边坡可靠度分析在岩土工程中得到了越来越多的应用,传统的概率可靠度分析已经发展的较完善。然而,实际岩土工程中,数据信息少,难以获取各参数的精确分布,使传统的概率可靠度分析方法的应用受到限制。因此,非常有必要引入非概率可靠度分析方法来分析边坡稳定性。一般来说,非概率可靠度分析模型只需随机变量的变化范围即可,突破了传统概率求解可靠度的局限性。本文以椭球模型为研究对象,将其应用于无限长边坡、二维边坡的可靠度分析,对于功能函数为隐式函数的边坡,发展了基于极限学习机(Extreme Learning Machine-ELM)模型的非概率可靠度分析方法。主要研究内容和成果如下:(1)详细阐述了椭球模型与区间模型的关联与区别,采用Khachiyan法提取参数特征,根据参数相关性构建高维椭球,并用土体试验数据验证了相关性近似建模的高效、适用性;(2)将基于椭球模型的一阶近似可靠度分析方法应用于一维无限长边坡的可靠度评价,以新加坡裕廊地区的残积土试验数据为例,比较了非概率可靠度与概率可靠度,区分了区间模型与椭球模型之间的差异。研究发现,在参数信息较少时,概率可靠度分析方法的(联合)概率密度函数的选择具有主观性,且对计算结果有较大影响,而非概率可靠度分析方法的评价更客观;椭球模型比区间模型更具优势,能考虑参数的相关性。(3)对于高非线性的极限状态函数,一阶近似可靠度分析方法的计算误差较大,因而提出了二阶近似可靠度计算方法。该方法将极限状态函数在设计点处Taylor级数展开取至二次项,用设计点处的平均曲率代替原始曲率,构造新的失效曲面。然后,结合边坡稳定性分析模型和响应面代理模型技术,发展了基于响应面法的非概率可靠度分析方法,应用于二维边坡的可靠度评价,并讨论了参数变异性对边坡非概率可靠度的影响。(4)针对多项式响应面模型不便于处理高非线性问题,提出了使用粒子群算法(Partical Swarm Optimization-PSO)优化ELM模型构建边坡响应面函数,发展了基于ELM模型的非概率可靠度分析方法,并应用于延安新区和黑方台地区的黄土边坡的可靠度评价。