我国地形复杂且气候多变，山区面积大。近年来，在水利工程建设不断发展进步的同时，地质灾害屡屡发生。其中，滑坡灾害所占比例之大，不仅严重妨碍水利工程建设，还造成不计其数的经济损失和人员伤亡。作为滑坡灾害预测和防治的前提，滑坡危险性评价自始至终均是水利工程建设的一个重要研究课题。
　　本文在分析国内外滑坡危险性研究现状的基础上，将数据挖掘与深度学习应用到滑坡危险性评价研究中来，开展基于关联规则与神经网络的滑坡危险性评价模型与方法研究：首先，为克服传统的依赖专家意见选取评价指标带来的主观因素影响等问题，将关联规则数据挖掘技术引入到滑坡危险性评价中，以提高评价指标选取的合理性；接着，尝试将深度学习中的长短期记忆(LSTM)神经网络应用于滑坡危险性评价中，分别采用BP神经网络和LSTM神经网络作为基本网络结构，构建滑坡危险性评价模型，探讨将LSTM神经网络模型应用于滑坡危险性评价的可行性；然后，将关联规则与BP和LSTM这两种神经网络模型分别组合，根据关联规则的基本原理，使用Apriori算法进行数据挖掘，有针对性的选取滑坡危险性影响因子，减少影响因子选取的不确定性；最后，利用三峡水库万州区已知滑坡危险等级的滑坡点数据对模型进行训练、验证，分析模型的适用性。
　　论文研究结果表明，关联规则因其具有强大的数据挖掘功能，可以为滑坡危险性评价影响因子的确定提供依据；LSTM神经网络因其具有记忆功能，能够增强滑坡危险性评价模型的学习能力，而综合利用关联规则和LSTM神经网络的组合模型，可以有效地提升滑坡危险性评价的精度和效率，不仅对滑坡危险性评价研究具有重要理论意义，而且在滑坡危险性评价实践中具有较大应用价值。