在实际工程中，大坝水平位移监测数据通常包含复杂噪声，难以准确预测。因此，提出一种基于卡尔曼滤波与Informer-GRU相结合的预测模型，先采用卡尔曼滤波器对水平位移和环境因子（降雨量、温度、上下游水位）数据进行降噪处理，显著提升了数据的平稳性与特征清晰度；再将基于稀疏注意力机制的Informer与GRU网络融合，构建适应于大坝变形数据时空特征的深度预测架构，并利用麻雀搜索算法进行参数优化。对某重力坝水平位移的预测结果显示，所提模型在均方误差M

MSE

、均方根误差R

RMSE

、平均绝对误差M

MAE

、决定系数R

2

、皮尔逊相关系数等5项指标上均优于传统模型，具有更高的预测精度与鲁棒性。此外，敏感性分析表明，温度与下游水位是影响水平位移的关键因素。