随着我国水利水电、川藏铁路、高速公路和深基坑开挖等基础工程建设规模的扩大,重要边坡工程不断出现。因边坡工程隐蔽性强、时空变异性高和失稳危害性大,边坡可靠度分析及灾害风险控制已成为岩土工程研究的重点。准确确定岩土参数并进行边坡可靠度分析能为边坡治理提供重要理论依据和技术支持,这对我国发展具有非常重要的理论和现实意义。为此,本文针对常规的参数反演方法没有考虑土体参数不确定性,现有的边坡稳定性概率分析方法计算精度和效率较低,如何综合利用有限的场地数据及选择最优的岩土工程计算模型进行边坡可靠度分析等问题展开研究,主要研究内容如下:(1)介绍了贝叶斯方法与理论,总结了岩土工程中常用的参数先验分布和似然函数模型,系统对比分析了 3种实用性较强的随机反演方法的基本原理及后验失效概率计算方法,并通过两个边坡案例探讨了每种方法的优缺点及适用性,可为岩土参数特别是空间变异参数随机反演分析奠定理论基础。(2)系统分析了不同先验概率分布和似然函数模型的选择对边坡可靠度评价结果的影响,并应用到融合少量的试验数据的边坡可靠度分析中,研究结果可为贝叶斯更新分析中岩土参数先验概率分布和似然函数的合理选择提供参考。(3)分析了岩土转换模型误差及参数不确定性,基于粒子群神经网络构建了边坡输出响应量代理模型,在此基础上基于贝叶斯方法融合位移监测数据进行岩土参数随机反演及边坡可靠度评价,解决了长春西客站直立边坡等工程参数反演及变形预测的难题。(4)发展了基于自适应贝叶斯更新的模型优化选择方法,可直接根据贝叶斯更新获得的模型证据值识别最优土水特征曲线模型和推断土水特征曲线模型参数后验概率分布,为有限数据条件下岩土工程计算模型的优化选择提供了一条有效的途径。