（2）构造成对比较矩阵。我们要想确定某一层在上一层因素中的权重大小，主要就是通过构造成对比较矩阵和权向量来解决这一问题，通过定性与定量结合得到定量结果。
当涉及比较多的因素时，人们在决策时也是相当困难，其中考虑到的不只是一方面的因素，其中还包含了复杂的心理活动与以往的经验程度，通常判断的是不准确地，需要经过深思熟虑，其实这也是层次分析法和人的思维思路基本一致的过程，Satty 等人的做法主要有两点来控制影响。第一，元素之间两两对比；第二，对比采用相对尺度。
...............................
第六章 结论与展望
6.1 结论
本文主要研究内容是喜马拉雅山脉中部地区地质灾害风险评价，从灾害形成的地质环境背景出发，分析了区内地质灾害形成的原因以及影响因素，通过对各种因子的分析，采用层次分析法和 BP 神经网络法对研究区做出危险性区划结果，完成危险性评价；采用层次分析法对承灾体因子做出权重值的计算，同样通过Arcgis 软件得到易损性的评价，最后通过“风险性=危险性*易损性”得到研究区的风险区划图，最后对研究区做出风险性评价。结论如下：
1. 研究区自然地理条件特殊，面积较大，地质灾害频发，主要有泥石流、滑坡、崩塌等类型，分布广泛，大型、特大型灾害较多。从空间特征上来看，主要分布在樟木、吉隆、亚东、定日等地区，大致呈“五纵一横”分布趋势；从时间特征上来看，6-9 月是区内集中降雨的时间段，这一时期地质灾害的发生无论是从规模还是数量上，都要比其他时间段多；从地层岩性的特征来看，地质灾害的发生主要是在第四系地层、岩石裸露风化严重的地区，紧靠断层构造带附近。
2. 喜马拉雅山地区处于亚欧板块和印度洋板块碰撞挤压之处，基于这样一种大的地质背景环境，区内地形地貌多变、地质环境复杂、地层岩性多样，造就的灾害形式多变，同一种灾害在不同地区发生机制也会大有不同，本文研究选取高程、坡度、地层岩性、构造距、降雨等多个因素对研究区地质灾害形成机制、影响因素进行分析，确定地质灾害的内在因子和诱灾因子。
3. 建立评价指标体系，选择层次分析法和 BP 神经网络法对指标进行评价。首先运用层次分析法得到评价因子的权重值，分别是高程（0.2236）、坡度（0.1001）、坡向（0.0441）、地层岩性（0.2339）、构造距（0.1482）、降雨（0.1663）、地震（0.0578）、人口密度（0.0260），通过 Arcgis 的叠加计算得到研究区的危险程度划分，共分为五级。再利用 BP 神经网络法通过机器对样本的学习反演计算权重值，同样利用 Arcgis 得到危险性区划图，最后对比结果，分析可知基本一致。选择层次分析法对易损性评价指标权重进行计算，得到易损性区划图。采用定义“风险性=危险性*易损性”，得到最终的风险区划图，做出评价。
参考文献（略）
