混凝土坝的病害其中最常见的就是裂缝,在国内外已经建设完成的或者正在建设的混凝土坝中,或多或少存在着各种类型的裂缝。为防控大坝裂缝的产生和发展,在坝体中埋设了大量的监测仪器,而每一类监测仪器有几十个或者上百个监测点,常常积累了海量的监测数据。若用传统的分析方法逐点的建模分析,工作量大、计算时间长,且无法全面分析和了解大量物理量之间的相互关系,难以达到海量数据处理的需求。数据挖掘方法可以从海量数据中高效地提取出有用的信息,自动挖掘隐藏于海量的、随机的、模糊的、有噪声的、不完全的数据中的有用知识,是大数据的时代的主要分析手段之一。随着信息技术的发展,数据挖掘技术在大坝监测资料分析中不断的得以应用。本文采用数据挖掘方法,结合某混凝土大坝的监测资料,通过粗集分析、模糊聚类、决策树技术,融合方法中的优点形成新的算法,对混凝土坝运行期间裂缝成因及规则提取的相关分析算法进行了深入研究,得到的主要研究成果和结论如下:(1)研究了有监督(基于属性重要性)和无监督(基于模糊C-均值聚类)的离散化算法,编制了相应的离散化程序,通过对监测资料序列进行离散化计算,对比分析两种算法的优劣和适应范围。实例分析表明,模糊C-均值聚类算法收敛速度快,能充分考虑条件属性之间以及条件属性与决策属性间的相关性,对海量数据处理效率更高,效果更好。(2)基于粗集一模糊C-均值聚类法,构造大坝病害信息表,建立了混凝土大坝结构裂缝病害挖掘模型,进行裂缝影响因素挖掘和提取,开发了 Matlab粗集分析计算程序。通过实例验证,对某混凝土坝裂缝影响因素进行分析,得到影响结构裂缝演变的主要影响因素,其计算结果与资料分析的结论一致。(3)对于规则提取,在属性约简集合的基础上引入粗糙集的可信度和支持度的概念生成决策树,提取规则,并引入决策规则评价中可信度、支持度和覆盖度的概念对提取的规则进行筛选,获得精简规则集,建立了基于粗集和决策树提取裂缝开度变化规律分析的新算法。通过实例分析,得到某大坝裂缝演变的精简规则集:低温低水位是裂缝开度变化的最不利组合,低温裂缝开度大,低水位裂缝开度大,影响因子温度对裂缝的影响最大,该与资料分析报告的结论相吻合,验证了规则提取新算法的有效性,且较其他算法具有高泛化能力、高推理效率、不受主观因素控制和算法精简的优越性。可用于大坝病害成因挖掘和规则提取。(4)创建了混凝土拱坝裂缝成因分析与规则提取生成系统,实现算法可视化,完成了系统的主体框架、主界面以及部分模块计算程序的设计。