崩塌、滑坡地质灾害严重危害着人民的生命和财产安全,在世界范围内每年都会造成严重的人员伤亡和经济损失,广州市白云区边坡风化严重加上居住人口众多,工程活动繁多,加上每年汛期频发暴雨、台风等极端天气,导致地质灾害频发,其中崩塌、滑坡是最主要的地质灾害之一,对区内的建设和运营产生了不利的影响。近年来政府部门积极推动地质灾害防治工作,其中崩塌滑坡地质灾害易发性区划为防治工作进展的基石。目前用于研究崩塌滑坡地质灾害易发性研究的模型众多,近年来机器学习模型受到广泛的应用。由于机器学习模型算法精度也受建模数据影响,本文使用三种机器学习模型对白云区崩塌滑坡易发性评价分析,另外并与传统信息量模型进行对比分析。本文的主要内容和结果如下:1.收集白云区自然地理、地层地质环境和人类活动等资料,结合白云区十三五规划崩塌滑坡灾害野外调查结果,分析了白云区崩塌滑坡灾害的影响因素、发育特征及时空分布规律。2.通过基本的机器学习线性回归算法来阐述机器学习原理,提出本文用到的机器学习工作流程。重点阐述用于本文研究的三个易发性模型:分类与回归树模型、随机森林模型和梯度提升决策树模型。3.在详细分析崩滑灾害影响因素、发育特征和时空分布规律基础上,选取了12个研究区崩滑易发性因子。并以图的方式呈现各因子与灾害点分布关系,对各因子进行分级,使用统计方法分析各级别与灾害点数量和相对密度的关系。4.非崩滑点的选取上考虑距崩滑点距离、信息量模型评价结果、高清遥感影像图三个方向,并对特征进行处理以提高机器学习模型精度。针对传统用于崩滑易发性评价的信息量模型受部分因子影响大,容易出现评价结果和实际不符的情况。本文采用随机森林模型、梯度提升决策树模型、分类与回归树模型用于评价白云区崩塌滑坡易发性,并使用混淆矩阵得出的精度指标和AUC值为评价指标对三种模型进行了综合精度比对。5.利用随机森林模型通过计算每个特征的基尼指数可评估特征重要性的特点,对影响因子的重要性进行评估。选取综合精度最优的随机森林算法得出了白云区崩塌滑坡易发性评价结果,并用等间隔法将白云区崩塌滑坡易发区分为高易发区、较高易发区、中易发区、较低易发区和低易发区,可以直接用于白云区崩滑地质灾害的易发性区划。6.将评价结果和已发灾害点分布进行叠加比对,发现评价结果与客观情况较为一致,具有很好的参考性。