中国是地质灾害的多发国家,尤其是滑坡灾害,一旦发生降雨,一些地方就很容易发生滑坡,对人们的生命造成危害,对财产造成损失。因此,如何高效的对区域滑坡灾害进行预防,是一个很重要的课题。数据挖掘是一种新兴的数据分析技术,它能通过分类方法进行学习,提取出规则,从而对未知的事物进行预测。而滑坡灾害预测受多种因素影响,其中降雨等不确定因素存在难以获取数据及有效处理等难题,为提高滑坡危险性预测的准确率,根据滑坡灾害发生相关理论及数据挖掘中决策树分类原理,本文提出了两种处理方法:基于不确定的C4.5决策树算法和不确定模糊ID3决策树算法,分别对滑坡危险性进行预测。本文首先进行了滑坡灾害和数据挖掘相关的理论介绍,为后面的章节打下理论基础。然后介绍了精度较高的不确定C4.5决策树算法,并将它应用于实例中,进行效果检验。接着在传统模糊ID3算法的基础上,利用积分思想,设计出不确定数据的模糊化处理方法,并结合模糊ID3算法,提出了一种新的不确定模糊ID3算法,建立不确定模糊ID3决策树模型,对区域滑坡危险性进行预测,在简化算法复杂度的基础上,也保证了算法的精确度。最后,将传统的算法和本文提出的算法进行比较,分析两种算法模型的优缺点,推断出各自的适用场合,为以后该类问题的算法选择提供参考。