我国拥有世界上数量最多的土石坝,由于渗流对土石坝有重要的影响,研究、监控渗流对保障土石坝的安全至关重要,渗流监控模型的建立具有重要意义,但是渗流监控模型的拟合预测效果不佳的情况,仍有较大的提升空间。本文在参考国内外大量参考文献的基础上,科学合理的分析土石坝的各环境量和效应量之间的关系,建立各种监控模型对效应量进行拟合和预测,并利用遗传算法的优化功能,提升渗流监控模型的拟合预测效果。本文结合横向项目:“水库大坝渗流分析及对策研究”,开展了遗传算法在土石坝渗流监控模型应用研究,从土石坝的测压管水位和渗流量两个方面建立相应的监控模型,并利用遗传算法对渗流监控模型进行优化。主要研究内容和成果如下:1.本文结合该横向项目的土石坝原型观测资料对测压管水位和渗流量分别建立相应的统计模型和BP神经网络模型,并利用遗传算法优化并建立遗传统计模型和GA-BP神经网络模型。经过模型预测能力检验指标证实,经过遗传算法优化后的监控模型有更高的的模型精度和预测效果。另外,基于遗传算法优化后的监控模型,利用置信区间法建立的测压管水位和渗流量的监控指标,可直接用于工程监控,具有较强的实用意义。2.在利用遗传算法对统计模型和BP神经网络模型进行优化后发现,遗传算法均使模型在模型精度、预测能力上有一定的提升,但是提升的空间有限。所优化的模型如果自身的模型精度、预测能力不佳,遗传算法很难在根本上改变这个情况。因此,要获得最优的监控模型,除了利用遗传算法优化监控模型外,更重要的是选择模型拟合能力强的监控模型,比如BP神经网络模型。