探讨利用在自然科学领域中越来越引起重视的人工神经网络、遗传算法、混沌理论、小波分析、突变理论等软计算方法分析大坝安全监测数据,既丰富发展了监控理论和监控方法,又解决了常规安全监控模型非线性映射能力不强、受模型因子选择和相关性影响较大等缺点. 利用改进的BP神经网络建立了大坝变形多测点监控模型,并对带有偏差单元的递归神经网络监控模型、人工神经网络在原型观测数据反分析中的应用等进行了研究. 利用改进的遗传算法分别建立了大坝变形的遗传回归监控模型及遗传逐步回归监控模型.采用遗传算法对BP神经网络的权值和阈值进行训练,利用网络计算值与目标输出的残差的标准差作为标准,确定隐节点的个数,既能保证网络输出的精度,又可以保证训练时间不至于太长. 探讨了混沌时间序列最佳时间延迟τ和最小嵌入维数m的确定方法,并结合工程实际对从大坝观测时间序列中提取关联维数、最大Lyapunov指数、Kolmogorov熵等混沌特征量的方法进行了研究.对全域一阶自回归法、加权零阶局域法、加权一阶局域法、最大LyapUulov指数法、相空间神经网络法等几种混沌时间序列的预测方法进行了研究. 利用小波变换在信号处理方面的优点,研究了小波分析在大坝安全监测资料分析中异常值检测、降噪、提取时效分量等应用方法.由于横缝开裂后坝体自振频率明显降低,当对大坝泄洪振动的动力反应进行监控时,在测点的动力反应中也会有所体现,利用小波分析方法对信号频率的异常变化反应敏感的特点对横缝开裂进行监控.以小波基函数作为神经元的激励函数建立了大坝安全监控小波神经网络模型. 通过数学变换将监测点的变形转化为尖点突变模型势函数的标准形式,根据判别式的符号可以判断大坝工作状态是否处于连续正常的过程.利用灰色系统理论建立基岩、混凝土裂缝开度的预测模型,并结合突变理论对其进行了分析.从系统的势能函数出发,建立了一个考虑裂隙介质应变软化和水致弱化的尖点突变模型,据此分析了混凝土重力坝滑动的机理和力学条件,并计算了系统发生突变时的临界位移值和临界外力.