拱坝的变形受到多方面因素的影响，变形与各影响因子之间的关系是复杂的，高度非线性的映射关系。传统方法只能近似地描述变形与各影响因子之间的关系。而小波变换技术和神经网络理论能行之有效地解决这类问题。本文在对拱坝变形的影响因子进行系统分析的基础上，采用多分辨分析的方法对影响拱坝变形的温度、水位特征进行了分析。详细地分析了温度的周期特征，水位的一般特征。同时，对温度、水位的分解结果进行去噪，去除其高频噪声，然后重构提取温度、水位的典型特征结果，为大坝变形的预测监控做准备。采用最优正交小波基分解拱坝的变形资料，然后去除其高频噪声的影响，重构变形结果，并详尽地分析了拱坝变形的一般规律。本文抓住影响拱坝变形的主要影响因子——气温和水位，以及实测变形之间的间接关系，利用小波变换提取的信息和大坝变形信息作为输入，实测变形值作为输出，通过对模型的合理优化和有效的数据处理，成功建立了拱坝变形的 BP网络监控预测分析模型。通过模型的运算，得出了满意的结果，并且模型的预测精度较高。本文研究结果表明，小波变换技术是对大坝原型观测资料进行分析的有效手段；神经网络通过对问题的隐性描述，能有效地实现变形与各影响因子之间的复杂的高度非线性映射关系。因此，小波变换技术和神经网络理论在大坝的原型观测资料分析方面具有较强的工程适用性和较好的应用前景。