为解决传统蒙特卡罗模拟在坝坡可靠度分析中计算效率低下、难以综合考虑降雨与岩土参数多源变异性的问题，采用拉丁超立方抽样（LHS）与深度前馈神经网络（DFNN）构建代理模型，并耦合蒙特卡罗模拟（MCS）建立了高效概率分析框架。研究表明，所构建的代理模型在600组训练样本条件下即可达到优异的拟合性能(R

2

=0.98

均方根误差R

RMSE

=0.01)

其预测结果与有限元计算高度吻合，且显著提升了计算效率。参数重要性分析表明，内摩擦角变异性影响最为显著，其变异性对危险概率的影响显著高于黏聚力与降雨强度变异性对危险概率的影响。多工况分析进一步揭示，降雨强度与抗剪强度参数的变异会协同加剧失稳风险，且危险概率随降雨持续时间呈现累积效应。实例分析证实了所提方法在多源变异性条件下坝坡可靠度评估中的有效性，建议工程实践中重点控制填筑料压实质量以降低内摩擦角离散性，并在降雨过程中强化中后期坝坡监测预警。该研究为复杂条件下水利工程坝坡风险评估提供了新的分析工具与方法框架。