针对滑坡位移难以预测、影响因素难以选择等问题，提出一种结合了二次移动平均 （DMA） 法、变分模态分解（VMD）、改进灰狼优化（IGWO）算法与支持向量回归（SVR）的模型进行滑坡位移预测。首先，利用DMA提取滑坡位移趋势项和周期项，采用多项式拟合对趋势项进行预测；其次，对滑坡周期项的影响因素进行分类，采用VMD对原始影响因子序列进行分解获得最优序列；再次，提出一种结合SVR与基于改进Circle多策略的灰狼优化算法CTGWO-SVR（Circle Tactics Grey Wolf Optimizer with SVR）对滑坡周期项进行预测；最后采用时间序列加法模型求出累计位移预测序列，并采用灰色预测的后验证差校验和小概率误差对模型进行评价。实验结果表明，与GA-SVR和GWO-SVR模型相比，CTGWO-SVR的预测精度更高，拟合度达到0.979，均方根误差分别减小了51.47%与59.25%，预测精度等级为一级，可满足滑坡预测的实时性和准确性要求。
