自然灾害和工程灾害，包括工程边坡失稳、山体滑坡、岩崩、大坝失稳、洪水、地震、道路和建筑灾害、野火等，是气候、构造、地貌过程和人类工程活动的渐进或极端演变的结果。机器学习，包括基于模糊和神经模糊逻辑的数学概念、决策树模型、人工神经网络、深度学习和进化算法的方法，是分析复杂自然和工程灾害时空发生的有前途的工具。

机器学习模型的特点是他们生成知识和发现来自大型数据库的隐藏和未知模式和趋势的能力，而遥感和地理信息系统（GIS），配备了用于数据操作和高级数学建模的工具，代表另一个有前途的领域技术。随着计算能力的无情增长，数值模拟技术也被视为能够发现隐藏的不稳定机制，演进过程，变形趋势，影响因素和自然和工程灾害风险的先进数学方法。

本特刊的主要目标是为推动机器学习和数值模拟技术在操作规则、故障机制、空间和时间序列预测、易感性图、危害评估、脆弱性建模、风险评估等方面的成功实施提供科学论坛。以及复杂自然灾害和工程灾害的预警。我们的目标是为采用最新的数学方法和技术的出版物提供一个出口，这些方法和技术结合了机器学习和/或数值模拟技术来分析、绘制、监测和评估各种自然和工程灾害。

潜在的主题包括但不限于以下内容:

• 自然与工程灾害的失败机制，可靠性分析和影响因素探索
• 各类受灾体易损性评估，以及自然灾害和工程灾害后的损失评估
• 易感性、危害和风险预测，以及区域和/或单一自然和工程灾害的制图
• 利用先进的地球物理对各种灾害进行监测、时空预测建模和早期预警