摘要: 滑坡位移预测是滑坡灾害研究中的一个重要内容，然而现有研究将滑坡视为一个对外界响应稳定的系统，即相同的外界条件下，滑坡的位移变化是相同的。实际上，随着时间的推移，滑坡所处状态不断变化，相同的外界激励下的位移响应相差甚远。从滑坡状态与位移的响应规律出发，提出了一种基于状态划分的滑坡位移预测方法以实现更高精度的滑坡位移预测。采用K均值聚类法对滑坡变形速度和加速度进行了聚类分析，获取了表征滑坡变形程度和变形趋势的状态标签。根据状态标签对监测数据进行了划分，对每一类数据均单独构造一个BP神经网络，并依据上一时刻的状态标签选择对应的预测器来完成滑坡位移预测。将该方法运用到白水河滑坡的工程实例研究中，结果表明此方法具有较高的预测精度。