大坝变形监测是确保大坝安全运行的基础保障，其主要目的在于通过监测大坝上各点的位置变化，分析大坝安全监测资料，掌握大坝的变形规律，建立大坝的变形监测预测模型。实现对大坝变形的定量预测，以便及时发现大坝的异常变化，对其安全性能做出准确的判断，采取必要措施防止事故发生，保证大坝的安全运行。本文主要通过对小波理论和人工神经网络的介绍，研究了小波分析与BP神经网络有机结合的小波神经网络，建立了大坝变形预测的自适应小波神经网络模型，并将其应用于奉节某拦渣坝变形监测工程实例中，取得了较好的效果。主要研究内容和成果如下：(1)综述了几种常用大坝变形监测技术和变形分析与预测方法，通过对小波理论和人工神经网络的介绍，重点研究了小波分析与BP神经网络有机结合的小波神经网络模型。(2)确立了大坝变形的主要影响因素，并根据对小波函数和确定网络隐含层节点数方法的选定，设计了大坝变形预测的小波神经网络模型的结构。(3)通过对数据样本的剔除与划分方法、训练样本的学习方法、样本数据的归一化方法、网络参数的初始化设定方法和网络参数的调整方法的确定，得出了大坝变形预测的小波神经网络算法。建立了基于自适应调整学习率的大坝变形预测的小波神经网络模型，并应用Matlab7.1编写了大坝变形预测的小波神经网络模型程序。(4)应用奉节某拦渣坝变形监测数据对所建立的大坝变形预测的小波神经网络模型进行了实例分析研究。用建立好的小波神经网络模型对拦渣坝前11期沉降观测数据进行训练，将训练好的网络对大坝的后5期沉降观测数据进行预测，并将其预测结果与BP神经网络模型的预测结果进行比较分析。结果表明：基于参数自适应调整的小波神经网络模型比BP神经网络模型在收敛性、容错能力和预测精度上更具有优越性，其网络模型在大坝变形预测中具有良好的应用价值。