本文在全面总结归纳前人在大坝安全监控统计模型研究成果的基础上，针对最小二乘回归方法存在的不足，以偏最小二乘回归方法、正交信号修正法、加权块式递推偏最小二乘回归方法和神经网络理论为依据，提出了大坝安全监控的偏最小二乘回归统计模型、基于正交信号修正的偏最小二乘回归统计模型、加权块式递推偏最小二乘回归统计模型及基于RBF神经网络的偏最小二乘回归统计模型，并结合黑河金盆水库实测资料详细分析了各种模型的性能。此项研究工作不仅对工程实践有着重要的实用价值，而且对提高我国大坝安全管理水平有着重要意义。论文主要研究内容及成果如下：(1)全面系统地归纳总结了前人的大坝安全监控统计模型，并结合工程实例，分析了最小二乘回归方法在统计模型建模过程中存在的问题，指出因子间严重多重相关性是造成最小二乘回归模型结构不稳定和解释性差的根本原因。(2)依据偏最小二乘回归方法的理论，以统计模型的建模为应用目标，提出了偏最小二乘回归统计模型。研究分析表明，该模型能有效克服因子间严重的多重相关性，从而得到结构稳定及解释性强的统计模型。经工程实测资料的验算并与最小二乘回归模型比较，证明该模型是因子严重多重相关情况下建模的有力工具。为此本文在利用偏最小二乘回归方法提供稳定的统计模型结构，以及在将模型中时效变化图作为评价大坝安全状态的重要方法等方面取得了具有创新性的成果。(3)首先利用正交信号修正法对自变量预处理，再运用偏最小二乘回归法，结合大坝实测资料，首次建立了基于正交信号修正的偏最小二乘回归统计模型。研究表明，由于利用正交信号修正法，去除了效应量的正交因素，在运用偏最小二乘回归法时，只需要选择一个主成分，就能够建立模型。与传统的偏最小二乘回归统计模型相比，该模型结构更简单，解释性更好。(4)传统的偏最小二乘回归法存在如下缺点：模型一旦建立便固定下来，当过程特性或操作条件发生变化时，不能及时更新。针对这一缺点，本文首次提出运用加权块式递推偏最小二乘回归法建立大坝安全监控统计模型，通过实例研究发现，该模型能够很好地适应大坝运行状态的变化，对大坝的安全状态能做出更合理的解释。(5)针对大坝安全监控系统的复杂的非线性，本文将偏最小二乘回归法和RBF神经网络相结合，首次建立了相应的大坝安全监控统计模型，较准确地描述了大坝因子与效应量之间的非线性关系。