我国是一个地质灾害比较频繁的国家,每一次地灾发生都会不同程度的损害群众的生命财产安全,并阻碍社会的经济发展。因此,对地灾进行有效预警已成为我国治理灾害的重中之重。本文结合数据挖掘技术,建立具有关联关系的地灾预警模型,并将预警模型应用到地质灾害监测系统中,实现更高预警精度的目的。本文研究的主要内容和成果如下:（1）基于传统的FUP算法改进了经典的增量式关联规则算法:由于数据挖掘技术中经典的增量式关联规则挖掘算法——FUP算法存在以下两个缺点,如虽然通过使用原始的关联规则挖掘信息可以减少事务项集部分的计算,但仍需要频繁扫描事务数据库,使计算量增加;使用字符串比较函数完成统计项集支持度,耗费时间较大等。因此,本文通过改进得到了一种基于排序压缩矩阵的增量式关联规则挖掘算法FBSCM（FUP Algorithm based on the Sort Compress Matrix）来克服上述缺点。在该算法中,1)将事务数据集映射成布尔矩阵,并改良矩阵的存储方式;2)利用相关性质压缩矩阵中无效的行与列;3)根据项集有序性思想,对矩阵各项也进行递增排序。结合以上三点,提高算法的整体挖掘效率。（2）基于改进算法进行多维度实验对比,检验改进算法的有效性:采用单一变量法作为实验方法,通过添加不同规模的增量数据集、改变最小支持度和选择不同数据特征的数据集来比较几种不同的算法。实验结果一致表明,相比于传统的FUP算法,本文的改进算法具有更高的时间性能,特别是在增量事务量较大或最小支持度较小的情况下。（3）建立基于数据挖掘的地灾预警模型:首先,选择要研究的多元监测对象（裂缝、倾角、表面位移和降雨量）,对数据进行调查分析,提取数据特征;然后根据数据特征进行适当的数据预处理;再利用改进的FBSCM算法获取多个监测对象之间的关联关系,并提取强关联规则进行进一步分析,最终建立一个具有关联关系的预警模型。（4）地灾预警模型在地灾监测系统中的应用:将基于数据挖掘技术建立的地灾预警模型应用于地灾监测系统中,利用该预警模型对输入的监测对象进行相关的预警实验,并将实验结果与基于传统的单参数阈值判断预警的地灾预警模型进行比较。结果表明,本文建立的地灾预警模型能够较好地提高预警信息的有效性,减少虚假预警的数量,提高预警的可靠性。