大坝位移的精确预测是保障大坝安全运行的关键技术手段，然而传统预测方法难以精准捕捉位移数据的复杂性与非线性特征。为此，提出一种融合改进Inception模块、残差注意力机制与Informer模型、引力搜索算法(GSA)的混合位移预测模型。首先通过改进Inception模块并行采用多尺寸卷积核，实现对大坝位移影响因子的多尺度特征提取；再结合残差注意力机制与Informer模型的稀疏自注意力策略，强化模型对长时序数据依赖关系的刻画能力；然后引入引力搜索算法对模型超参数进行全局优化，提升模型泛化性能；最后以某拱坝为例将所提模型与HTT、ELM、LSTM等传统及机器学习模型进行对比验证。结果表明，所提混合模型各项指标均显著优于对比模型，在大坝位移预测中具有显著的优越性与可靠性，可为大坝安全监测提供技术支撑。