张 帆，胡伍生

（东南大学 交通学院，江苏 南京210096）

修建水坝是综合利用水资源的最为重要的工程措施之一。水利水电工程给人类带来巨大的综合经济效益，包括防洪、发电、供水、航运、灌溉、养殖、旅游等等。然而，修建大坝存在一定的风险，一旦出现溃坝现象将会造成巨大的经济损失甚至严重的人员伤亡。因此，大坝安全显得尤为重要，世界各国都极为重视，而利用大坝长期的外观监测资料进行大坝安全监控也一直是世界水利科学领域研究的热点之一。

自20世纪50年代开始，西方国家的众多学者已在大坝安全监控方面相继提出自己的观点［1］。我国的大坝监测数据分析工作起步较晚，但吴中如［2］、何金平［3］、李旦江［4］等国内众多学者仍然在大坝监测数据分析方面取得卓有成效的研究成果。目前常规的大坝安全监控模型分为3类：统计模型、确定性模型和混合模型。毫无疑问，这些经典的安全监控模型在过去几十年内对于解决大坝变形预报起到相当重要的作用，但是不可否认的是，由于实际工程的复杂性，回归模型普遍存在欠拟合的问题，导致这类模型的预报精度不是很高。

近些年来，随着科学技术的提高和一些新型学科的不断发展，小波分析［5］、灰色理论［6］、模糊数学［7－8］、人工神经网络［9－11］等方法已应用于大坝监测资料的分析之中，大坝安全监控模型日趋丰富。其中人工神经网络因其具有自组织性、自适应性、联想能力、自学习能力和极强的非线性映射能力而得到广泛应用。……