边坡失稳产生的滑坡灾害给人民的生产、生活带来了重大影响,因此边坡稳定性评估一直是岩土工程领域中重要的研究内容。边坡稳定性分析通常都是基于边坡稳定性评估函数进行的,其输入为边坡稳定性参数,输出为稳定性评估指标。由于边坡结构的复杂性、传感器或观测者本身的局限性以及信息获取技术的不完善性等因为,常常导致边坡稳定性参数具有随机性、模糊性、不完全性等多种不确定性。但是,现有的多数边坡稳定性评估方法,都是在假定输入参数为确定值的条件下实施的,没有充分考虑实际中参数普遍存在不确定性的情况。　　 本文针对典型边坡结构,将证据理论、随机集理论及模糊集理论相结合,给出输入参数受多种不确定性影响下的边坡稳定性评估方法,其主要工作如下:　　 (1)对现有的确定性和不确定性的边坡稳定性评估方法进行了综述,指出在多源不确定性影响下,这些方法的不足之处。进而,引入了证据理论、随机集理论、模糊理论等不确定性理论,论证了综合利用这些理论或方法解决边坡稳定性评估中不确定性问题的可行性。　　 (2)给出了基于证据理论可传递信度模型(TBM)的边坡稳定性评估方法。考虑边坡参数受到随机性影响的情况,将随机集证据表示的参数通过扩展准则映射到输出,得到稳定性函数输出量的随机集证据,利用TBM变换将其转化为Pignistic概率,运用该概率评估边坡稳定性。针对一类典型边坡,验证了该方法在计算量远小于经典蒙特卡罗方法的情况下,可以得到与其相当的评估效果。　　 (3)建立了基于多源不确定性信息随机集统一表示的边坡稳定性评估模型。考虑边坡参数分别受到随机性和模糊性影响的情况,将模糊参数和随机集参数分别表示为随机集证据,然后利用扩展准则将其映射到输出,得到稳定性评估函数输出量的随机集证据,进一步得到输出量的上下累计概率分布,依据该分布评估边坡的稳定性。　　 (4)给出了基于随机模糊变量模型的边坡稳定性评估方法。考虑边坡参数同时受到随机性和模糊性影响的情况,将这些参数用随机模糊变量表示,然后通过水平截集将其转化为证据体形式,依据实数域下的TBM变换转化为Pignistic概率,并用其构造蒙特卡罗随机采样输入,用蒙特卡罗输出评估边坡稳定性。