本研究数据整合来自对地观测、地震台网、地理信息系统及社会经济的多源数据，构建了一个涵盖致灾因子、承灾环境与承灾体三大要素的评估体系。数据来源与预处理是确保后续分析可靠性的关键第一步。例如，光学遥感影像如Landsat-8 OLI、 Sentinel-2 MSI需经历辐射定标、大气校正和几何精校正，以消除传感器与环境干扰，确保影像的光谱与几何真实性^[7]。地震动数据如峰值加速度PGA来源于区域地震监测台网，需通过克里金等空间插值方法将离散台站记录转化为连续的物理场分布，其插值精度可通过交叉验证的均方根误差进行评估^[8]，公式表示为：

式（1）中， Z ( ŝi )和Z ( s_i )分别为位置s_i的插值预测值和实际观测值。承灾体本底数据（如建筑物轮廓、人口密度栅格、数字高程模型DEM）则需进行坐标系统一、尺度匹配和拓扑关系检查，以消除空间差异。

在预处理形成的标准化数据基底上，特征工程的目的是从原始数据中提取能够有效表征地震破坏机制的信息。特征构建紧密围绕物理过程，主要包括三类：①遥感影像特征，从震前震后影像中提取，用于直接识别物理损毁，例如，通过计算归一化燃烧指数或纹理特征来量化建筑物的结构紊乱与塌陷程度^[9]；②地震动与工程参数特征，用于计算仪器地震烈度、震中距、以及考虑局部场地效应的放大系数；③承灾体与环境本底特征，反映区域的固有脆弱性。从DEM可派生坡度、坡向地形因子；通过空间分析可计算建筑物密度、主要结构类型的分布比例等。

在模型选择上，本研究摒弃计算复杂度极高的深度学习模型，侧重于透明度高、训练速度快、且在中小样本数据集上表现稳健的经典机器学习算法^[10]。选型依据在于模型必须兼顾非线性映射能力、抗过拟合特性及结果的可解释性。本研究主要采用以下三种经典模型构成对比分析框架。

表1 主要数据源及其预处理关键参数Table 1 Main data sources and key parameters for preprocessing

随机森林作为一种集成学习算法，通过构建大量决策树并进行投票决策来提高泛化能力。其优势在于能有效处理高维特征，对缺失值和异常值不敏感，并能通过计算特征在所有树中带来的不纯度减少量的均值来评估特征重要性，从而为灾损归因提供直观依据。

支持向量机适用于小样本分类问题。其核心思想是通过核函数将原始特征空间映射到高维空间，从而找到一个最优分类超平面，实现最大化分类间隔。

逻辑回归作为广义线性模型，逻辑回归模型结构简单，参数具有明确的物理意义，模型透明度极高。虽然模型本身为线性，但通过引入特征的多项式项或交互项，也可捕捉一定的非线性关系。

这些模型共同构成了一个从简单到复杂、从强解释性到强拟合能力的模型梯队。通过在统一的数据集和特征集上进行训练与测试，可以系统对比不同模型在本研究特定任务上的性能，从而筛选出兼顾精度与效率的最佳方案，为区域级地震灾损的快速、可解释评估提供可靠的工具。

基于前期构建的多源融合特征向量，本研究采用集成学习与单一模型相结合的思路构建最终的灾损评估模型，其中以随机森林作为核心模型。该模型的构建过程如下：首先，将每个样本的融合特征向量X_i =( x ₁ , x ₂ , ..., x_p )作为输入，其中p为经过特征选择后保留的特征维度。模型通过Bootstrap抽样生成k个训练子集，并行构建k棵决策树。在每棵树的节点分裂时，通过最小化基尼不纯度或信息增益等不纯度度量指标来选择最优特征及分裂点，其基尼不纯度计算遵循公式 ，其中C为灾损等级数量，P_i为节点中属于第i类的样本比例，通过递归分割构建出多样化的弱分类器。对于分类任务，最终输出采用多数投票法则，即 =mode{T ₁ ( X ), T ₂ ( X ), ..., T _K ( X )}。此集成策略有效提升了模型的泛化能力与稳健性。在模型训练阶段，通过网格搜索或随机搜索结合交叉验证对关键超参数等进行优化，以在保证模型复杂度的同时避免过拟合。为了量化模型的置信度，模型可输出所有决策树对某个预测类别的投票比例，作为该预测结果的不确定性度量。该完整模型不仅完成了从多源特征到灾损等级的映射，更通过袋外得分进行无偏估计。整个构建流程确保了模型在具备高精度非线性拟合能力的同时，保留了可通过特征重要性排序进行物理归因的可解释性，形成了一个从特征输入、集成决策到结果输出的完整、可靠的评估体系。

地震灾损模型的训练遵循时空分异性控制原则划分数据子集。训练集承载主体样本用于参数估计，其构造涵盖不同烈度环境、建筑结构类别和地形地貌的典型组合模式；验证集独立监督超参数优化过程，其时空分布严格匹配灾情评估的区域性特征，避免未来信息泄露；测试集保留最终性能检验功能，通过未参与前期建模的样本评估模型外推能力^[11]。分区过程额外实施空间缓冲隔离，确保空间自相关样本组不被拆分至不同子集，同时按照历史地震发生时序执行时间阻断分割，保障时间外推有效性。数据划分比例依据样本复杂度和模型鲁棒性需求动态调整，遵循训练集主导、验证/测试集满足统计显著性的基本原则（表2）。

表2 面向地震场景的数据集功能分配规范Table 2 Functional allocation specifications for earthquake-oriented datasets

本研究聚焦鲜水河断裂带中段特定的次级构造单元，选取典型的高烈度设防城镇作为研究区。该目标区域具备完整的发震构造闭锁—解锁过程记录，展布特征清晰的逆冲—走滑复合断层系统，场地条件涵盖基岩台地、冲洪积扇及古河道沉积区三类地质单元。承灾体以藏羌民族特色石木结构民居、现代框架抗震安置房及基础设施节点构成典型组合，反映民族地区城乡建设中的抗震能力梯度差异。基础数据来源于地方国家中心地震应急基础数据库、全国自然灾害综合风险普查，整合0.2 m级航空正射影像、地物光谱特征库、建筑物结构属性档案（高度/材料/建成年代）及强震动台站校正记录。针对小流域尺度特殊性实施数据处理优化，通过局地地形校正模型消减高山峡谷区遥感影像畸变，采用土层反应谱反演技术构建微尺度地震动场，应用三维激光扫描点云量化承灾体结构细部特征。