尾矿坝作为矿产资源中的一种危险源，近年来，其事故频发，给国家和人民带来的损失非常严重。签于此，加强尾矿坝安全监测对尾矿坝进行风险评估来确保其安全已迫在眉睫。然而，在监测过程中因传感器本身精度及外界各种因素的影响，使监测信息具有模糊、随机等不确定性，这就造成很难从中提取有效信息特征，直接影响了风险评估效果。因此，对监测信息的特征进行分析，提取能有效反映坝体运行状态的失稳特征，建立风险评估模型是必要的。本文以上游式尾矿坝监测系统为背景，以可能性理论为手段，在深入剖析监测信息特点的基础上，提取失稳特征，构建基于失稳特征的尾矿坝风险评估模型。首先针对监测信息的不确定性描述，因概率密度函数、隶属度函数等仅是针对一种不确定性进行处理，而引入可能性分布函数，对不确定性进行度量。然后在对可能性分布函数进行分析的基础上，提取数字特征，研究数字特征对尾矿坝运行状态的灵敏程度，利用奇异值分解和神经网络结合的方法提取失稳特征，并通过实例证明其有效性。最后，通过分析失稳特征的相似度，将风险事件发生的可能性与发生后导致的后果度量化，构建了尾矿坝风险评估模型。本文通过分析失稳特征对尾矿坝进行风险评估，在评估过程中对监测信息进行不确定性度量，降低了评估过程中的不确定性；且将与风险值有关的两个变量进行量化，不仅使原有评估方法主观性降低，而且由此得到的风险值还可以描述原有评估方法不能描述的过渡状态。