针对库区边坡位移预测中存在的复杂非线性及不确定性难题，构建了一种基于智能优化算法的混合预测模型SSA-BP

旨在克服传统BP网络训练速度慢、易陷入局部最优的局限，从而提升边坡位移预测的精度和鲁棒性。通过麻雀搜索算法SSA对BP神经网络的初始权值和阈值进行全局优化，增强其收敛效率和适应性，并基于张家湾边坡历时5个月的真实位移监测数据进行训练。为验证模型优势，将SSA-BP模型与基于遗传算法（GA）和粒子群算法（PSO）优化的BP网络进行性能比对。研究表明，模型在24次迭代内快速收敛，显著优于对比模型，其均方根误差(R

RMSE

)、平均绝对百分比误差(M

MAPE

)、决定系数（R

2

）等评价指标均表现最佳。SSA-BP模型为库区边坡位移预测提供了一种可靠且高效的智能方法。