简介： 本发明公开的基于混合高斯隐马尔科夫模型的滑坡发生时间预测方法，首先通过安装在坡体上的激光位移传感器采集滑坡体的位移数据，并对采集的位移数据在时序方向上进行多状态划分；然后，将划分后的位移数据通过Baum‑welch算法进行训练，获得多状态MOG‑HMM模型，并对已划分的状态进行标记；最后，采用Viterbi算法对实时采集的位移数据进行当前状态估计，并将当前估计状态作为Dijkstra算法的输入，从而预测出滑坡的发生时间。本发明公开的方法根据滑坡演化过程中的位移数据，推演出当前滑坡演化状态，并计算出滑坡灾害发生的时间，提升了一般HMM方法在预测中的鲁棒性性能，提高了地质灾害预报的准确性。