结构的极限状态方程常为隐函数，受到不确定性、时间和空间的影响，导致其输出为时变随机场。由于结构失效通常是小概率事件，需要大量有限元模拟，现有方法难以适用。尽管一阶/二阶可靠性分析方法可用，但精度和效率有限。该文提出基于主动学习Kriging代理模型的时空相关可靠性分析方法，旨在提高计算效率。首先推导随机样本在时空域内的极值符号预测概率，然后构建相应的学习函数。通过选择具有最小符号预测概率的候选样本加入训练集，并序列地更新Kriging模型，直至所有候选样本的准确预测概率超过99%，同时计算失效概率。通过3个算例验证了所提方法的效率和准确性，为时空相关可靠性分析提供了新思路。