大坝的建设是工程建设的重要内容之一，大坝安全是一个关系到社会公共安全的问题，因此大坝的变形监测分析与灾害预报已经成为工程变形监测分析与预报的重要研究内容。随着大坝变形监测技术的迅猛发展，如何建立一种或多种变形分析与预报模型，从大量的变形监测数据中，找出变形的规律，以提高预报精度和可靠度，已经成为大坝工程建设和管理运营领域的重要研究内容。 大坝变形是一个复杂的非线性系统，而人工神经网络具有自适应、自组织、并行计算和联想记忆等能力，特别适合于描述不确定的和复杂的非线性系统。所以，本文尝试用人工神经网络建模的方法来预测大坝的沉降变形。在查阅大量国内外相关文献的基础上，首先介绍了大坝变形预测的国内外研究现状，然后分析了人工神经网络的基本理论，介绍了神经网络预测的方法，并建立了基于神经网络的多步滚动预测模型。 本文针对BP神经网络和RBF神经网络分别建立了大坝的沉降变形预测模型，对两种模型进行了对比分析，实验结果表明RBF神经网络预测模型在网络训练速度和预测精度等方面明显优于BP神经网络预测模型。最后，本文提出一种改进的RBF神经网络的学习算法，本文给出的RBF神经网络学习算法包括两个过程：首先用减聚类算法对学习样本聚类，得到合理的RBF径向基函数的中心参数，并用自动终止聚类判据确定径向基函数数目；然后利用共轭梯度法对输出权值进行调节。该算法既能合理地对学习样本聚类，又可提高网络的映射能力。仿真结果表明采用该方法进行大坝的变形预测可以取得良好的效果，对实际生产具有一定的指导意义。