随着时代的发展，大型工程建筑物不断增多，人们对建筑物的安全要求也越来越高，在建和已建工程建筑物的监测工作变得越来越重要，同时监测技术不断进步，监测数据越来越庞大、复杂，因此对变形监测数据处理的研究也逐渐成为测绘工作者研究的热点。本论文在对几种常用的变形监测数据处理方法以及偏最小二乘理论研究现状分析的基础上，展开了基于偏最小二乘分析法在变形监测数据处理中的应用研究。　　 首先对回归分析法、灰色系统理论、BP神经网络以及时序分析法这几种常用的数据处理方法做了简单介绍，论文详细介绍了后两种方法，即BP神经网络法和时序分析法，并由程序实现了这两种方法的预测模型，结合工程实例对变形监测数据进行预测。对这两种方法预测效果的评判均以实测值为标准，由预测结果可看出两种预测模型在工程实例中的预测效果均较好，这也验证了本论文中所采用模型的正确性。　　 然后详细介绍了偏最小二乘回归的特点，叙述了偏最小二乘回归的建模方法，以及求解算法。在本文中还对偏最小二乘回归模型进行了辅助分析。偏最小二乘，是一种新型的多元统计分析方法，它是普通最小二乘法的一种改进。本文通过对偏最小二乘有关理论的研究，将偏最小二乘的理论应用到软土路基沉降预测中，该方法与其他软土路基沉降预测常用方法相比，精度上有所提高。　　 最后本文以软土路基沉降预测为例，选取了5个相关性很强的自变量，阐述了偏最小二乘的建模方法并加以辅助分析。同时利用软土路基沉降预测中常用的曲线拟合法(双曲线法、指数曲线法等)以及常规最小二乘法对同样的数据进行了处理。通过数据对比得出偏最小二乘方法在软土路基沉降预测中是可行的。而且利用偏最小二乘方法在预测软土路基沉降，具备了一定的推广能力，可以对新的工程进行合理的预测。偏最小二乘法与最小二乘法相比，在处理自变量之间强相关性的问题上具有一定的优势。从预测结果来看，偏最小二乘法比较合理，可信度较高。