近年来,受“5.12”汶川特大地震、“8.30”攀西地震、“6.17”长宁地震以及频发极端降雨气候和不合理人类活动的影响,四川省山区地质环境变得更加脆弱,诱发了大量新的滑坡、崩塌、泥石流等次生地质灾害,其危害在地形起伏大、地质构造复杂的四川山区内表现的尤为突出。盐边县位于四川最南端,以中-高山构造侵蚀地貌为主,地质条件复杂,雨季集中,导致区内滑坡等地质灾害频发,严重威胁当地人们的生命财产安全,阻碍区域内经济稳定、健康、持续发展。开展滑坡易发性评价研究,从宏观角度分析不同区域内发生滑坡的概率大小,可为当地政府对防灾减灾决策提供科学参考,对人们的生命财产安全和当地社会经济发展也具有重要的意义。本文引入了粗糙集、逻辑回归和机器学习模型理论,结合“3S”技术、MATLAB编程等技术手段,以盐边县滑坡为研究对象,对逻辑回归模型、支持向量机模型和BP神经网络模型在滑坡易发性评价中效果进行了探讨。以研究区地质地貌和已有滑坡详查数据为基础,对滑坡发育特征、因子敏感性、滑坡易发程度分区等方面进行了深度分析,并对比分析各模型评价结果精度以得出适合盐边县的最优滑坡易发性评价模型。在系统的研究工作中,本文取得研究成果和认识如下:(1)查明了研究区滑坡空间分布格局,开展了滑坡发育规律分析。盐边滑坡灾害点在流域分布上有相对集中的特点,鳡鱼河流域滑坡灾害点数最多,比例高达达到45.56%;滑坡多以浅层松散土质滑坡为主,滑坡规模小,多在暴雨季节汛期发生。(2)建立了滑坡评价因子分级标准。为了确保因子分级能够最大程度的保留滑坡的空间属性特征,论文先提取野外编录滑坡点14个影响因子的属性值,最后根据属性值的频率分布特征建立了因子分级标准。(3)分析了影响因子的敏感性。利用确定系数法(CF)对滑坡影响因子各分级的滑坡敏感性大小进行分析,总结了各影响因子诱使滑坡产生的机制和导致高滑坡敏感性区间的原因。(4)筛选评价因子。利用粗糙集理论(RS)对预选取的14影响因子进行筛选,去除了属性冗余或不重要的地形起伏度、LS系数、Melton强度、雨季降雨量4个因子,保留了高程、坡度、坡向、坡长、工程岩组、斜坡结构、断层距离、水系距离、土地利用、道路距离10个评价因子。(5)构建滑坡易发性评价模型。将10个因子的CF值提取到训练样本中作为模型的输入值,分别建立了逻辑回归、支持向量机和BP神经网络三个模型进行训练。三个模型预测的滑坡易发程度空间分布趋势大体一致,其中滑坡高易发区主要分布于中部以易风化破碎变质岩为主的鲶鱼河及其支流沿岸附近沟谷地带,以及南部以西格达组松散砂泥岩互层为主的安宁河、红果河流域;低易发区主要分布于以碳酸盐岩为主的高海拔格萨拉乡一带。(6)验证滑坡易发程度分区精度。分别采用滑坡点相对密度LRD和ROC曲线下面积AUC两个指标对分区结果进行验证,从LRD指标看,同一分区内,BP模型的LRD值>SVM模型>LR模型,其差异在极低易发区和极高易发区表现的尤为突出;从AUC指标看,LR模型AUC为0.7739,SVM模型AUC为0.8109、而BP模型AUC为0.8632。综合两个指标可知,BP模型优于SVM模型,SVM模型优于LR模型。