由于时间短,山洪暴发被认定为最具破坏性的自然灾害之一。集成方法因其在处理数据方面的强大能力和灵活性,最近在山洪易发性建模中变得越来越受欢迎。本研究旨在将新的集成方法纳入双变量统计模型,如基于多元统计模型的证据权重定量方法(WOE),其中多元统计模型可以为人工神经网络(ANN)、支持向量机(SVM)或K最近邻(KNN)模型。选择印度北阿坎德邦(Uttarakhand)作为研究区域。为此,开发了一个山洪暴发和地理空间数据库。在历史数据库中,共确定了122个山洪暴发点。利用地理信息系统(GIS)创建了一个地理空间数据集,包括坡向、平面曲率、高程、归一化差异植被指数(NDVI)、坡度、水流功率指数(SPI)、地形湿度指数(TWI)、年降雨量、与河流的距离、与道路的距离、土地利用/覆盖(LULC)和泥沙运输指数(STI)。使用R开源软件中的WOE,根据相关性为每个影响因素分配权重,然后与ANN、SVM和KNN进行集成。最后,用不同的统计指标对所有模型进行了验证,并对其性能进行了比较。根据结果,所有构建的模型都表现良好。然而,WOE-ANN的表现优于所有的机器学习模型。这项研究的结果可以帮助地方政府和研究人员进行山洪灾害管理。