滑坡灾害的特点众多,灾害的分布范围广大,发生的频率高,区域性特点明显,严重程度也各不相同,对人类的日常生产和生活都有着巨大影响,常常带给人们生命财产的损失。近些年来,滑坡灾害的发生概率占全部发生的地质灾害的60%以上,人们也逐渐认识到预防滑坡的重要性以及降低滑坡灾害带来的损失的重要性。通过研究滑坡灾害的发育情况,科学划分滑坡易发区域,可以既准确又快速预测滑坡灾害带来的损失,同时也为防治滑坡灾害和减少滑坡灾害提供了重要的科学依据和决策支持。通过机器学习方法,针对多源数据进行地质灾害的易发性预测是目前较为有效的方式。本文以云南省昆明市东川区为研究区域,开展基于机器学习模型,对滑坡评价影响因子进行处理并对昆明市东川区滑坡开展空间易发性预测,以此来完成对研究区域的滑坡空间易发性评价。本文基于云南省昆明市东川区滑坡历史灾害点数据,选取了影响云南省昆明市东川区发生滑坡灾害的因子为影响因子,得出高程、坡度、坡向、剖面曲率等地形地貌特征和岩土体类型、距断层距离等地质要素以及年降雨量等气象水文要素,还确定了植被影响和距道路距离、距河流距离、土地利用类型等人类工程活动的11个影响因素。在此基础上对每个滑坡影响因子进行状态分级与分析,再利用机器学习模型（优化的BP神经网络模型,随机森林模型）对云南省昆明市东川区开展滑坡空间易发性评价。本文开展了以下研究工作:（1）采集和处理云南省昆明市东川区的滑坡灾害点数据以及研究区的地质构造、地形地貌、降雨和人类工程活动等数据,研究分析了研究区的滑坡灾害的空间分布特征和发育环境。滑坡灾害集中发生的区域在高程637m-1360m之间,坡度在10°-50°,坡向在东南方向,剖面曲率在0.5-1以内,距断层的距离为＜500m,距河流的距离在＜100m时,距道路的距离在＜100m时,植被覆盖率在0-0.2以内,年降雨量在798mm-830mm之间。（2）通过优化的人工神经网络模型和随机森林模型预测研究区的滑坡灾害发生可能性,以此来获取两种不同的滑坡易发性预测结果,依靠ROC曲线对两个模型进行精度检验。得到随机森林的AUC值0.85高于优化的BP神经网络0.79,得到结论为随机森林模型测的结果准确度在BP神经网络模型之上。（3）根据随机森林模型预测的结果来给研究区进行滑坡易发性区域的划分和评价。得到五个等级的易发性区域,即高易发区,较高易发区,中易发区,较低易发区,低易发区五个等级。（4）根据决策树的基尼系数与基尼不纯度来完成关于滑坡影响因子的重要性排序,得出主要影响研究区滑坡灾害发生的影响因子。