随着水资源不断开发与利用的发展,大坝安全问题日益突出,历史上曾多次发生大坝溃坝灾害,溃坝坝型大多数均为土石坝,而我国大坝以土石坝为主,且病险水库中也以土石坝居多,所以针对土石坝的具体情况和特点,对原型监测资料进行及时处理和分析,并在定性分析的基础上,建立预测模型对其进行定量分析,对实现大坝安全性态的实时评判和馈控大坝的安全运行显得十分必要,对探求更多监测资料分析方法和符合实际的监控模型具有重要意义。目前,针对土石坝原型监测资料分析中某些方面（仅对变形或者渗流）的研究较多,但对土石坝监测资料进行系统分析研究相对较少,且分析方法大都局限于传统的统计回归分析法或以单个算法（如遗传算法、神经网络等）进行建模分析研究。为此,本文在对土石坝原型监测资料系统分析的基础上,结合多种分析方法对其监控模型进行研究,主要研究内容和成果如下:（1）系统阐述原型监测资料分析的一般原理步骤,编制逐步回归分析计算建模程序分析土石坝各效应量与其影响量之间关系。（2）建立遗传-回归模型。通过逐步回归分析确定土石坝效应量的影响因子总集,采用遗传算法对预报因子集进行随机组合优选出一组最佳自变量因子组合(X_α1,X_α2,…,X_αk),使根据该因子组合建立的多元线性回归方程的拟合和预测的均方根误差最小,工程算例应用表明该模型是可行的,具有较高的预测精度。（3）建立BP神经网络模型。着重论述了BP神经网络的模型与结构及其学习规则相关数学表达式的推导,面向MATLAB的BP网络原理及设计,通过对学习训练过程每次权值和阈值改变量中加入一动量项来改进BP神经网络,利用MATLAB语言编制模型计算程序,工程算例应用表明,该模型拟合、预测效果很好,优于前两种模型。（4）工程应用研究。建立三种预测模型,进行工程实例应用研究,对建模的计算成果进行绘图和列表对比分析,探讨每种方法的优缺点和适用条件。为以后实际工程的资料分析提供参考和更多选择途径。