影响大坝安全的因素多且复杂,如何建立合理的大坝安全监控模型,反应荷载效应集与荷载集之间的变化规律,是大坝安全监控模型研究中亟待解决的问题。目前对变形监控采用较多的是统计模型、确定性模型和混合模型,统计模型由于计算简单,在实际工程中应用较多。然而,由于大坝运行环境恶劣以及监测量影响因子众多,传统的统计模型常常很难有效的、准确的描述各影响因子与变形之间的关系。因此,为了建立准确、合理的混凝土大坝变形模型,本文利用逐步回归分析、遗传算法、模糊逻辑推理等方法对大坝统计模型进行了深入研究,其主要内容如下:首先,本文对比分析了多元线性回归和逐步回归方法建立混凝土大坝变形统计模型的特性,针对多元线性回归法存在的稳定性和逼近精度问题,利用逐步回归分析对常规统计模型中的回归因子进行优化,利用对大坝变形影响较大荷载集因子建立了大坝位移监控统计模型。逐步回归分析方法解决了荷载集因子之间的多重线性相关性问题,较多元线性回归方法能够获得更高的逼近精度。其次,本文针对基于逐步回归分析所建立的统计模型存在的欠拟合问题,利用遗传算法对模型回归系数进行全局搜索以获得全局最优解。为了提高遗传算法逼近精度,本文设计了一种自适应遗传算法,该算法根据遗传算法搜索过程中种群平均适应度值与最佳适应度值之间的差异自动调整交叉概率和变异概率,避免了遗传算法搜索过程中陷入局部极小值,提高了大坝模型回归系数逼近精度。第三,针对遗传算法在进化过程中收敛速度过慢的缺点,提出了一种基于模糊逻辑推理的种群多样性改进算法,该模糊逻辑推理系统根据种群的方差和熵动态调节遗传算法操作以保持种群良好的多样性。在遗传操作父个体选择方法上,提出了一种最优保存策略与均匀排序相结合的方法,保证了全局收敛、提高了搜索效率,解决了遗传算法进化过程中收敛速度慢的问题。最后,比较分析了各种模型的统计性能指标,在影响因子相同的情况下,采用遗传算法优化的模型在拟合精度和预测精度上都要优于逐步回归模型。