变形监测是国内外大地测量和防灾减灾领域十分关注的边缘前沿课题之一。变形分析与预报是变形监测的重要内容,随着变形监测技术与手段的一体化、自动化、数字化、智能化,如何及时、有效地从大量变形监测数据中,进行变形分析、解释,并对变形作更长期预报,对于建筑工程的安全施工和管理,变形机理解释有着重要意义与实用价值。时间序列分析是变形分析与预测中的一个重要研究方向,由于工程建筑物变形大多具有不规则、混沌等非线性特征,因此研究采用非线性方法对具有不规则、混沌等非线性特征时间序列进行分析具有重要的理论和实用价值。本研究主要内容包括：　　 ⑴介绍了变形分析和预报的研究现状和发展趋势,对非线性时间序列进行概述,对于非线性时间序列分析常用方法进行介绍。　　 ⑵针对变形监测数据中存在的噪声问题,根据小波的多分辨率与时频分析特点,用目前应用最广泛的阈值去噪方法对含有噪声的变形监测数据进行消噪处理,针对传统阈值选取方法中存在不连续性和伪吉布斯现象的问题,提出一种自适应阈值去噪方法。结合实例,验证了此方法的有效性。　　 ⑶研究了目前非线性时间序列分析的热点.基于人工神经网络的分析方法。对人工神经网络的原理进行介绍,分析了BP网络和RBF网络,通过Matlab编程并应用实例证明RBF网络预测效果优于人工神经网络中最常用的BP网络,由此得出RBF网络在变形监测数据预测中具有较好实用价值。　　 ⑷对具有混沌特性非线性变形系统,引入混沌理论,在相空间重构的基础上,采用最大李亚普诺夫指数特征量对变形监测数据进行混沌识别,结果显示变形监测时间序列中含有混沌。建立了基于李雅普诺夫指数预测,利用神经网络良好特性对混沌时间序列进行分析预测,采用实例分析比较得出神经网络不仅能够很好拟合历史数据,还能对系统的未来状态作出更准确预测。随着非线性科学快速发展,基于神经网络和混沌理论的方法将在非线性时间序列分析中发挥更重要作用,其应用必将更加广泛。