滑坡是常见的自然灾害之一,对人民的生命财产安全和经济发展构成了极大的威胁,如何有效地进行滑坡灾害危险性分析与评价,进而实现滑坡灾害的预测具有重要的理论意义和实际意义。近几年来,地理信息系统(GIS)技术的发展,为滑坡危险性评价提供了一种新的技术手段。在陕西省宝鸡市附近长寿沟地区滑坡编目的基础上,通过使用GIS的水文分析功能,运用正反数字高程模型(DEM)技术,将长寿沟地区划分为216个自然斜坡单元,其中包括123个滑坡单元和93个未发生滑坡单元;然后,根据研究区的滑坡灾害分布情况,选取与滑坡发生有关的坡高、坡度、坡向、坡形、人类工程活动和水文地质条件六个影响因子,并通过GIS强大的空间分析功能从每个自然斜坡单元中提取出这些影响因子的详细信息。通过统计分析,发现研究区内40°~50°和50°~60°两个坡度区间内发生的滑坡数分别占滑坡总数的36%和30%,100 m~150 m高程范围内发生的滑坡数占滑坡总数的45%,135°~180°和180°~225°两个坡向区间内发生的滑坡数占滑坡总数的38%和56%,另外,受人类工程活动和水流作用影响的凸向坡最容易发生滑坡。本论文采用基于遗传算法的BP神经网络评价模型对研究区进行滑坡灾害预测。利用经遗传算法优化后的BP神经网络对80个滑坡样本和40个未滑坡样本进行训练学习,然后再利用训练好的网络对预测样本进行评价分析。分析的结果表明:43个已滑坡单元中只有3个被误判为无滑坡,正确率为93%,53个未滑坡单元中有10个被预测为滑坡,正确率为81%,总体正确率为86%。通过对被预测为滑坡的10个斜坡单元进行分析,发现这些单元在坡形、坡高等影响因素的组合上已经具备了发生滑坡的条件,虽然目前没有发生滑坡,但作为潜在的滑坡危险区,可以为滑坡灾害预测预报和防灾减灾工作提供参考。总体说来,采用遗传算法优化BP神经网络,不仅可以防止BP神经网络陷入局部极小值,而且还提高了BP算法的训练速度,降低了收敛时间;利用基于遗传算法的BP神经网络模型进行滑坡灾害预测是正确可行的。