拟建川藏铁路东段由于地形、地质条件、铁路技术要求等的限制,将会在大量的季节性粗颗粒冻土地区通过,由于季节性粗颗粒冻土工程特性较差,线路通过时尽量避免开挖形成人工边坡,但在车站、隧道进出口以及桥涵两端会不可避免的开挖部分冻土形成季节性粗颗粒冻土边坡。对这类边坡,在前期设计阶段应作稳定性分析,预测开挖后的边坡是否会破坏。本文从数理统计的角度出发,利用神经网络理论,选择典型地区的边坡作调查,确定边坡的主要破坏类型,并统计分析影响边坡稳定性的主要因素,建立一个适合预测川藏铁路东段季节性粗颗粒冻土边坡稳定性的模型,为设计阶段评价边坡稳定性提供参考。本文选择具有代表性的新都桥、理塘作为野外边坡调查地区,主要选择人工开挖形成的季节性粗颗粒冻土边坡,在野外调查了坡向、坡高、坡度、地下水埋深、植被覆盖情况、土体结构、土类7个影响边坡稳定性的因素,共调查边坡136个。经过综合比较、分析,确定川藏铁路东段季节性粗颗粒冻土边坡的破坏类型主要有坡面冲刷、表层溜坍以及滑塌;并从数理统计的角度,对调查边坡的数据作了基本的统计分析。由于在野外调查时考虑的是尽可能扩大数据量,从工程角度考虑,应剔除部分在工程设计上不合理的边坡,经过合理筛选剩下86个边坡。对这86个边坡利用粗糙集理论和灰色关联理论作了影响因素的敏感性分析,最终确定影响边坡稳定性的主要因素按相关性大小依次是地下水、土体结构、坡高、土类和坡度。最后,本文选择BP神经网络,借助Clementine数据挖掘软件,建立了预测川藏铁路东段季节性粗颗粒冻土边坡稳定性的模型,检验结果证明该模型运行稳健、预测精度满足要求。利用建立的预测模型,只需输入5个影响因素,就可以快速得到边坡所处状态,对实际工程有一定的参考意义。