国内外一系列的溃坝事件使人们已经认识到，为了保障大坝的安全运行，必须针对大坝开展安全监测工作。大坝安全监测是大坝安全运行的耳目，是降低工程风险、减少事故、揭示大坝实际工作性态的重要手段。大坝安全监测是直接获取大坝信息的重要组成部分，对大量的监测资料及时地处理分析，可以进一步地掌握大坝的运行特征及规律，及时发现潜在的危机，减少经济损失甚至避免灾难的发生。因此，大坝安全监测数据的处理与分析，已成为水利工作者不可回避的问题。人工神经网络作为一种新兴的、功能强大的信息处理方法，特别是其强大的函数逼近能力、自组织和自适应能力，使其在大坝监测数据分析与处理方面也得以应用。目前，大坝安全监测神经网络模型的研究处于发展阶段，本文针对BP神经网络的不足，提出Elman神经网络模型，并进行以下研究：　　 (1)阐述了Elman神经网络和BP(BackPropagation)神经网络的基本原理，并根据其原理构建Elman神经网络预测模型和BP神经网络预测模型；　　 (2)利用Elman神经网络预测模型和BP神经网络预测模型，结合碧口大坝的工程实例，分别对沉降位移和渗压进行预测，结果表明Elman神经网络模型在预测中具有相对较高的预测精度和较强的稳定性；　　 (3)针对Elman神经网络容易出现局部极小值等不足，将具有人工智能的粒子群算法(ParticleSwarmOptimization)引入Elman神经网络模型，用来优化神经网络的阈值和权值，进而建立PSO-Elman神经网络模型；　　 (4)结合碧口实测资料，证明PSO-Elman神经网络模型在大坝安全监测数据预测分析中相对于BP神经网络模型、Elman神经网络模型具有一定的优越性。