滑坡是一种很普遍且产生严重后果的自然灾害,给人民财产造成很大的损失。据统计,在2011年至2020年间我国共发生地质灾害10万余起,其中滑坡灾害就约有7万起,占了七成,所以对边坡稳定性分析及可靠度预测具有重要的现实意义。目前,神经网络在边坡稳定性分析与评价方面的交叉研究中方兴未艾,尤其是其相关网络模型、算法等在相关工程中已得到了推广应用。本文在相关研究的前提下,先对七个边坡影响因素进行了敏感性分析,之后结合遗传算法（GA）和粒子群算法（PSO）,通过径向基神经网络（RBF）建立了关于边坡稳定性系数、可靠度指标和失效概率的GA-PSO-RBF预测模型。主要研究内容和结论如下:（1）基于同一单层均质边坡,将SLIDE软件得到的稳定性系数作为研究对象,同时引入单因素分析法、正交试验和灰色关联法对相关因素的敏感性进行分析,研究表明:在选取的七个影响因素中内摩擦角φ表现最为敏感,地下水水位h的表现最不为敏感。（2）在边坡稳定性分析研究中,考虑选用具有良好的记忆以及优秀的自学习能力的RBF神经网络,同时为克服其本身参数存在选取不合理等问题,在模型中嵌入GA和PSO对其进行优化,进而构建出了关于边坡稳定性系数的GA-PSO-RBF预测模型,并利用正交试验产生的样本对该模型的准确性进行了分析检验,研究表明:从适应度曲线来看,该模型相对于任意单一算法优化下的RBF预测模型更具有优势,从预测精度来看,相较于单纯的RBF预测模型有了很大的提升。（3）探讨了土性参数的变异性对稳定性系数、可靠度指标以及失效概率各自产生的影响。研究表明:在变异系数发生改变的过程中,边坡稳定性系数浮动趋势不大,几乎保持不变;而边坡可靠度指标和失效概率,二者的变化趋势要明显得多,并且在该过程中,可靠度指标值均会减小,而失效概率均会变大,两者之间有反向变化趋势。（4）考虑了边坡土性参数的变异性,提出了一种基于LHS模拟和GA-PSO-RBF模型来预测边坡可靠度指标与失效概率的分析方法,先后对均质单层、均质三层以及某一实际工程案例进行了边坡可靠度预测分析,研究表明:与现有方法得出的结果相比,本文提出的方法精度较高,可在实际边坡工程稳定问题中被采用,同时可为相应的理论研究奠定了良好的基础。