作为高势能人造泥石流风险源,尾矿库一旦发生溃坝,不仅会威胁下游人民群众的生命安全,也会损坏周边的设施设备,引发环境破坏等问题。本文以尾矿库溃坝为核心,运用了证据、机器学习、三维风险矩阵、领结模型、云模型、交互式多准则决策模型等多种方法、模型,对尾矿库溃坝风险评估与预控方法进行了研究及应用。研究成果总结如下:（1）溃坝隐患辨识及演化关系分析研究基于证据,辨识出了 116种溃坝隐患,并建立了隐患清单。基于对抗解释结构模型（AISM）,建立了一组19级递阶有向拓扑图,分析了隐患间演化关系。基于交叉影响矩阵相乘模型（MICMAC）,绘制了驱动力-依赖度值关系图,实现了隐患间演化关系的量化及可视化。（2）溃坝风险表征研究基于可能性、事件强度、暴露度等三个维度,建立了三维风险矩阵模型,实现了溃坝风险4个等级（Ⅳ级、Ⅲ级、Ⅱ级、Ⅰ级）的准定量化评价。基于可能性维度多分类预测需求,建立了基于麻雀搜索算法-支持向量机（SSA-SVM）的溃坝可能性等级预测模型,实现了溃坝可能性4个等级的预测。基于预测准确率、均方误差、精准率（宏/微）、召回率（宏/微）、F1值（宏/微）等模型评价指标,将其他智能算法优化SVM模型与SSA-SVM模型进行了对比。结果表明SSA-SVM模型在溃坝可能性等级预测中具有明显优势,能够较为准确地预测溃坝可能性等级。基于事件强度维度中溃坝尾砂下泄量的回归预测需求,建立了基于灰狼优化算法-支持向量回归（GWO-SVR）的尾砂下泄量预测模型,实现了尾砂下泄量的预测。基于预测的尾砂下泄量进一步预测了尾砂最大下泄距离。进而,根据上述两个参数衡量了溃坝释放能量的大小,划分了事件强度的4个等级。对于暴露度维度,建立了人员、经济、环境、社会等4类承灾体对应的暴露分级模型,运用综合因子加权和法计算暴露指数,根据其分布划分了承灾体暴露度的4个等级。（3）风险预控方法研究给出了一种尾矿库“X-3-4-5”风险预控方法。基于隐患间演化的X条途径,影响因素耦合形成隐患、隐患失控演化成事故（件）、事故失控造成灾害等3个阶段,溃坝风险的4个等级;考虑消除、替代、工程含隔离、管理含监测、个体防护等5个预控层级;给出了尾矿库“X-3-4-5”风险预控方法。同时,基于5个预控层级,给出了 166条风险预控措施。建立了基于领结模型-云模型-交互式多准则决策模型（BT-C-TODIM）的风险预控措施决策模型。将溃坝隐患及其演化关系、溃坝后果、预控措施集成,建立了溃坝风险预控的BT模型,实现了隐患演化及风险预控的可视化;针对BT模型中具体的预控措施,基于C-TODIM模型,定量地对风险预控措施进行了排序及决策。（4）工程应用选取大岽背尾矿库对研究成果进行了应用,验证了所提出方法、模型的适用性、有效性。结果表明,该尾矿库风险等级为Ⅳ级,属于低风险,与该尾矿库的实际运行状况相符。同时建立了该尾矿库溃坝风险预控的BT模型,给出了 54条具体的预控措施。综上所述,通过本文研究,形成了一整套新的尾矿库溃坝风险管理方法,可以作为尾矿库溃坝风险预控的指南规范,进而用于构建尾矿库溃坝风险时空（纵向和横向）动态评估的方法库、隐患库、措施库及计算机系统。