由于历史边坡样本数量不足,使用传统机器学习方法进行边坡稳定性评估往往会出现过拟合问题。以贝叶斯网络为框架,结合模糊理论与支持向量机,建立一种边坡地震失稳规模评估新方法。采用模糊理论求解贝叶斯网络参数的先验分布,同时采用支持向量机求解贝叶斯网络参数的实际样本潜在分布;利用贝叶斯估计方法将先验分布与实际样本潜在分布结合,以得到既满足基本规律又体现样本非线性与随机性的边坡地震失稳规模贝叶斯网络。利用建立好的贝叶斯网络对32个实际边坡样本进行失稳规模评估,正确率为81.25%。通过与基于先验知识的贝叶斯网络、基于实际样本的支持向量机进行对比,可以看出,提出的方法解决了样本不足带来的过拟合问题,正确率有很大提升。并且,该方法在边坡属性不完整的情况下也能对失稳规模作出有效评估。