引水工程是调动水资源解决地域性缺水的重要工程,在水资源分配过程中起到战略性、基础性和全局性作用。引水工程受跨越的空间和所处环境的影响,在渠道内部存在许多的安全隐患。渠道水体通过透水岩土带大量渗漏时,将会使渠道边坡遭到渗透破坏,引起塌滑和溃决,从而导致边坡失稳影响引水工程的供水效益。因此,对引水工程进行安全监控,及时准确地掌握引水工程工作状态具有重要的实际意义。对引水工程渗压展开监测和预测工作,需根据引水工程所处环境不同及自身的特点,考虑影响渗压的因素,建立能反映实际渗压情况的渗压预测模型,保障引水工程的安全稳定。飞蛾捕焰优化(MFO)算法是具有较大发展潜力的新型智能优化算法,具有实现简单、收敛精度高等特点。本文采用MFO算法结合纵横交叉算法和混沌算子对该算法进行改进形成纵横交叉飞蛾捕焰(CCMFO)算法。根据引水工程渗流产生的基本原理,确定水位、温度、时效和降雨为渗流的四个影响因素。以渗压监测的多元回归模型和BP神经网络模型为基础,构建多元回归和BP神经网络渗压预测模型,采用CCMFO算法对回归模型系数和BP神经网络模型权值阈值的更新方式进行优化。将CCMFO算法优化的渗压预测模型与原模型进行对比分析,结果表明与传统回归模型相比,CCMFO-回归渗压监测模型提高了渗压拟合和预测精度,达到了更好的渗压预测效果;和BP神经网络模型相比,CCMFO-BP渗压监测模型在迭代速度和收敛精度上均取得更好的效果,达到了提高模型拟合精度增强模型预测能力的目的。CCMFO算法提高了2种渗压监测模型的拟合效果和预测精度,并为类似工程的监测数据分析提供了一种可行的方法。