阿尔卑斯山奥斯塔(Aosta)山谷地区已经建立了一个早期预警系统,该系统可以基于水文模型和降雨阈值能够最多提前36个小时发布水文地质警报。然而,这些阈值通常不适用于由夏季局部雷暴引发的泥石流,这些雷暴通常是短时强降雨,累积降水量低于20毫米。因此,有必要制定一个特定的泥石流预测模型,该模型应同时考虑其它可能的触发因素。在本研究中,我们利用机器学习技术,基于由多种地貌和水文气象变量组成的详细数据集,开发了一个泥石流预测模型。数据集的变量是从所有91个流域的每日实测和建模数据中收集的,在本研究所考虑的时间段(2009~2019年)内,这些流域至少发生了一次泥石流事件。我们评估了不同机器学习模型的性能,并选择最合适的模型在该地区现有的预警系统中进行了实验,该模型可以根据输入的地貌和水文气象等变量输出各个流域的泥石流概率(DFP)。