随着大坝变形监测技术的发展，大坝变形监测数据的获取也越来越多样化。但是其数据分析方法仍然是针对单点的预测，无法从整体的角度对大坝的变形进行分析。人们迫切需要一种可以从宏观的角度快速分析大坝整体变形规律的方法。由此可见，对大坝进行位移强度聚类分析，找出大坝的整体变形规律具有重要的意义。针对这种情况，本文将改进的基因表达式自动聚类算法应用于大坝位移强度的聚类分析中，主要研究工作如下：（1）对引入的位移强度进行了深入的分析，结合大坝变形监测数据的特点，选择大坝所有变形监测点在监测时段内的平均位移速率作为临界速率，并以此为基准确定大坝的位移强度值；（2）针对大坝变形监测数据所含的突变的噪声可能对聚类分析产生不利的影响，采用小波阈值去噪算法对原始的大坝变形监测数据进行噪声的去除；（3）为了消除大坝监测点分布不均及监测点之间较大的空间间隔所导致的大坝整体变形规律分析中存在分析的盲点，在坝体表面生成1m*1m的空间格网均匀的覆盖坝体，采用径向基插值算法对格网点进行位移强度插值，以此反映大坝的整体变形情况；（4）针对现有的基因表达式自动聚类算法在高维度空间数据聚类方面的不足，对现有的算法进行了改进。提出基于主成分的基因表达式自动聚类算法，并将高维度的大坝变形监测数据映射到低维度空间，通过降维实现大坝变形监测数据的聚类操作；（5）采用.NET与Matlab混合编程技术，实现所提出的基于基因表达编程的大坝位移强度聚类分析模型；（6）将基于基因表达式编程的大坝位移强度聚类分析模型应用于江西省赣州市上犹江水库大坝的变形监测工程中，并对该大坝的整体变形规律进行过分析。通过分析可以清楚地看出，上犹江水库大坝坝体下游的位置形变活动比较稳定，上游的位置变形活动比较剧烈，中间位置形变活动居于二者之间；大坝的左岸变形活动比较稳定，右岸变形活动比较频繁；且水流方向的形变活动要强于大坝轴线方向和垂直位移方向。将位移强度聚类可视化效果图与各个方向的位移强度值三维效效图进行比较分析，可以发现聚类的结果与大坝的变形情况基本上是相符的，由此也证明了所提出的基于基因表达式编程的大坝位移强度聚类分析模型的聚类分析结果基本上是可靠的。