降雨和库水位变化诱发滑坡灾害时有发生,水库滑坡事故已给人民生命财产造成了巨大损失。主要因为降雨及库水位变化导致渗流场和土体孔隙水压力的变化,进而引起作用在库岸边坡上的动水荷载和静水荷载增大以及土体抗剪强度降低。因此,开展降雨及库水位变化条件下水库边坡稳定可靠度研究,对于保障水库运行安全具有重要的现实意义。目前常采用蒙特卡洛模拟方法进行复杂水库边坡可靠度分析,但是该方法计算非常耗时,特别是对于失效概率较低的边坡可靠度问题。为提高计算效率,本文开展了基于机器学习算法的非均质水库边坡可靠度分析研究,主要研究工作和相关结论如下:（1）提出了基于机器学习算法（反向传播神经网络BPNN、随机森林RF和卷积神经网络CNN）的水库边坡可靠度分析方法,建立了边坡可靠度分析与通用有限元软件的接口框架,采用Matlab语言编写了基于GEOSTUDIO和Fl AC3D软件接口的边坡稳定有限元分析批处理程序,拓展了机器学习算法在水库边坡工程中的应用。（2）分别以不排水饱和黏土边坡和摩擦/黏性土边坡为例,定量评估了三种常用的机器学习算法（BPNN、RF和CNN）在边坡可靠度分析中的优缺点以及适用性。结果表明:BPNN的效果最好且适用性最强;RF虽然理论简单、使用方便,但是由于训练集不平衡性导致其无法求解低失效概率水平边坡可靠度问题;CNN效果略次于BPNN,虽然模型构建过程复杂,但是其处理高维问题具有较大的潜力。（3）以降雨条件下二维非饱和水库边坡模型为例,探讨了同时考虑抗剪强度参数和渗流参数空间变异性的水库边坡失效概率随降雨历时的变化规律。结果表明:BPNN对于多参数空间变异的水库边坡瞬态非饱和渗流分析及稳定安全系数计算过程具有较好的拟合能力;另外,抗剪强度参数和渗流参数空间变异性对水库边坡可靠度具有重要的影响,并且边坡失效概率随着降雨的持续逐渐增大。（4）以三峡库区白水河滑坡为例,定量评价了暴雨和库水库骤降等极端条件下非均质水库边坡失效概率。结果表明:暴雨工况下白水河滑坡将有19.5%的概率发生局部失稳破坏,而水位骤降工况下175m以下局部区域失效概率较小;另外滑坡体饱和渗透系数空间变异性对该局部区域稳定性安全系数的影响依然较大。