大坝安全监控是根据大坝监测的数据资料，应用某种数学方法，建立能够有效地反映大坝效应集与外界荷载集间影响关系的监控模型，来模拟和预测大坝的运行性态，进而综合评价大坝的健康状况，是保证大坝能够安全有效地运行的最常用手段和方法。经过国内外水利人多年的不懈努力，大坝安全监控理论和方法的研究与应用已经取得了很大的进展，为确保大坝的安全运行起到了巨大的作用，但是仍然存在一些问题和不足。　　本文在研究传统的混凝土大坝监控统计模型的基础上，针对传统监控统计模型存在的不足，引入了极限学习机算法，提出了极限学习机监控模型，并结合丰满水库大坝的实测资料对极限学习模型进行了性能的研究分析。通过与多种传统监控模型对比，极限学习机模型在混凝土大坝安全监控方面具有很大的优势。同时，为了可以更加全面而准确地评估大坝的运行状态，满足实际工程应用的需要，本文基于MATLAB语言，将多种性能互补的监控模型进行了编程整合，开发了大坝安全监测数据分析软件系统。此项研究工作不仅对实际工程有着重要作用，而且对我国大坝安全监控研究的进一步拓展具有重要意义。　　本文的主要研究工作内容如下：　　（1）归纳了国内外在大坝安全监控统计模型上的研究成果，并结合丰满水库的实测资料对多种传统的监控模型进行了分析研究，其中包括多元线性回归模型、逐步回归模型、BP神经网络模型，指出了传统的监控模型在性能上存在的缺陷。　　（2）引入极限学习机算法，提出了大坝安全监控的极限学习机模型，并基于该模型实现了对丰满水库坝体位移的模拟与预测。通过与多元线性回归模型、逐步回归模型、BP神经网络模型的计算结果对比，极限学习机模型具有易操作性、计算速度快、预测精度高等优点，很大程度上弥补了传统监控模型在诸多方面的不足。　　（3）基于MATLAB语言，开发了大坝安全监测数据分析软件系统，并验证了该系统的简洁性、有效性。