我国是地震高发大国,每一次破坏性地震都对人民的生产生活造成严重影响,也使国家经济产生巨大损失。通过获取地震中的有效数据,及时有效评估地震所产生的人员死亡,以此为根据,辅之有关专家意见,可以对地震应急救援进行更加科学精准地指导,从而有效降低地震初期救援产生的资源浪费,提高救援效率,减少经济损失。本文针对1966—2021年间的中国大陆地震灾害损失评估资料,通过查阅大量震害报告和相关研究成果,汇总并补充我国地震震例中的地震类型这一基础数据,根据地震类型选择合适的影响地震死亡人数的因素以及相关震例,通过经验回归的方式,拟合出基于地震类型的地震死亡人数评估公式。此外,本文基于大数据分析,通过机器学习,建立基于随机森林算法的地震死亡人数评估方法。论文主要完成以下工作:1.阐述目前地震死亡人数评估方法。分别从震中烈度、房屋易损性、人口、多影响因素指标和通过机器学习评估地震死亡人数这五个方面来做阐述,并针对每种方法介绍相应原理、列举对应公式、比较优点与不足以及讨论适用范围。2.对数据的来源与处理做出说明,分析影响地震死亡人数的因素。主要分析地震震级、震中烈度、地震类型、震源深度、人口密度对地震死亡人数的影响。同时在其他因素相同或相近的情况下,分别绘制这五大因素与地震死亡人数散点图,根据图像走势选择不同函数模型进行散点拟合,对比效果后确定不同因素所用的函数模型。3.研究基于不同地震类型的地震死亡人数评估方法。通过对前人资料的收集与汇总,补全我国地震震例中的地震类型这一基础数据,按照断层类型的划分方式,把地震类型分为:逆断层地震、走滑断层地震、走滑正断层地震和走滑逆断层地震四种类型,并根据每种地震类型的震例数据,回归出基于地震震级和基于震中烈度的两种经验拟合公式,将两种公式进行对比,选择回归效果好的公式作为每种类型的经验拟合公式,最后将通过公式拟合的地震死亡人数评估值与真实地震死亡人数做比较,分析方法的可靠性与准确率。4.研究基于随机森林算法的地震死亡人数评估方法。介绍不同类型的机器学习算法,解释随机森林的原理与随机森林重要参数。根据地震实例,建立基于随机森林算法的地震死亡人数评估模型,确定每个因素的权重,并逐一分析每个因素,删除模型中的冗余因素和不重要因素,改进评估模型,再将模型计算的评估值与真实地震死亡人数的结果进行对比,分析模型的可靠性与准确率。