在探讨多源数据融合技术和引进遗传算法(GA)的改进粒子群(PSO)优化BP神经网络(GA-PSO-BP)模型在滑坡监测和预测领域的应用及其效果的基础上，以福建省安溪县西坪镇滑坡监测数据为例，研究验证集成多种数据源及采用粒子群算法优化BP神经网络的有效性。结果表明，GA-PSO-BP模型能显著提高滑坡监测的精确度与可靠性，有效解决了BP神经网络易陷入局部最优解和对训练数据需求高的问题，预测滑坡位移的平均绝对误差(MAE)和均方根误差(RMSE)均低于传统方法，展现出较高的预测性能。在处理具有高度相关性和冗余性的多源数据时，集中式和分布式数据融合方法的有效性为滑坡预警系统提供了新的策略和方法。