針對經典智能算法用于滑坡位移預測時存在的網絡結構參數選取復雜、易陷入局部極小等缺陷,提出了基于改進極限學習機ELM(Extreme Learning Machine)的滑坡位移預測模型。在滑坡變形位移狀態辨識基礎上,根據其位移變化特征,將滑坡位移曲線類型劃分減速-勻速型、勻速-增速型、減速-勻速-增速型、復合型4類,將改進的ELM算法分別用于4種不同類型的滑坡位移預測。基于改進ELM算法構建滑坡位移預測模型時,采用二值區間搜索算法選定最佳隱含層神經元個數和激勵函數,并融入數據滾動建模思想,以期提高網絡泛化能力和預測精度。以鏈子崖、臥龍寺、古樹屋、新灘滑坡體為例,對ELM預測的適用性進行討論,實