97mm)、ARIMA时间序列分析(23.098mm)的结果。