兰州市是我国地质灾害高发城市之一,伴随着“一带一路”与“西部大开发”等战略的实施,不仅加快了城市的建设与发展,也加剧了相关的人类工程活动,同时也导致兰州市的滑坡灾害愈发频繁,因此分析滑坡灾害的影响因素,基于统计与机器学习模型对研究区滑坡灾害进行敏感性评价已经迫在眉睫,一方面便于深入了解兰州市滑坡灾害分布规律与环境背景因子间的关系,另一方面也为市政府进行土地利用规划与地质灾害防治提供相应的决策依据。国内的区域滑坡敏感性评价采用的传统统计方法解决非线性问题的能力相对较弱,评价精度受样本数据的精度限制,对于不同模型间评价效果的比较研究较少,并且对于分析结果的验证主要是对方法训练学习的准确性进行衡量,验证方法较为简单。近些年来随着计算机技术和数学算法的发展,国际上发展了许多新的评价方法,如:SVM(Support Vector Machine)和RF(Random Forests)等,这些新的方法能够快速处理大量数据,并且对于数据的特征能够较为准确的识别出来,所以本次研究探讨新的模型对于区域滑坡敏感性评价的适用性,并且比较不同方法的敏感性分区能力,为以后国内的区域滑坡敏感性评价的方法选择提供一定依据。本论文在分析研究区内所有滑坡灾害形成条件的基础上,选取了7个滑坡影响因素,在GIS(Geographic Information System,地理信息系统)环境下,建立兰州市滑坡灾害敏感性评价的逻辑回归、人工神经网络及随机森林模型,验证并分析不同模型结果的准确性与适用性。最终得到以下结论:(1)分析研究区内与滑坡形成的相关因素,最终选取了高程、NDVI(Normalized Difference Vegetation Index,归一化植被指数)、坡度、坡向、地层岩性、地貌与距沟谷距离作为影响因子。经过随机森林模型分析之后发现,不同影响因子对滑坡的影响程度不同,其中地貌、坡度、高程与NDVI为影响程度最大的四个因子,地貌因子中黄土和基岩对滑坡的影响最大;坡度越大,滑坡发生的概率越大;高程在1800-2600m的区间滑坡敏感性较高;NDVI在0.06-0.3范围内时,滑坡的敏感性较高。了解并分析滑坡影响因子,有助于更加深入的掌握滑坡灾害的分布规律与形成机理。(2)基于逻辑回归、人工神经网络和随机森林模型,对研究区进行滑坡灾害敏感性评价,三种敏感性评价结果显示,研究区中等敏感性以上的分区面积分别占总面积的28.9%、42.19%和37.02%,三种评价结果的敏感性分布与现有滑坡的空间分布基本一致,敏感性区域变化趋势也与实际情况基本吻合。利用人工神经网络和随机森林模型对研究区内滑坡极高敏感性区域进行滑坡类型的预测,其中,黄土滑坡主要分布在研究区宣家沟-后沟地区,皋兰山-烂泥沟与李麻沙沟地区也均有分布;基岩滑坡则主要分布于李麻沙沟区域;复合型滑坡主要分布在皋兰山-烂泥沟区域,其余零散的分布在研究区。预测滑坡类型的分布规律与现有不同类型的滑坡分布基本相同。(3)分别利用混淆矩阵、ROC(Receiver operating characteristic curve)曲线与PS-In SAR(Permanent Scatters In SAR)计算得到的区域地表变形结果对三种模型的结果进行验证与对比,得到逻辑回归的校正百分比准确率为86.20%;人工神经网络混淆矩阵准确率为80.8%,ROC曲线中AUC(Area Under Curve)为0.8796;随机森林混淆矩阵准确率为82.90%,ROC曲线中AUC为0.9118。PS-In SAR验证的准确率分别为62.01%、66.35%和73.74%。对比三种模型的敏感性评价结果,发现随机森林模型的评价结果准确性最高,对研究区的滑坡敏感性评价与实际情况基本吻合,最终认为随机森林模型更适用于研究区的滑坡灾害敏感性评价。