Los deslizamientos de tierra ocurren con frecuencia a lo largo del margen oriental de la meseta tibetana, lo que representa un riesgo para la construcción, mantenimiento y transporte del propuesto ferrocarril de la ciudad de Dujiangyan a la montaña Siguniang (DS), en China. Por lo tanto, en este estudio se proponen cuatro modelos avanzados de aprendizaje automático, a saber, la red bayesiana (BN), la tabla de decisiones (DTable), la red de función de base radial (RBFN) y el descenso de gradiente estocástico (SGD), para delinear las zonas de susceptibilidad a deslizamientos de tierra. Primero, un mapa de inventario de deslizamientos de tierra se dividió aleatoriamente en 828 (75%) muestras y 276 (25%) muestras para entrenamiento y validación, respectivamente. En segundo lugar, se utilizó la técnica One-R para analizar la importancia de 14 variables. Luego, se validó y comparó la capacidad de predicción de los cuatro modelos en términos de diferentes índices estadísticos (exactitud (ACC) y coeficiente kappa de Cohen (k)) y las áreas bajo la curva (AUC) en la curva característica de operación del receptor. Los resultados mostraron que el modelo SGD tuvo el mejor rendimiento (AUC = 0.897, ACC = 80.98% y k = 0.62), seguido por el BN (AUC = 0.863, ACC = 78.80% y k = 0.58), RBFN (AUC = 0.846, ACC = 77.36% y k = 0.55) y DTable (AUC = 0.843, ACC = 76.45% y k = 0.53). Los mapas de susceptibilidad revelaron que los segmentos del ferrocarril DS desde la ciudad de Puyang hasta la aldea de Dengsheng se encuentran en zonas de alta y muy alta susceptibilidad.