目前关于大坝安全监测数据分析模型和方法的理论研究与实践运用已经取得了广泛成果。统计模型由于其具有明确表达式、可解释性强等优点是使用最普遍,最广泛,也是发展历程最丰富的大坝安全监测数据分析模型。但由于大坝结构受外界环境驱动和内部不断演变导致大坝安全监测数据中出现动态特征规律时,如果继续利用传统大坝安全监测数据的静态统计分析模型往往不能较好地描述大坝变形效应量与环境变量之间的函数关系。因而,本文针对现有大坝安全监测数据的统计模型和分析理论中存在的缺陷和局限性,以混凝土重力坝变形监测数据分析为主,将其他学科领域内的统计方法和理论研究综合运用于大坝安全监测数据分析中,致力于研究大坝安全监测数据的动态统计分析模型。通过以动态的思想去认识和研究大坝的运行规律,有利于更加合理地对大坝时变系统做出评价分析,进而满足一些工程应用的需求。本文的研究内容如下:（1）为确保大坝安全监测数据动态统计分析模型构建和分析方法选择的有效性、准确性和适用性,首先对由于外界环境的动态变化影响或是大坝结构动态变化影响导致大坝安全监测数据中出现的动态特征进行识别。通过对时间序列中有关突变点分析和渐变趋势分析的统计方法综合对比分析研究,为解决大坝安全监测数据中的突变特征识别问题,本文基于Pettitt非参数检验法对大坝安全监测数据的突变特征进行识别,通过引入过白化处理法对原始监测序列进行过白化处理,在保留原始监测序列原有突变和趋势特性低损情况下有效消除了监测序列中的相关性问题,保证了 Pettitt突变点检验法检验结果的精度。通过实例分析,Pettitt突变点检验法准确估计了该测点水平位移变形监测序列的中突变点个数、发生突变点的时刻以及发生突变的显著性水平值,同时也验证了 Pettitt突变点检验法的适用性和可靠性。为解决大坝安全监测数据中的渐变特征识别问题,本文提出了基于线性函数检验法和MITA非参数检验法相结合的混合检验方法对大坝安全监测数据的渐变特征进行识别。通过实例分析,主要研究了大坝安全监测数据中的渐变趋势存在性分析,渐变趋势类型分析以及渐变趋势显著性程度分析等内容。（2）由于受外界环境的动态变化影响（比如受地震等因素影响）导致大坝系统从一种稳定的状态转换为另一种稳定状态,间接导致了大坝安全监测数据中存在个别突变点的情形。为研究大坝系统在地震等外界环境动态因素影响前后各时间段内大坝的运行状态,发展规律和结构机制是否相同,本文提出了大坝安全监测数据的自适应分段统计模型。基本建模过程是在构建大坝水平位移变形量与水位、温度和水位温度交叉项单一统计模型的基础上,利用BG分割法对单一统计模型的残差序列进行分段处理并将其分段结果作为自适应分段统计模型的建立依据。通过分段处理既可保证同一分段内的监测数据具有类似的统计性质又可保证在不同分段内的监测数据又具有不同结构特性,并且还可以分阶段性的模拟和反映大坝变形动态变化特征和发展规律。（3）由于受大坝结构动态变化影响（比如大坝材料参数老化）导致大坝安全监测数据中出现渐变特征的情形。在这种情形下建立大坝变形监测数据统计模型时通常会考虑用时效项来反映大坝系统的老化过程,但是时效项的具体形式又不是太明确,往往是时间的一种或者多种数学表达形式的线性组合来表示时效项,并且认为水位、温度等环境因素对大坝变形效应量的影响是固定的。这类模型忽视了不同时刻外界荷载（水位和温度荷载）情况下对大坝变形效应量的作用强度变化。基于此,本文从外界荷载直接作用于大坝系统的强度动态变化来反映大坝结构的老化过程,建立了大坝安全监测数据的时变参数状态空间模型,并利用卡尔曼滤波算法实现对大坝安全监测数据时变参数模型的精确估计。通过实例分析,验证了该模型对大坝安全监测数据中有渐变趋势情形的统计问题分析具有良好的适用性和合理性,并对模型中各变量的时变参数以及外界荷载产生的位移分量随时间连续变化过程进行研究进而描述环境变量对大坝系统的动态影响规律。