采用三峡库区有历史记录的40次泥石流灾害的日降雨量以及前15d的降雨量,当日1h及10min最大降雨强度等降雨参数作为训练数据,在对研究区进行荒溪分类以及灾害危险区域制图的基础上,结合雨季的降雨特征监测以及实时天气预报模型,构建了基于神经网络的三峡库区泥石流灾害实时预报模型.详细阐述了应用神经网络方法建立三峡库区泥石流灾害实时预报模型的关键技术,包括确定输入层、输出层以及隐含层的神经节点,建立学习知识库以及各节点初始权重等相关指标.该模型可以预测泥石流发生的临界降雨量、警戒降雨量以及避灾降雨量等指标,因此,依据当地降雨的实时监测数据或天气预报,就可以预测泥石流的发生几率,从而减少泥石流发生的直接危害.模型采样GIS技术以及国际先进的软、硬件技术,系统性能稳定,运行结果准确性较高,且具有广泛的应用性.该模型为可视化信息系统,可以通过该系统监测荒溪类型变化,进行危险区域制图,实现荒溪科学管理,为三峡库区泥石流灾害预警及防治的管理和决策提供科学参考.