近年来,随着人、机、物三元世界的高度融合与发展,使得数据的规模大小呈爆炸式的增长,数据的模式也变得愈发的复杂,世界已经完全进入到了互联网化的大数据时代。在海量的数据中,存在着许多有价值、有意义的信息。我们需要从这些数据中找到对我们有价值的信息,所以产生了数据挖掘这门技术。关联规则是数据挖掘中的一个重要研究方向。关联规则的代表算法有Apriori、PrePost、FP-Growth等,其中Apriori算法是关联规则算法中最经典也是最基础的算法之一。Apriori算法是在1994年由Agrawal和R.Srikant提出的一种经典的布尔关联规则挖掘频繁集的算法。算法通过逐层迭代的方法寻找频繁集。但在当今数据量变得日益庞大的环境下,这种经典算法的缺陷也越来越明显。本文针对Apriori算法生成频繁集需要多次遍历数据库的缺陷,提出一种基于布尔矩阵与权重的改进算法WF_Apirori(Weight Function Apriori)。此算法将为矩阵添加权重列,来修剪掉重复的事务并对存储的矩阵进行压缩,节省扫描事务集的时间,充分利用行与行之间的交运算,避免了从k-1项集到k项集的自连接运算,使之一次就可获得所需要的k项频繁集。并基于MapReduce并行化改进后的Apriori算法,将大矩阵分为小矩阵,并行化小矩阵的处理过程,减少算法的时间复杂度,使得算法的效率更高,增加算法的实用性。实验结果表明改进后的算法在大数据的环境下,大大缩短了处理问题的时间,提高了算法的挖掘效率,达到了预期的目标。在证明并行化WF_Apriori算法的有效性后,本文将其应用到对滑石坡的预防上。中巴经济走廊作为“一带一路的重要一环”,其复杂的地质地貌类型导致滑石坡灾害经常发生,而滑石坡灾害的发生,威胁着公路建设和物资的运输。因此本文选择中巴经济走廊盖孜河谷地区为实验区,对盖孜河谷地区致灾因子之间的规则进行系统研究。本文基于前期对灾害点的研究,将中巴经济走廊盖孜河谷地区分为研究区和验证区两部分。利用ArcGIS、Envi等软件对研究区的遥感图像进行校正,并提取校正后研究区的高程、坡度、坡向、剖面曲率、土壤类型及地质岩性六个致灾因子进行分析,并利用改进后的算法对其进行关联规则挖掘,找出致灾因子与滑石坡之间存在的关系,最后基于混淆矩阵利用Kappa系数在验证区对挖掘出的规则进行验证,证明其适用性,为盖孜河谷地区预防滑石坡提供帮助。