高心墙堆石坝施工期具有环境复杂性以及变形不确定性,其监测数据表现为一系列包含噪声且波动性较大的短序列数据。由于高心墙堆石坝施工期坝体变形较大,且变形是最能直观可靠地反映大坝运行状况的重要观测量之一。因此,对变形原始观测资料进行处理分析是近年来国内外研究大坝工作状况的主要方法之一。本文在国家自然基金“混凝土坝长期变形特性数值分析及安全监控方法”(NO.51769017)的资助下,开展了“高心墙堆石坝施工期沉降监控模型研究”。通过对高心墙堆石坝施工期沉降监测数据的分析,考虑施工期沉降变形受多种因素影响,加入对残差的分析,综合运用数学和力学方法,构建高心墙堆石坝施工期沉降监控模型及多测点模型,探索高心墙堆石坝沉降的演变规律,为高心墙堆石坝的设计与施工提供指导和决策。主要内容如下:(1)考虑高心墙堆石坝施工期工作环境和受荷条件复杂多变的特点,分析了高心墙堆石坝施工期监测数据,探究了填筑高度、温度、降雨、坝体及坝基岩体蠕变对大坝沉降变形的影响特性,基于高心墙堆石坝施工期沉降实测数据,综合运用灰色理论和马尔可夫链理论,构建高心墙堆石坝施工期灰色马尔可夫链预测模型。(2)研究了大坝沉降因子的选择,探究了填筑历史对坝体蠕变的影响规律,在考虑填筑高度、降雨、坝体和坝基岩体蠕变的基础上,基于Duncan-Chang模型和流变模型理论,建立了高心墙堆石坝施工期沉降非线性时变统计模型。并采用ARIMA理论进一步对残差进行分析预测,将残差预测结果添加到未考虑的常规监控模型中,构建了高心墙堆石坝施工期沉降非线性时变模型。(3)考虑传统单测点模型不能从整体上反映高心墙堆石坝施工期沉降变形的特点,基于BP神经网络,构建了高心墙堆石坝施工期多测点模型,该模型兼顾监测仪器的位置信息,从而更好的反映出不同测点之间的相互关系,计算结果表明,该模型具有较高的拟合及预测精度。