大坝安全监测数据是判断大坝安全、掌握大坝运行规律的依据。为了更加精确地了解大坝水平位移变形的过程和发展规律，借助温度、水位等监测信息，建立大坝安全的统计模型，对推测大坝未来位移变形和判断大坝安全有着重要意义。然而原始数据含噪情况复杂、模型拟合和预测往往会出现较大误差，影响了预测及判断的准确性。因此，本文以乌鲁瓦提大坝水平位移监测数据为研究对象，在综合分析国内外研究成果的基础上，借助MATLAB软件应用小波和卡尔曼结合的组合模型对原始监测资料进行去噪研究，还原真实数据，分析小波和卡尔曼滤波模型的适用性；通过分析影响大坝位移变形的因子，借助水位、温度等资料在SPSS软件平台中分别构建大坝位移变形的原始数据统计模型和去噪处理后数据的统计模型，并验证精度；对两种模型输出的影响因子系数进行汇总，得到回归方程，进行拟合，并选取20期数据为预测样本，通过输入影响因子对比分析两种模型预测的精度。得出了以下结论：
　　(1)四个测点的原始数据处理结果显示小波去噪在处理含噪较少序列中效果较好，但是当信号中含高斯白噪声时，效果不理想，所以再引入卡尔曼滤波，结果显示测点H2-1和H2-2含高斯白噪声信号经小波-卡尔曼处理后的MSE、SSE、MRE评定更低、精度更高，数据预处理效果和还原真实数据的能力明显更好，比单一小波去噪、卡尔曼滤波更具优越性。
　　(2)在构建的统计模型中，四个测点经去噪处理后数据建立的模型调整R2得到提高，标准估计的误差都有所降低，表明去噪处理后数据构建的统计模型拟合程度和精度更高。在对监测数据进行拟合时也证明了用去噪还原真实的数据构建的模型实测值和拟合值变化趋势基本一致，误差较小，总体拟合效果好。
　　(3)选用后20期原始数据为例验证两种模型预测的精度，结果显示去噪处理后模型预测结果与原始数据的预测结果相比残差、相对误差均有明显降低，四个测点的相对误差分别降低了50%、17.9%、41.9%和26.7%，去噪处理后数据构建的统计模型预测精度更高，在大坝监测数据拟合和预测中具有良好的应用价值。