由于边坡变形所造成的地质灾害往往会对人们的日常生活及工程建设造成很大影响，因此边坡的变形预测成为近年来变形预测方面的一个重要研究方向，在对边坡变形进行监测的同时，对监测数据进行分析，然后做出及时准确预测，能在很大程度上减少灾害发生时造成的国家经济损失及人们的生命安全损失。本文在研究了已有的一些变形预测模型的基础上，利用模糊集理论，结合BP神经网络模型，建立了自适应模糊神经推理系统模型(Adaptive Neuro-Fuzzy Inference System)也称为基于网络的自适应模糊推理系统(Adaptive Network-based Fuzzy Inference System)，简称为ANFIS，该模型同时具有模糊逻辑的易于表达人类知识能力和神经网络的分布式信息存储及学习能力，融合了模糊系统的语言推理能力和神经网络的学习机制能力，表现出很强的容错能力，具有很好地适应性，本文探索性的将该模型应用到边坡工程实例中，并用采集的监测数据，验证该模型在边坡变形预测中的可行性。本文的主要研究内容及成果总结如下：1、简单介绍了目前常用的一些变形预测模型，重点讲述了BP神经网络模型的基本理论、结构、算法以及流程。2、详细介绍了模糊系统理论，以及模糊隶属度、模糊规则的选取，简单的介绍了模糊系统工具箱的各中参数的应用，比较了模糊系统与BP神经网络的的优缺点，将两种理论进行融合，建立了自适应模糊神经推理系统模型（ANFIS），并根据该模型的优点提出了的它在变形预测中的适用性。3、基于自适应模糊神经网络模型，本文选取了黑龙江鹤岗市华鹤煤化股份有限公司大型煤化工基地边坡监测项目中深层水平位移的实测数据对模型进行验证，并对预测结果和精度进行对比分析，证明了该模型在此边坡变形预测中的可行性。