滑坡是地壳表层岩体的一种地质灾变现象。在全球范围内广泛分布，危害极为严重。尤其是大型滑坡具有规模大、成因机制复杂、危害严重等特点，对大型滑坡的变形演化预测研究一直是滑坡防灾减灾工作中的重点和难点。
中国科学院水利部成都山地灾害与环境研究所李秀珍副研究员以西部重大水电工程区的某大型滑坡为研究对象，在查明典型滑坡的基本特征和形成条件等的基础上，结合滑坡的长期监测资料，对典型滑坡的主控因素及变形演化规律和特征进行了深入分析研究。
在此基础上，将一种新的机器学习算法——支持向量机方法（SVM）应用于滑坡的变形演化预测中，并利用遗传算法（GA）对滑坡预测模型的参数优化方法进行了研究，同时考虑了影响滑坡变形的多个因素（如降雨、库水位变化等），建立了具有参数优化功能的滑坡变形演化的GA-SVM预测模型。
研究结果表明，SVM和GA-SVM模型在滑坡变形预测中具有较高的预测精度，能够在滑坡防灾减灾中发挥明显作用，具有广阔的应用前景和推广价值。
该研究得到了国家自然科学基金（40802072）、“973”项目（2013CB733205）、中科院重点部署项目（KZZD-EW-05-01-02）和中科院“西部之光”等项目的联合资助。研究成果发表在国际学术期刊Natural Hazards and Earth System Sciences上。