随着经济的发展和科技的进步，大型工程的建设规模和速度都呈井喷式增长，随之而来的各种工程事故也层出不穷，变形测量工作就显得愈加重要。本文从变形测量技术以及数据处理方法的角度出发，重点对变形测量基本理论、工业检测曲面拟合、实时动态变形测量及数据处理、变形数据预测以及基于变形测量的岩土力学参数反演几个方面进行了一定的探讨，主要研究内容集中在如下的几个方面： (1)变形测量基本理论的研究阐述了论文研究的背景以及意义，辨析了变形测量的含义以及研究的内容和范围，重点是变形监测和变形检测的联系和区别，介绍了当今变形测量技术的研究进展，主要是当前发展迅速、应用前景广泛的几种新兴测量技术，并且总结了变形测量数据处理方法的国内外研究现状和进展。 (2)基于改进遗传算法的工业检测曲面拟合针对有明确表达式的工业曲面，从参数辨识的角度提出将平移、旋转参数以及标准曲面表达参数作为需辨识的量，采用遗传算法通过种群进化的方式求得这些参数。由于传统的遗传算法存在一定的缺陷，从选择算子、交叉算子、变异算子等几个方面对其进行了改进。在两个工程实例中应用了该方法，表明了该方法的有效性，并且通过比较发现，对遗传算法的改进起到了一定的效果，改进方法的收敛速度有了较大提高，同实测值比较的均方误差更小，并且能够有效避免陷入局部极小。 (3)实时动态变形测量及数据处理介绍了实时动态变形测量技术的定义、特点以及三种实时动态变形测量系统模式；提出了一种RTK—GPS精度测试的方法，即模拟几种常见的运动方式，分别是直线运动、正弦运动以及旋转运动，并且进行了这三种模拟运动状态下RTK—GPS的精度测试；探讨了小波分析在动态变形测量数据处理中的应用，主要是在消噪以及特征提取中的应用；分析了建筑物振动多频率成分分析的必要性，提出了两种分析方法，分别简称为频谱分析法以及GA分析法，并且通过一个模拟算例以及一个工程实例将两种方法进行了比较，认为频谱辨识法是一种应用较简便的近似方法，GA辨识法能够取得更加准确的频率、振幅等振动参数；提出将动态测量技术用于桥梁撞击问题研究的探讨，并且用实验说明了该方法的可行性。 (4)变形数据预测总结了变形数据预测的研究进展；提出了能够顾及多点之间的关联信息的灰色关联预测模型；进行了将小波神经网络应用于变形数据预测的尝试，相对于一般的前馈神经网络增加了平移和缩放两个自由度；改进了BP神经网络预测模型，提高了BP神经网络的泛化能力并且加快了收敛速度；提出采用并且改进了GMDH神经网络预测模型，使网络的泛化能力和收敛速度有了较大的改善；提出采用最优加权组合预测模型以及基于预测有效度的组合预测模型，能够综合利用不同预测模型所提供的信息，改进预测效果。每种方法的提出以及改进均用工程实例证明了其有效性，表明了本文所提出或改进的方法具有一定的实用价值。 (5)基于变形测量的岩土力学参数反演分析了岩土力学参数反演的特点，总结了基于变形测量的参数反演研究进展，提出了一种基于有限元和神经网络、遗传算法两种人工智能算法的变形测量参数反演方法，在一个连拱隧道的工程实例中进行了应用，并且与基于有限元和神经网络的参数反演结果进行了比较，比较的结果表明本文提出的岩土力学参数反演方法相对而言更具优势。 最后，对本文所做的工作进行了总结，并且对进一步研究的方向进行了简兽的探讨。