村镇建设已经成为我国城镇化进程中重要组成部分,未来十几年是我国村镇建设的重要阶段,同时也是村镇防灾减灾的关键阶段。我国大多数村镇分布在多山区域,面临着各类地质灾害的威胁,每年都遭受人员的惨重伤亡和财产的巨大损失。其中滑坡灾害隐患点的数量最多,占地质灾害数量的比例超过一半。对村镇区域的滑坡灾害进行科学地评估和研究,不仅可以帮助人们充分了解和把握灾情,为科学地组织实施防灾减灾提供理论依据,而且能够指导村镇滑坡防灾减灾工作的进行,对村镇防灾安全线的制定、灾害避难疏散场地的规划均能起到实际指导作用。因此本文针对村镇滑坡灾害的定量评估方法展开研究,并将模型应用于示范区滑坡灾害的评估,旨在验证评估方法的可行性和有效性,为该评估方法的推广应用提供科学、先进的示范。本文的主要工作及成果如下:(1)在阅读大量国内外文献的基础上,对灾害等级的划分与预测的评估方法进行总结,明确了灾害等级的表征术语、评估指标、划分方式以及预测方法;归纳了国内外对区域滑坡和单体滑坡的危险性评价方法和成果,介绍了目前几种主要的滑坡危险性评价模型,并指出了一些存在的问题。(2)对于模糊聚类法,目前学者们通常直接选择某一种距离进行聚类分析,并未对各距离法进行对比或选择,这样得到的聚类结果未必最优。本文采用模糊聚类法建立了神农架林区的滑坡灾害等级划分模型,并使用相关系数确定了本模型的最优距离为曼哈顿距离;通过优化的模型将示范区的34个滑坡的灾害等级划分为4类,其中有8.8%的特大滑坡灾害、11.8%的较大滑坡灾害、8.8%的一般滑坡灾害以及70.6%的轻度滑坡灾害;基于模糊贴近度建立了村镇滑坡灾害等级的模糊识别模型,对2个待评估的滑坡样本进行了灾害等级的识别,根据贴近度的择近原则,识别出一个滑坡的灾害等级为一般滑坡灾害,另一个滑坡则属于较大滑坡灾害;从而构建了对村镇滑坡灾害等级先聚类后识别的评估体系。(3)神经网络在模式识别、预测评估等领域己有广泛应用,尤其是BP神经网络模型,常常被用来对灾情、灾害等级以及灾害风险进行预测评估,而RBF神经网络在滑坡灾害等级评估预测工作中的应用较为罕见。因此本文尝试将RBF神经网络应用到滑坡灾害等级的预测工作中,构建滑坡灾害等级的RBF多指标预测模型,并与常见的BP灾害等级预测模型进行对比分析。(4)以村镇滑坡为研究对象,以灾害等级为预测目标,分别构建了滑坡灾害等级预测的BP模型和RBF模型。选取神农架林区的30个滑坡样本先后对BP模型和RBF模型进行训练,结果显示BP模型的最高拟合准确率仅有70%,而RBF模型的拟合准确率可达100%,表明RBF模型的学习效果优于BP模型;使用训练好的网络模型分别对另外6个滑坡样本进行灾害等级的预测,BP模型仅能对其中3个滑坡的灾害等级进行准确地预测,而RBF模型能够准确预测出其中5个滑坡的灾害等级,通过对比可知RBF预测模型具有更高的预测准确率。(5)进行滑坡危险性评价时,多数学者仅选取描述滑坡发生概率的易发性指标,而往往忽略了描述滑坡危害程度的危害性指标,这导致评价结果仅能体现滑坡的易发性而不能提现其危害性。本文在滑坡危险性的评价指标体系中,除了选取易发性指标之外,同时增加了危害性指标,构建了较为完善的滑坡危险性评价指标体系。(6)在滑坡危险性的模糊综合评价模型中,通常根据主观经验对评价指标进行赋权,本文通过信息熵原理对各个评价指标进行赋权,不仅避免了人为的主观随意性,使得赋值结果更为客观,而且操作简单,能够提高计算效率;将基于信息熵的模糊综合评价模型应用于神农架林区5个典型滑坡的危险性评价中,评价结果表明香溪源滑坡和摇篮沟滑坡属于一般危险滑坡,竹园包滑坡属于较危险滑坡,而松扒岭滑坡和宋家坡滑坡均属于高危险滑坡。