基于多源时空信息的混凝土重力坝运行性状融合诊断研究是大坝安全监控领域的热点问题之一。针对目前大坝融合诊断方法中难以考虑监测指标的随机性与模糊性的不足,本文从混凝土重力坝多效应量融合诊断体系的构建入手,综合运用统计学、弹性力学、神经网络、主成分分析、云模型等方法,以建立不同效应量的监控模型为基础,通过对其拟合残差的分析,构建了融合多效应量的混凝土重力坝运行性状诊断云模型。主要研究内容如下:(1)探讨了坝体运行性状融合诊断效应量的选取原则以及评价集的设计方法,构建了混凝土重力坝融合诊断结构体系,从而为诊断的开展提供依据。(2)研究了时间序列的相关特征和建模方法,分析了在建立具有滞后效应的监测指标的监控模型时,自回归滑动平均模型的计算优势。在结合回归因子选取的基础上,建立了扬压力效应量监控模型,通过误差分析,佐证了自回归滑动平均模型的有效性。(3)探究了混凝土重力坝混合模型的构建方法,研究了多测点位移场条件下坝体参数的优化反演方法,分析了神经网络在拟合水压分量时的计算优势,并在此基础上采用神经网络-逐步回归方法建立混合模型,结合工程算例,显示了该模型具有更高的拟合精度。(4)分析了混凝土重力坝监控模型拟合残差的分布规律并根据其分布函数,依概率对残差进行了区间划分,结合云模型计算方法,建立了单测点的诊断云模型,利用主成分分析法分配各测点权重,构建了单效应量的诊断云模型。在此基础上,利用多维云算法得到了多效应量的诊断云模型,进而实现了对混凝土重力坝运行性状的逐层诊断。