我国是世界上水能资源丰富的国家之一，根据全国水力资源普查结果，水能资源技术可开发量和年发电量均居世界首位。但我国的水能资源分布极不均衡，大部分水能资源主要集中在西南山区，这些地区地形垂直落差大、降雨集中、江河密布，蕴藏着丰富的水能资源。西南地区位于我国地势划分的自西向东的巨大梯级的第一、二阶梯之间，处于青藏高原的东南缘。该区山高坡陡，地质条件复杂，地震活动频繁，生态环境脆弱，降雨量集中，各种地质灾害频发，其中山地滑坡灾害极为发育，给水电站库区内人民的生命财产和社会的经济发展带来了严重的损失，因此对区域性滑坡的危险性评价具有十分重要的意义。本文是以2010年水利部公益性行业科研专项经费项目(201001008)“西南大型水库库岸滑坡灾害影响与对策研究--滑坡特征调查与地质成因机制分类研究”为依托。以金沙江滇中引水水源地库区为研究区，基于3S（RS，GIS，GPS）技术，将野外现场调查和室内遥感解译相结合，对研究区滑坡地质灾害进行了详细的调查，全面掌握了研究区滑坡地质灾害的位置，数量，分布以及规模等。总结了研究区内的滑坡的空间分布特征和详细地分析了区域内滑坡的成因机制，对库区内滑坡进行了分形特征的研究，并重点对库区滑坡危险性进行了评价。基于分形理论，运用ARCGIS软件的空间分析功能和作图功能，研究滑坡体几何形态和空间分布分形特征，并从研究区内的数字高程模型（DEM）提取高程、坡度、坡向基本单元图件，利用变维分形方法揭示了滑坡发育分布面积与高程、坡度、坡向之间的定量关系，为进一步进行滑坡危险性评价提供分形学依据。文中尝试将滑坡体几何形态的分维值作为影响滑坡危险性的指标因子之一，引入核主成分分析（KPCA）方法，对选定的影响滑坡危险性12个指标因子进行特征提取，以达到降维去噪，消除原始数据之间共线性和冗余的目的。基于多分类的支持向量机理论，利用粒子群算法（PSO）对支持向量机的核函数参数δ取值和惩罚因子C取值需要进行优化调整，建立了适用于库区滑坡危险性评价的智能模型。该智能模型对滑坡危险度识别的结果与现场的调查结果比较吻合。