专家打分法：由对地质灾害的机理和研究有相当经验的相关领域专家，通过现场调查，逐点评价地质灾害的危险性现状以及发展趋势，进而进行研究区域的地质灾害危险性区划分析。这种方法考虑了大量的现场因素，因各点分析情况为专家置身该处，现场分析而具备较强的真实性，然而这种方法也存在着相当的人为随意性，其判断的规则因人而异，因而很难产生一个具体的量化标准进行分析。
监测类比法：通过对单灾体的变形破坏情况的长期及细致的观测及分析，得出针对于该地质灾害的各个评价因子的权重，并应用于与之发育特征以及形成条件类似的一类地质灾害发生的预测以及危险性分析中。此种方法应用于滑坡或崩塌等单独灾害现象的危险性分析，在数学上要求虽较为严格，然而对于不同地区的地质条件仅仅以相似与否作为评判标准，缺乏相应的定量分析，且需要较为长期，细致的监测工作。
传统统计分析法：将已有地质灾害点作为样本，量化地质灾害影响因素与灾害发生与否之间的关系，利用相关数学方法得出两者之间的相关方程。而后将总评价区划分为不同单元进行区划分析。
模糊综合评判法：建立评价因素和地质环境等级之间的模糊之间的模糊矩阵，是一种基于模糊数学的综合评判法。其根据模糊数学中的隶属度理论，把危险性分析中的定性评价转为定量评价。其使用隐含规则解决问题，进行标准化的数据管理，然后其因素各状态打分困难且权重难以确定。
层次分析法（AHP）：将地质灾害危险性分析这个复杂的多目标决策问题，作为一个系统，将危险性分析转化为有层次结构的有序递阶事件。层次分析法是一种事件内部结构排序的算法，用事件矩阵特征值求出测度排序，并对其判断矩阵的一致性进行检验，是一种定性和定量相结合的方法。此法为一系统性的分析方法，简洁实用，所需数据少。而同样
具有定性分析的缺点，在定量过程中会有一定的人为随意性，且特征值和特征向量的精确求法较为复杂。
信息量法：通过计算，将各因素对于斜坡变形破坏所提供的信息值进行叠加，并以此作为定量指标，而后进行统计分析或主观判断、聚类分析等过程找出单元信息量叠加值分界点，继而确定相应的危险性划分指标，进行危险性分析。此法数学上严密、客观，然而需要大量数据的支持，只适用于大范围工作中的实施。
人工神经网络（ANN）：从信息处理角度，对人脑神经元网络进行抽象，建立某种简单的模型。利用已知样本对网络进行训练，模拟人脑的学习过程，得到网络所存储的变量之间的非线性关系。利用类似人脑的处理信息，分析信息的功能，以及不同的神经网络算法，对地质灾害的危险性进行分析。此种方法淡化了对地质灾害机理的研究，但样本的获取以及对于结果的解释都存在一定的困难。
逻辑回归法（Logistic Regression）：逻辑回归模型为多元非线性统计模型，将已有的影响地质灾害的因素导入逻辑回归模型中，通过回归分析，得到各影响因素的权重，进而反推地质灾害发生的概率，完成危险性分析。其中。二元逻辑回归法（Binary）因为其变量的二分性，在地质灾害预测中可以直接以0（不发生）与1（发生）进行分析，而具有较高的应用价值。此法结合已有的地质灾害分布规律，权重定量客观，结果以概率形式表达，然而需要大量的的样本资料。
