大坝安全监控是掌握大坝运行性态的重要手段,是判断大坝安全与否的科学依据。大坝安全监控理论及方法的研究与应用已经取得了很大的进展,为保证大坝安全运行发挥了巨大的作用,但是仍然存在一些问题和不足。本文在分析现有的大坝安全监控和大坝安全评价模型的基础上,针对传统方法存在的缺陷,结合一些其它领域的研究理论和方法,对BP神经网络模型进行了优化,并将其应用于大坝安全监控和大坝安全评价中。本文的主要研究工作如下：(1)介绍了BP神经网络的基本特点、网络原理及实现步骤,并针对BP神经网络所存在的不足之处提出了改进措施。(2)介绍了统计模型的建立过程及多元线性回归分析理论,建立了大坝安全监控的BP神经网络模型,并在此基础上创新地提出了一种BP神经网络融合模型。某一实例分析结果表明,统计模型和BP神经网络模型的检验样本中误差为±0.494mm和±0.414mm,而融合模型的中误差为±0.325mm,其模型精度优于统计模型和BP神经网络模型。(3)针对BP神经网络稳定性差、计算结果受初值影响大、易陷入局部极小等缺陷,将遗传算法与BP神经网络相结合建立了遗传神经网络模型,并在此基础上结合融合模型,建立了大坝安全监控的遗传神经网络融合模型。某一实例分析结果表明,遗传神经网络模型的精度相对于BP神经网络有所提高,遗传神经网络融合模型较优。(4)在传统大坝安全评价模型的基础上,提出了安全度值的概念及计算公式,并结合遗传神经网络建立了大坝安全评价的遗传神经网络模型。某一实例分析结果表明,该模型精度较高,大坝整体安全度值的拟合结果与实际计算结果相差较小,最大差值的绝对值仅为0.0403,且该模型可以直接利用原始大坝观测数据进行大坝安全评价。