La predicción del desplazamiento de deslizamientos de tierra es de gran importancia para la prevención y la alerta temprana de peligros de pendiente. Con el fin de mejorar la extracción de señales de monitoreo histórico de deslizamientos, se propone un método de predicción del desplazamiento de deslizamientos basado en la descomposición de datos de monitoreo antes de la predicción. En primer lugar, basado en la idea de adición temporal, se utiliza el algoritmo de búsqueda de gorriones (SSA) junto con el algoritmo de descomposición modal variacional (VMD) para descomponer el desplazamiento total de deslizamientos en un elemento de tendencia, un elemento periódico y un elemento aleatorio; luego, los valores de desplazamiento de los subelementos se ajustan utilizando la red neuronal de memoria a largo y corto plazo (LSTM), y el desplazamiento acumulado predicho del deslizamiento de tierra se obtiene sumando los valores predichos de las tres subsecuencias. Finalmente, se toman como ejemplo los datos medidos históricos del deslizamiento de Shuping. Considerando los efectos de las lluvias estacionales y el aumento y disminución del nivel del agua en el embalse, se predice el desplazamiento de este deslizamiento, y se comparan los resultados de predicción con otros modelos tradicionales. Los resultados muestran que el modelo de predicción de desplazamiento de deslizamientos de tierra de SSA-VMD junto con LSTM puede predecir el desplazamiento de deslizamientos de tierra de manera más precisa y capturar las características de las señales históricas, lo que puede ser utilizado como referencia para la predicción del desplazamiento de deslizamientos de tierra.