滑坡灾害具有分布范围广、发生频次高、多发性、区域性和严重性等特点,对国民经济和生命财产都造成不可估量的损失。根据自然资源部统计,近年来,滑坡灾害占全部地质灾害总数的70%以上。在已经发生的滑坡灾害中,有90%的滑坡灾害都是由降雨直接诱发或者跟降雨有间接关系。巴中市巴州区地理位置具备滑坡发生的内外部因素,且气候属于亚热带季风湿润气候,发生降雨型滑坡的比例占总地质灾害的70%以上。因此,本论文进行巴州区的滑坡敏感性和降雨量模型研究,从而实现巴州区降雨型滑坡预警。本论文构建机器学习算法开展巴州区滑坡敏感性研究,建立巴州区降雨强度-降雨历时模型开展降雨量模型研究,并根据两个研究结果建立巴州区降雨型滑坡气象预警模型。本论文主要研究工作如下:(1)基于地理信息系统技术,结合巴州区历史滑坡灾害数据,采用4种机器学习算法开展巴州区滑坡敏感性研究。研究结果表明BP神经网络分类总体精度最高,达到98.00%,高于其他算法2.00~6.00%,Kappa系数为0.96,高于其他算法0.04~0.12。3组测试数据的总体精度平均值为95.33%,高于其他算法2.66~9.33%,Kappa系数平均值为0.91,高于其他算法0.06~0.19。(2)利用TRMM 3B42降雨产品数据,建立巴州区降雨强度-降雨历时模型,得到巴州区降雨量模型参数,对巴州区降雨型滑坡时间进行预测。研究结果表明对降雨型滑坡预测精度为81.82%。基于建立的模型,对滑坡隐患点进行预测,精度为100.00%。综上,对降雨型滑坡及滑坡隐患点进行预测,精度为90.91%。因此,本论文建立的巴州区降雨强度-降雨历时模型,对降雨型滑坡和滑坡隐患点预测均有较好的参考价值。(3)建立巴州区地质灾害致灾因素的概率量化模型进行气象预警,地质因子的概率量化采用滑坡敏感性研究的实验方式,气象因子的概率量化采用降雨量模型研究的实验方式,改进基于统计滑坡次数与降雨量大小关系的量化方式,研究结果表明模型预警结果与实际排查工作结果一致。因此,本论文的气象预警模型可以作为巴州区降雨型滑坡预警的参考模型。