本文以山西省汾西煤矿区为研究区,采用山西省地质环境监测中心调研的滑坡数据集,利用遥感（RS）和地理信息系统（GIS）方法对其空间分布特征进行分析,并构建了地形、地质、水文、土地覆盖和人类工程活动等滑坡灾害影响因子作为易发性区划模型的评价指标。利用空间地统计学分析工具构建了与滑坡灾害相同数量的研究区非滑坡数据集,采用5折交叉验证方法,将所有非滑坡点和滑坡数据按照80:20的比例划分为训练数据子集和验证数据子集,选择三种机器学习算法包括C5.0决策树（C5.0）、随机森林（RF）和支持向量机（SVM）预测研究区滑坡易发性。利用自然断裂点分类算法,对三个模型得出的易发性指数划分为极低、低、中、高和极高五个等级,生成基于三种模型的汾西煤矿区滑坡易发性区划图,并对模型进行比较和验证,为该地区的滑坡防治提供依据。本文研究成果如下:（1）基于汾西煤矿区的地质灾害的类型、规模和分布情况,使用标准差椭圆、最邻近点指数（NNI）、聚集度指标（Z）和多距离空间分类分析函数值（Ripley’s K）等点格局空间分析方法,结合研究区DEM、河流水系分布图、采矿边界、地质灾害点的位置分布图等基础数据,分析了研究区地质灾害点的空间分布格局,结果表明:汾西煤矿区地质灾害点位置的分布具有尺度效应,在不同规模和尺度下,呈现出不同的随机性和聚集性特征,其空间格局具有空间尺度依赖性。（2）构建坡度、高程、坡向、曲率（平面曲率、剖面曲率）、岩性、与断层的距离、地震峰值加速度、土地利用类型、NDVI、与河流的距离、年平均降雨量、与道路的距离、与采矿扰动区的距离和地面塌陷密度作为评价因子,建立评价因子的空间数据库,分析了研究区滑坡灾害的孕灾环境因子与滑坡灾害的关系。结果表明:在地形因子中,高程在854 m-1356 m的区域,坡度在5°-25°的区域;在地质构造中,亚砂土、泥岩和页岩夹砂岩的地层岩性,地震动峰值加速度大于0.1的区域;在水文因子中,与河流缓冲区500 m以上的区域,年均降雨量在425 mm-450 mm内;对于地表覆盖因子,草地、旱地,NDVI小于0.2的区域内;对于人类工程活动因子来说,在地面塌陷密度在0-0.02（个/km~2）上,与道路缓冲区500 m缓冲区内。以上为汾西矿区滑坡集中区域。（3）利用5折交叉验证、受试者工作特征（ROC）曲线、曲线下面积（AUC）值、以及精度评价指标对随机森林、支持向量机和C5.0决策树三种滑坡易发性评价模型的拟合精度进行了对比分析。结果表明,C5.0、RF和SVM在训练阶段的平均精度分别是97.36%、93.87%和84.24%,同时,他们在验证阶段的平均精度分别是69.81%、65.47%和67.17%。综合拟合精度、ROC曲线发现,C5.0滑坡易发性预测模型精度最高。（4）所有评价因子中,与道路的距离、岩性、剖面曲率和地面塌陷密度这四个因素是易发性预测过程中最重要的因子。与采矿扰动区的距离和地面塌陷密度与汾西煤矿区滑坡发生呈现出显著的关系。（5）采用自然断裂点分类法将汾西煤矿区易发性划分为五个等级:极高、高、中、低、极低敏感区。C5.0模型下的汾西煤矿区的滑坡灾害点落在极高、高、中、低、极低易发性的个数分别为114、79、40、28和4,分布在高和极高等级区的已发生灾害点数量占到总量的73%。因此,在这三种模型预测模型中,C5.0模型较好。