渗压是反映土石坝渗流状态的重要指标，其准确预测对土石坝安全监测至关重要。以某实际工程不规则、非线性的渗压监测数据为例，提出了一种组合预测模型，该模型结合了集合经验模态分解(EEMD)、长短期记忆网络(LSTM)和自适应增强(Adaboost)的优化算法，采用EEMD消除高频和低频分量之间的相互影响，实现非平稳数据的平滑处理，通过LSTM对时序依赖的建模弥补Adaboost在复杂线性动态关系捕捉上的不足，Adaboost的集成策略则抑制LSTM过拟合导致的泛化能力退化，形成“分解-时序预测-集成抗拟合”的协同机制。将组合模型与基准模型进行对比，通过多评估指标验证模型预测性能。结果表明，EEMD-LSTM-Adaboost模型显著优于对比模型，在2组测试数据中，评估指标均有不同程度的提升，相对于简单组合模型，该模型对土石坝渗压具有更高的预测精度，能够有效克服数据扰动、局部最优解和过拟合的问题。