中国是一个滑坡地质灾害发生十分频繁和灾害损失极为严重的国家，据初步统计，我国每年因滑坡、崩塌等斜坡变形破坏造成的损失高达30～50亿美元。目前，在我国不可能有足够的经济和技术力量对有潜在危险性的滑坡灾害点进行全面治理的情况下，如果能够及时准确地预报滑坡的滑动时间，就可以尽早采取减灾防灾措施和对策，使这类灾害造成的损失减少到最低程度。 本论文在滑坡预报领域中引入了一种新的信号特征处理方法-独立分量分析。独立分量分析是通过分析多维观测数据间的高阶统计相关性，找出相互独立的隐含信息成分，完成分量间高阶冗余的去除及独立信源的提取。滑坡监测信号受到受到地下水信号，岩石压力信号，传感器混叠等各种因素影响，形成了混合叠加的综合信号，监测信号不能如实反映滑坡体特征，也就不能准确预测滑坡的突变时间。本文利用主分量分析，独立分量分析对滑坡监测数据进行处理，为混叠维数据寻找一种变换，使得数据相互独立，还原信号的真实情况，提取实际信号的特征分量，在此基础上进行信号分析，对滑坡进行有效的预测预报。 本文使用基于负熵最大的FastICA算法实现独立分量分析，FastICA是一种快速寻优迭代算法，采用了批处理的方式，即在每一步迭代中有大量的样本数据参与运算。它以负熵最大作为一个搜寻方向，可以实现顺序地提取独立源，充分体现了投影追踪(Projection Pursuit)这种传统线性变换的思想。此外，该算法采用了定点迭代的优化算法，使得收敛更加快速、稳健。 最后，选择实际的典型滑坡对本文提出的各种方法进行了验证、分析。实例结果表明，本文提出的方法对滑坡监测信号具有较好的信号分离还原以及特征提取的效果，预报时间准确。本文的研究成果丰富了灾害预报理论，为滑坡预报提供了新的理论和方法。