突发性地质灾害危险性评估对灾害防治与风险管理具有重要意义.由于不同地区影响灾害发生的因子各不相同,实际评估过程中难以全面客观地选取适宜的评估因子.机器学习对处理灾害系统的高维非线性问题独具优势,但因模型难以调优而评估效果有限.本文尝试提出一种双向优化的滑坡危险性评估方法:在构建因子敏感性指数开展定量敏感性分析的基础上,结合重要性分析、相关性分析、共线性分析构建四维(Four-Dimensional,4D)特征筛选法用于评估因子综合优选;为克服模型难以调优的问题,引入差分进化(Differential　Evolution,DE)算法优化支持向量机(Support　Vector　Machine,SVM)与多层感知机(Multi-Layer　Perceptron,MLP)2种推广能力较强的机器学习模型.最后,以福建省滑坡为例,开展评估方法研究.研究表明:4D特征筛选法能更加客观全面地选取适宜性更高的危险性评估因子,从而降低数据维度、减少信息冗余以提升评估模型性能;DE算法对SVM与MLP具有显著的优化效果,有益于增强模型滑坡危险性的评估准确度,DE-SVM、DE-MLP相较于未优化前模型的AUC值分别提升了　4.43％与4.37％;基于双向优化的滑坡危险性评估结果表明,降雨与土地利用类型对福建省滑坡发生具有重要影响作用,福建省滑坡极高危险区普遍年均降雨较高、地形复杂多变,极低危险区主要位于东南沿海一带及闽江流域两侧.本研究为滑坡危险性评估中的影响因子客观选取与机器学习模型调优提供了一定思路.