滑坡是土石山区极易发生的自然灾害，可摧毁农田与房舍、伤害人畜、毁坏道路以及农业机械设施和水利水电设施等，已成为制约土石山区生态环境改善及农业长期稳定发展的关键科学问题。滑坡发生的过程实际上是斜坡从渐变性位移到突然发生宏观滑移的非线性复杂过程。因此，边坡稳定性的分析是一个复杂的系统工程。由于构成边坡的岩土体形成于不同的地质环境中，并经过多次地壳运动作用，再加上地应力以及地下水等地质环境因素的影响，边坡岩土体的构成与物理力学性质表现出宏观和微观上的不连续性和高度非线性的特点，因此，边坡工程可以看成是不确定(模糊及随机)、非线性的动态开放复杂系统。由于边坡工程是一个复杂的开放系统，影响因素众多，并且带有相当的随即性、模糊性和不确定性，造成稳定性评价困难。随着智能力学的发展，以前传统的物理试验-理论推导-数值验证这样一套研究体系已不能满足新时代的要求，越来越多的学科尝试把智能方法引入到所研究的领域。为获得边坡复杂工况下的安全特征，建立基于人工神经网络边坡安全预测系统，该系统主要用于土质边坡安全系数的快速预测，能够直接面向工程人员给予快速准确的帮助，取得了以下创新。

（1）边坡稳定性评价的综合分析。边坡稳定性评价信息包括：边坡的高度、容重、凝聚力、摩擦角、地震强度、边坡角、孔隙压力比，有水位时还有库水位等。神经网络模型就是通过定性分析，如岩性、破坏模式、岩土体结构类型、岩体质量类别等，经过量化处理后，神经网络可以将影响边坡稳定的各类定性、定量信息引入到边坡稳定的分析和评价过程中，以便综合分析各类因素对它的影响。

（2）迎水坡的最不利工况为长期蓄水后水位骤降所引起的滑坡，这种滑坡主要是孔隙水压力来不及分散形成向边坡渗流所致。为了便于设计时分析坝坡稳定性，需要1个鉴别骤降和缓降的具体指标，或者库水位下降后坝体内自由面位置。目前，大致以相对比值 k/(?v)作为判别降落快慢的依据(其中：k及?分别为土的渗透系数和给水度，v为上游水位的降速)。此判据可以理解为土体孔隙中水质点降速与库水位降速的比值。当k/(?v)→0时，坝体内自由面在库水位下降过程中几乎不变，自然为骤降；当k/(?v)→ ∞时，自由面下降速度几乎与库水位降落速度相同，这时，库水位降落就没有渗流安全问题。在一般情况下，取 k/(?v)作为库水位降落速度的指标，用以判别对坝坡稳定性的影响程度。

（3）建立人工神经网络边坡稳定模型的建立。BP神经网络是目前应用最广泛也是发展最成熟的一种神经网络模型，它是按层次结构构造的，包括一个输入层，一个输出层和一个或多个隐含层，一层内的节点只和与该层紧邻的下一层的各节点连接。隐含层经常使用S形神经元，输出层则使用线性神经元，这样的多层神经网络能够学习输入和输出之间的非线性关系，而且线性的输出层保证了网络的输出具有-1到1之外的范围。这个网络的学习过程由正向传播和反向传播两个过程组成。根据影响混土质边坡安全系数的因素分析，以土质边坡安全系数神经网络结构为例，建立BP神经网络结构，提出"土质边坡安全系数快速预测系统"研发思路，开发了面向VB的友好人机交互界面。