本文为岩石边坡监测信息的分析提出边坡状态模式的概念，并将神经网络模式识别和专家系统综合评判的方法引入边坡监测资料分析的领域中来。影响边坡稳定性的因素十分复杂，使人们很难根据监测资料准确、全面地描述边坡的稳定性。受在边坡稳定性数值分析时常按某种滑裂面形式计算其安全系数的做法的启发，本文认为对应于监测数据的变化所揭示的情况，边坡必定处在某种可用状态模式描述的稳定性状态之中。这个状态模式包括边坡可能失稳的滑裂面形式和地下水分布形式。在实际应用中，必须在深入研究边坡的基本情况的基础上，预先提出尽可能覆盖全面的边坡状态模式集。本文的第二项工作是丌发边坡监测的模式识别器，用于根据监测资料判断边坡应处于的状态模式。模式识别器采用BP网络多层感知机结构，其开发和训练耗费了大量的工作。本文的第三项工作是将边坡稳定极限分析程序EMU引入边坡监测资料的分析中来。上述边坡监测模式识别器可将边坡的基本资料、监测信息和模式识别结果综合形成EMU程序的数据文件。将此数据文件送交EMU程序进行计算，就可以得出各监测时刻边坡的安全系数，从而判定边坡的稳定性。本文的第四项工作是对以往监测活动中形成的边坡安全系数时间序列建立一个神经网络拟合和预测模型，用于预测将来时刻边坡的安全系数，在出现险情时也可以预测滑坡的发生时间。最后一项工作是应用专家系统技术开发一个全面考虑所有监测信息的综合评判程序，辅助安全系数进行边坡稳定性的决策。 本文将小浪底水利枢纽进出口高边坡作为实例，贯穿于上述各项研究工作之中。