地震诱发的山体滑坡是一种最为常见的地震次生灾害类型,有时由山体滑坡造成的损失远远大于地震本身的相关损失。北京市是我国的政治中心、经济中心和文化中心,同时也是地处Ⅷ度高烈度区的国家重点设防超大型城市。北京市的地质发展历史和地貌类型有着复杂化和多样化的特点,其地震地质环境复杂、活动断裂广泛发育、地震灾害的敏感性及脆弱性极高。一旦发生地震,北京市山区所产生的地震滑坡势必会造成巨大的经济损失与人员伤亡。地震滑坡易发性分级图是最为有效地评估一个地区发生地震滑坡概率大小的工具。所以,对北京市山区进行地震滑坡易发性的分析并编制相应的专题图可为北京市的防灾减灾工作提供指导。在众多地震滑坡易发性分析的方法中,机器学习是目前最为主流的方法。但是,传统的机器学习建模需以大量的数据作为模型训练的基础,这就使得机器学习模型在很多数据缺乏的领域内难以取得应有的成效,北京市山区的地震滑坡易发性评估模型建立工作则是如此,缺乏历史地震滑坡资料和完整的地震滑坡资料均成为了建模过程中需要攻克的难题。针对上述数据缺乏的问题,迁移学习成为了解决此类问题的关键技术,本论文即以此作为出发点,将汶川地震诱发的滑坡点及与其对应的影响因子所组成的大规模数据集构建为预训练模型,并将此模型“迁移”至北京山区,最终形成了北京市山区地震滑坡易发性评估模型。本论文完成了如下工作:（1）以汶川地震诱发的滑坡点的空间分布范围及地表破裂带的走向为参考,建立了预训练模型的研究区边界。并且以北京市的地貌演化过程与北京市的行政区划为参考,将北京市的西北部地区作为模型迁移的目标区。（2）选取了历史地震滑坡点、地震烈度、高程、坡度、坡向、坡面曲率、断裂距、水系距、公路距、土地利用、归一化植被指数、降水量、径流强度指数与地形湿度指数共计14个影响因子分别建立了汶川地震区与北京市山区的地震滑坡易发性数据集。（3）基于汶川地震区地震滑坡易发性数据集,首先结合相关系数明确了影响因子之间的相关性,然后结合主成分分析法与KL散度对该数据集进行了详细的分析。（4）运用人工神经网络中的BP神经网络构建了汶川地震区的地震滑坡易发性评估模型即预训练模型。（5）结合九寨沟地震区地震滑坡实例,对预训练模型的迁移性进行了详细地分析,结果表明,该评估模型具备较强的可迁移性。（6）结合预训练模型,提出了“基于迁移学习扩充样本数量”的样本扩充方法并对北京市山区进行了样本数量的扩充。然后,将预训练模型“迁移”至北京市山区,构建了北京市山区地震滑坡易发性评估模型,并对北京市山区的地震滑坡易发性做出了初步的分析。