大坝原型观测数据处理是其安全监控的重要研究内容，本文针对大坝安全监控模型的拟合残差、分量提取及指标拟定等内容，综合运用统计学方法、遗传算法、人工神经网络、混沌理论、最小二乘支持向量机算法与有限元法等方法，以混凝土坝为研究对象，结合大坝位移原型观测资料，在建立混凝土坝安全监控模型的基础上，研究了监控模型的数值优化方法，探究了大坝主要物理力学参数的反演方法，并给出了大坝变位预警指标的拟定方法。主要研究内容如下：(1)研究了混凝土坝安全监控模型的构建方法，利用遗传算法优化神经网络算法，融合混沌理论，运用相空间重构等技术，对大坝位移拟合残差进行预测，并将残差预测项作为位移监控模型的混沌因子，据此构建了考虑残差混沌因子的混凝土坝位移混沌混合监控模型，并验证了所建模型的有效性。(2)探讨了混凝土坝综合弹性模量的反演方法，在此基础上，提出了一种能够反映大坝位移和坝体弹性模量间非线性映射关系的最小二乘支持向量机(LS-SVM)反演算法，并利用MATLAB平台，研制了基于LS-SVM算法的反分析程序。(3)分析了服役期混凝土重力坝和拱坝的变形过程和转异特征，并在对大坝正反分析的基础上，进一步研究了混凝土坝变位预警指标的拟定方法。(4)以某在役混凝土重力坝为例，在分析其水平位移变化规律的基础上，基于上述理论与方法，构建了该坝位移统计模型、混合模型及考虑残差混沌因子的混沌混合模型；并结合其典型坝段位移监测资料及正反分析成果，拟定了该坝变位预警指标，为评判大坝安全状态提供了理论依据。