针对传统监控模型对实测时序效应捕捉能力不足、单一模型预测精度较低和混合模型超参数选取困难等问题，提出了基于人工旅鼠算法(ALA)优化的大坝变形TCN-BiGRU-AM预测模型。首先，利用时域卷积网络(TCN)对变形序列进行卷积运算，高效捕捉数据中的局部时序特征，再利用双向门控循环单元(BiGRU)的双向并行结构挖掘变形实测序列的全局双向依赖关系；其次，引入注意力机制对BiGRU输出的特征分配不同权重，强化关键信息的影响；最后，再利用ALA对TCN-BiGRU-AM模型关键参数寻优以得到最优预测模型。应用实例表明，ALA-TCN-BiGRU-AM模型预测精度高，且在实测序列连续的波动点和峰值处，具有更好的拟合效果，表明该模型能够充分挖掘大坝变形时序特征，为保障工程安全运行提供了新方案。