简介： 本发明涉及一种基于无监督表征学习的地质灾害隐患敏感性预测方法，包括以下步骤：步骤1，训练区数据特征提取；步骤2，无监督表征学习机制构建；步骤3，地灾敏感性分析模型训练；步骤4，地灾敏感性预测评估。本发明的模型生成部分由两个玻尔兹曼机（RBMs）和一个去噪自动编码机（DAE）堆叠而成，并由逐层贪婪预训练方法初始化。然后，提出一种基于对抗机制的迁移学习策略提高孕灾环境知识的可迁移性。基于以上两个表征学习过程，最后应用元学习思想训练一种适于小样本学习的通用中间模型。同时，模型的元训练过程时保证了小样本学习模型的预测精度，实现了区域局部的精准快速预测，并提升了模型对新任务场景的泛化性。