本发明开了一种基于GRU‑DNN的地灾预警数据分类方法，包括根据地灾报警的点位的数据构造原始数据样本、进行类别标注得到标注样本；从标注样本中构造多个时序特征和非时序特征，用决策树模型筛选有分类能力的特征，构造出最终训练样本，并用最终训练样本训练深度神经网络得到能识别正常报警和误报警的分类模型，用于分类识别。本发明充分结合时序特征与非时序特征的特点，提高模型的分类能力，采用编码器结构提高模型的特征提取能力，还引入加权交叉熵函数进一步提高模型召回率，大幅降低了误报率、提高单次预警可靠度，从而在确保不漏报的前提下最大限度的降低预警误报率，有效减少因误报导致的人力、物力消耗。