大坝安全是社会、国防和生态安全的重中之重。对大坝进行安全监测,及时掌握大坝的安全性态及演变趋势是确保大坝安全的重要手段。随着大坝自动化监测系统的发展,数据量呈几何性增长,数据规模不断扩大,如何高效科学地处理分析这些数据成为新的研究热点。本文以海量数据处理分析需求为出发点,以大坝整体性分析为主要思路,利用盲源分离理论以及相关向量机的相关方法对大坝监测数据进行研究分析,力求寻找科学、可靠、高效的监测数据处理方法。本文的主要研究工作如下:研究了大坝缺失监测数据的插值方法,提出了基于核独立分量分析-相关向量机(KICA-RVM)的大坝缺失监测数据插值方法。根据大坝各监测点间数据的相关性提出了利用相关测点为目标测点估值的大坝缺失监测数据插值方法。该方法利用核独立分量分析方法提取相关测点中统计独立的特征信息,通过相关向量机对目标测点进行回归预测。该方法具有精度高、适应性强、便于操作等优点。为了提高监测数据分析的效率,建立了基于快速独立分量分析-相关向量机(Fast ICA-RVM)的多测点监测模型。利用快速独立分量分析算法提取多测点的特征信息,并且运用该方法对预报影响因子进行降维去除自变量因子间的相关性,然后利用相关向量机良好的函数逼近能力对多测点特征信息进行回归预测,实例验证表明该模型能够达到单测点模型同水平的预测精度。同时,由于相关向量机不但能够输出确定性预测结果而且能够输出预测值的概率分布,给出一定置信度的预测区间,便于指导监测系统的决策。针对水工建筑物裂缝开度等监测物理量的监测资料一般是非平稳的特点,建立了基于时频分布盲源分离-多输出相关向量机(TFBSS-MRVM)的大坝多测点时变监测模型。利用能够有效提取非平稳信号时变特征的时频分布盲源分离算法提取多测点的非平稳特征信息。同时,利用多输出相关向量机对多个特征信息同时进行预测,进一步提高监测效率。经实例验证,该模型对于裂缝开度等非平稳监测量的预测具有较高精度。