由于边坡-失稳是一个渐进的过程，利用时间序列分析方法预测边坡未来的变形有利于边坡的稳定性评价。与传统的时间序列分析方法相比，多簇回声状态网络（mcesn）使用动态储备将池将输入信号转换为高维状态向量，并选择一组最优状态向量来表示任务相关的输入动态。为了验证模型的有效性，采用微分积分滑动平均自回归模型（ARIMA）、回归支持向量机（SVM）、长期和短期记忆网络（LSTM）、传统回声状态网络（ESN）和mcesn对三峡船闸的高边坡位移进行了建模和分析。通过比较均方根误差（RMSE）和复相关系数，发现mcesn具有更好的预测精度和模型推广能力。结果表明，mcesn在边坡形变预测中具有良好的应用前景。