本發(fā)明屬于地質(zhì)災(zāi)害預(yù)測(cè)技術(shù)領(lǐng)域，具體涉及一種堆積層滑坡位移預(yù)測(cè)模型及預(yù)測(cè)方法。具體為，先通過(guò)CEEMDAN分解算法將滑坡累計(jì)位移分解成本征模態(tài)分量和殘余趨勢(shì)項(xiàng)，緊接著利用fine to corase方法將IMFs重構(gòu)成高頻和低頻分量，再通過(guò)小波降噪算法對(duì)高頻分量進(jìn)行降噪處理，然后將去噪后的高頻和低頻分量合成周期分量，最后使用LSTM神經(jīng)網(wǎng)絡(luò)分別對(duì)趨勢(shì)分量和周期分量進(jìn)行預(yù)測(cè)，兩者的預(yù)測(cè)結(jié)果相加即為預(yù)測(cè)的累計(jì)位移。本文使用提出的模型對(duì)三峽庫(kù)區(qū)的八字門(mén)滑坡進(jìn)行了研究和預(yù)測(cè)。結(jié)果顯示，所提出的模型，預(yù)測(cè)精度更高，這對(duì)位滑坡預(yù)測(cè)帶來(lái)了新的解決方案。