露天煤矿的开采是一种极其危险的工程,因为露天矿中高边坡会随着施工的进行越来越高,内部受力越来越不平衡,这样就造成了高边坡处于极不稳定状态。再经过降雨,暴晒,风化等不利因素,在某一时刻就有可能会发生滑坡。为了对滑坡进行预测,有很多学者对高边坡监测进行了研究,也产生了很多预测模型。但是如果预测模型的输入值误差较大,这样就会使得预测的效果不太好。为了解决此类问题,需要对数据进行滤波操作。由于卡尔曼滤波对于统计特征有着不稳定性,可能会导致离散现象。为了解决这个问题本文提出了使用BP神经网络修正卡尔曼滤波的改进算法BPKF对数据进行滤波处理。将训练好的BP神经网络运用到卡尔曼滤波中对数据进行平滑处理,最后进行预测。针对山西某矿边坡监测项目的特殊地理环境,本文进行了针对该矿高边坡和其余相似环境的施工组织方案的设计。并且对系统的运行、监测点的埋设,数据的报送等相关内容做了介绍。最后通过测试数据,运用均方根对BPKF算法和标准卡尔曼滤波进行了对比评估。结果显示BPKF算法的滤波结果更平滑,更有利于预测。同时通过结合设计好的监测方案、BPKF和预测模型,在山西某矿监测中一共成功预测了5次滑坡,其中较大滑坡1次,小范围滑坡4次。