大坝变形是由于受到温度、坝体荷重、地质结构等各种因素的影响,坝体的形状和位置发生相对变化,是一个从量的积累引起质的改变的过程。有些不均匀沉降使大坝变形超出了一定的范围,危及到大坝的整个结构,随时都有可能发生安全事故,影响下游人民的正常生产生活,因此大坝安全监测也受到了越来越多的关注。整理大坝的沉降观测数据、研究沉降分析技术并预测坝体的运行规律等工作很有意义。本文以岳城水库大坝监测数据为研究对象,采用小波分析、Kalman滤波等信号分析方法探讨了监测数据净化技术,基于灰色优化模型及时间序列模型,对沉降预测技术进行系统研究,论文主要研究内容和成果如下:(1)基于仿真和实测数据,对比分析了小波滤波和Kalman滤波降噪效果,并采用均方根等三种方法对降噪效果进行了系统评价。实验结果显示,采用改进的软阈值小波技术和Kalman滤波降噪模型均能获得较好的降噪效果,并发现在数据时间序列较短时Kalman滤波降噪模型效果更优。(2)系统介绍了灰色理论和自回归(AR)模型(时间序列模型)并结合实测数据构建了灰色系统预测模型和六次自回归(AR)模型,验证结果显示当具有较丰富的监测信息数据时,采用自回归(AR)模型可以取得更好的应用效果,且该方法预测步长、模型可靠性也明显优于灰色系统模型,灰色模型更适宜在贫信息条件下应用。(3)以岳城水库大坝沉降观测数据为研究对象,收集整理了29个点位,从1994年-2013年变形监测数据,采用改进的小波降噪方法进行了数据净化;构建了灰色系统预测模型和自回归(AR)模型,进行了大坝变形预测并对大坝的稳定性进行了系统分析,结果显示岳城水库大坝变形较小,远低于变形容许范围,大坝处于良性运行状态。