地震作为一种破坏力巨大的自然灾害,给全人类的生命安全和财产安全带来巨大的威胁。我国国土辽阔,同时处于环太平洋地震带和欧亚地震带之间。对于人口分布密集、经济快速发展的中国来说,地震灾害的威胁日益严重。所以,对地震直接经济损失的快速评估具有非常重要的意义和价值。强烈地震后,震后直接经济损失的快速评估是国家各级政府迅速做出救灾反应和应对的参考,对救灾安排、财政投入以及指导社会各界的募捐起到一定的指导作用。地震直接经济损失不同于地震的震级、灾区分布等参数,往往需要通过一些方法或系统进行评估,如PAGER系统、HAZ-China系统、分类清单法、基于震害矩阵的快速评估方法以及后续基于遗传神经网络的评估方法等。随着近些年来震害资料的不断完善,使从震害资料大数据中挖掘信息成为可能。本文基于历史震害资料并应用机器学习算法主要完成了如下工作:1.论述本论文的选题背景和研究意义,对机器学习的发展进行叙述,并对国内外地震经济损失研究现状进行总结。2.对影响地震直接经济损失代表性因素进行介绍,并收集原始数据,同时对样本数据进行统计和特征分析,并采用相对应的数据预处理方法。3.应用随机森林算法,同时通过对超参数的调整,训练集的分配进行调优,得到更优化的随机森林评估模型,并对地震直接经济损失进行评估,得到影响地震直接经济损失的重要度排序,进而对影响因素进行筛选。4.选择深度学习算法框架,建立神经网络结构,通过对网络的调整,不断降低损失函数直至模型收敛,同时对基于深度学习算法的评估模型进行评价。