我国是地质灾害频发的国家,地质灾害主要发生于多山、多雨、地势复杂的山区,其中以四川省最为典型。四川省地处西南艰险山区,地形地貌复杂,地质构造活动频繁,再加上近些年多次地震的不利影响,四川省地表愈加破碎,大量松散体堆积,地质灾害隐患点急剧增加,地质灾害待评估、防控区域的面积显著扩大。滑坡是四川省主要的地质灾害类型,对滑坡灾害的防控是治理地灾的首要任务。区域滑坡危险性评价是一种有效的滑坡灾害前期防范手段,可以为工程设计、建设和运营,以及政府防灾减灾的决策提供有力指导。区域滑坡危险性评价可以基于多种数学模型实现,不同的数学模型在不同地理环境下表现有所差异,其中,BP神经网络以其出色的非线性处理能力和泛化能力,广受研究者青睐,近年来世界各地已经展开了BP神经网络应用于区域滑坡危险性评价的研究,并取得了一定的成果。但是,在应用过程中也发现BP神经网络会随评估面积和地理环境的改变出现局部极小值困扰、训练次数过多、收敛速度缓慢等问题,严重限制了BP神经网络的进一步发展和应用。为了建立适用于四川省的滑坡危险性评价方法,以四川省为研究区域,引入BP神经网络技术并进行优化,开展了本文的研究,研究内容和研究成果如下:(1)根据实地调查、文献成果总结和专家经验,采集了100个滑坡样本,分析了四川省滑坡分布规律和主要影响因素,建立了以地表高程、植被指数、坡度、年均降雨量、地表切割密度、上覆土类型为影响因子的四川省区域滑坡危险性评价体系。(2)针对BP神经网络对输入数据的要求,建立了适用于四川省滑坡危险性评价体系的滑坡样本数据处理方法,对100个滑坡样本进行了归一化处理,构建了标准形式的滑坡样本数据库和数据集。(3)基于BP神经网络,实现了四川省滑坡危险性评价体系的运行,再利用遗传算法(GA)和粒子群算法(PSO)对BP神经网络进行优化,获得了GA-BP模型和PSO-BP模型。对上述三种模型的综合性能进行了对比分析,结果表明GA-BP模型的数值精度和分级精度分别提高了22.6%和44.3%;PSO-BP模型的数值精度和分级精度分别提高了5.1%和15.4%,同时PSO-BP模型的运算时间有所减少。因此,GA-BP模型更适用于精度优先的使用场景,PSO-BP模型更适用于速度优先的使用场景。(4)在GIS平台中利用GA-BP模型绘制了四川省全境和川主寺-九寨沟公路沿线区域滑坡危险性区划图,分析了滑坡危险性等级分布规律,所得结果与实际调查结果基本相符,验证了GA-BP模型在不同面积、不同比例尺下都具有较好的危险性区划性能。