地震滑坡是一种常见的地震次生灾害形式，以其巨大的致灾力引起人们的广泛关注，在山岳地区，所造成的损失有时甚至远远超过地震本身。目前，世界上很多国家都在进行地震滑坡潜在危险性研究，其意义在于潜在地震滑坡危险区的确定，使我们在进行基础建设和区域规划时，有依据选择合适的场地，避开危险地段，或者采取必要的防范措施，从而达到减少经济损失，保护人民生命财产安全的目的。我国是一个多山、多丘陵的国家，据统计，山地和丘陵面积约占国土面积的70％，这就从客观上决定了我国有大量的自然边坡。我国西南地区区域地质背景复杂，是中国大陆内强震活动频度最高的地区。据两千多年来的历史资料记载，西南地区曾发生过很多强烈的地震，引发的滑坡、崩塌问题特别严重。我国正处于开发西部的征程中，由于经济的发展，对土地的需求在不断地增加，对土地的合理利用提出了迫切的要求；同时，西南地区许多重大水利水电工程正在建设中或处于论证阶段，而这些重大工程的选址又常常在高山峡谷中，对边坡的稳定性研究显得更为重要。因此，对地震滑坡、崩塌问题的研究具有不仅有重要的理论意义，而且具有重要的实践意义。地震滑坡作为滑坡的一种类型，有其自身的特点，本文通过对大量有地震滑坡纪录的震例分析中，系统地总结了地震滑坡的分布特征、形成条件和相关影响因素。在前人研究成果的基础上，研究了地质构造背景、岩石结构、岩性特点、地形地貌、水文条件等对地震滑坡的影响，同时对地震滑坡与地震动参数之间的关系进行了论述。论文对现有的斜坡稳定性评价方法进行了回顾，并针对目前区域性地震滑坡稳定性评价所用方法中存在的所需工程地质参数太多、数据获取困难、赋值主观性较强等缺陷，本文进行了一系列的改进。在本文的研究过程中，地理信息技术(GIS)的应用对地震滑坡研究起了极大的推动作用。一方面，地震滑坡是由地震触发的，在分布上具有量多面广的特点，这种区域特点的问题适宜于GIS对空间数据管理的特点；另一方面，地震滑坡的影响因素众多，各个因素之间互相影响、互相牵掣，传统的数据分析很难把这些不同来源、不同性质的数据集中分析，而GIS空间数据库功能可以把各种影响因素搁置于统一的地理平台进行讨论，在数据相关性分析上具有不可比拟的优势。GIS把地质、地貌、岩性、构造、植被、降水等与地震滑坡相关的环境资料一起储存在空间数据库中，并应用GIS的空间分析功能对这些数据进行分析研究。GIS的引入，使得对滑坡的研究不再是孤立地研究单一因素与滑坡的关系，而是把滑坡事件与周围的地质、地貌环境等资料综合起来进行分析。地震滑坡形成机制复杂，涉及因素众多，它在空间上不是完全随机分布的，换言之，地震滑坡的影响因素和它的分布规律之间存在着相关性。为了表达这些特征因素与地震滑坡发生的关系，本文利用径向基概率神经网络自学习、自适应的特性，通过对样本训练、检测，最终得到一个稳定可靠的模式识别网络，从而通过该模式对研究区域的地震滑坡进行识别。应用神经网络研究地震滑坡危险性预测是有其理论基础的。从工程地质学构造类比的角度讲，对潜在地震滑坡危险性进行判断，实质上是一种模式识别问题。神经网络方法的运用使得对这一事件的认识更客观、更接近实际。本文在对地震滑坡数据进行空间分析的基础上，结合前人的研究成果，采用易于获取的信息资料，包括水系、断裂、岩性、坡度、地震烈度等5项指标作为地震滑坡危险性研究的神经网络的输入指标。在对地震滑坡危险性评价的工作中，影响因素权重大小以及划分危险性级别的各指标界限的确定问题上的模糊性，决定了该工作的复杂性。传统的确定各个影响因素重要性的方法是根据专家的经验，避免不了主观因素的影响。层次分析法则提供了一种确定权重的较好方法。它通过两两对比的方式，确定各个因素的相对重要性，基于统一的标准建立判断矩阵进行综合判断，最终可得出各因素按其重要程度的排序。在危险性界别的划分上，通过建立单因素指标评价矩阵，与层次分析法确定的影响因素的权重向量进行模糊合成，最终根据最大隶属度确定危险性所属级别。这一方法的实施，解决了危险程度划分界限不能明确表达的难题。为了对上述理论的实际应用性进行检验，本文以发生在我国西南地区的3个强烈地震(1973年炉霍地震，M=7.9；1974年昭通地震，M=7.1；1996年丽江地震，M=7.0)为例，应用神经网络、层次分析模糊数学对震区的地震滑坡危险性进行了研究。(1)在研究各个地震震区滑坡分布规律的基础上，对每一震区选出各自的训练样本建立相应的网络模型，然后对整个区域进行识别。各个震区的识别结果表明了神经网络对地震滑坡单元具有良好的识别能力；(2)在单独对各个震区的地震滑坡进行识别的基础上，合并各个震区的训练样本，用统一的网络模型对研究区域的地震滑坡进行研究。结果表明，统一的网络模型在各个区域均取得较好的识别效果；(3)对地震滑坡的5个主要影响因素水系、断裂、岩性、坡度、地震烈度等，根据本区地震滑坡分布规律与它们之间的关系，采用层次分析的方法，确定了这5个因素之间的相互重要性并建立单因素的评价标准。本文中这5个影响因素的权重向量W=(0.0491 0.1379 0.3393 01850 0.2855)，进而通过模糊合成形成判断集B=WOA，即可对每个单元进行等级判断。从最终结果中可以看到三起地震中实际滑坡发生的位置大部分均在本文划分的高度危险区中。从上述两种方法的理论基础并结合实际应用中取得的成果来看，可得到如下的认识：本文选用的地震滑坡影响因素作为神经网络的输入特征指标具有科学性和实用性，根据3起地震提取的样本训练而成的神经网络模型，可用以对有相似地质构造背景的地区进行地震滑坡危险性预测。不同构造区域中，相同影响因素的权重可能不同，也就是说，在一个区域中具有较大影响的因素在另一个区域中的作用可能不是很大。这从一个方面反映了地震滑坡的复杂性。