大壩變形受諸多外界因素的影響，各種因素間相互關系復雜，大壩變形監測預測的準確性對大壩安全評估起著重要作用。文章介紹了大壩變形監測的預報方法：回歸分析法、有限元法、時間序列分析法、卡爾曼濾波法、人工神經網絡法、系統論方法，并進行了簡單評述。隨著監測數據獲取能力和計算能力的發展，上述各種方法的組合在預報中受到了廣泛的關注。
大壩安全監測，著重于變形監測，大壩變形監測的目的有兩個，一是研究大壩的變形有沒有超過規定的允許值；二是對大壩的變形作出預報，即通過已取得的變形數據建立變形預測模型，然后對大壩的變形作出預測。由于大壩變形受諸多外界因素的影響，各種因素間相互關系復雜，預測的準確性對大壩安全評估起著重要作用，因此預報方法的選取顯得至關重要。
一、回歸分析法
取變形(稱效應量，如各種位移值)為因變量，環境量(稱影響因子，如水壓、溫度等)為自變量，根據數理統計理論建立多元線性回歸模型，用逐步回歸法可得到效應量與環境量之間的函數模型，用這種方法可作為變形的物理解釋和變形預報。吳子安在《大壩變形監測數據回歸分析中的因子選擇》中，對我國大壩變形資料分折中常用的逐步回歸分析進行了探討，指出這種方法通常所選的因子數偏少，其原因來自自變量之間的復共線性的影響。為了克服復共線性對因子篩選的影響，提出若干有益的建議。在回歸分析法中，當環境量之間相關性較大，可采用差值逐步回歸分析法；如果考慮測點上有多個效應量，如三向垂線坐標儀、雙向引張線儀，二向、三向測縫計的觀測值序列，則可采用有偏回歸模型，該模型具有多元線性回歸分析、相關分析和主成份分析的功能，在某些情況下優于一般的逐步線性回歸模型。
回歸分析法是一種統計分析方法，但要延伸環境量超越統計范圍時，其預報效果較差，甚至會發生錯誤，因此需要效應量和環境量具有較長且一致性較好的觀測值序列。
二、有限元法
有限元法是一種采用確定函數模型直接求解變形的具有先驗性質的方法，屬于確定函數法。將混凝土大壩按一定規則劃分為很多計算單元，根據材料的物理力學參數(如彈性模量、泊松比、內摩擦角、內聚力以及容重等)，建立荷載與變形之間的函數關系，在邊界條件下，通過解算有限元微分方程，可得到有限元結點上的變形。計算的變形值與單元劃分、函數模型和物理力學參數選取有關，假設性較大，同時，未考慮外界因子的隨機影響，因此，計算的變形值與實測值有一定的差異，往往需要與實測值進行擬合，對參數進行修改。吳中如院士在《混凝土壩安全監控的確定性模型和混合模型》中提出了以有限元為核心的確定性模型和混合模型，確定性模型是結合大壩和地基的實際工作性態，用有限元方法計算荷載（如水壓和溫度變化等）作用下的大壩和地基的效應場
（如位移場，應力場或滲流場），然后與實測值進行優化擬合，以求得調整參數，從而建立確定性模型。混合模型是水壓分量用有限元計算值，其他分量仍用回歸分析法，然后與實測值進行優化擬合建立模型。文獻將水壓分量、溫度分量采用線彈性有限元計算，時效分量用粘彈性有限元計算。從場理論出發，提出了三峽臨時船閘3#壩段位移場確定性模型，該模型可以監測壩段在任何時刻所對應荷載下的位移場。利用新安江大壩40 多年的監測資料和有限元計算成果，用小概率法和結構分析法為典型壩段的壩頂水平位移擬定了監控指標，進行監測。
三、時間序列分析法
大壩變形觀測中， 在測點上的許多效應量如用垂線坐標儀、引張線儀、真空激光準直系統、液體靜力水準測量所獲取的觀測量都組成一個離散的隨機時間序列，因此，可以采用時間序列分析理論與方法，建立ｐ階自回歸ｑ階滑動平均模型ARMA（ｐ，ｑ）。一般認為采用動態數據系統(DynamicData System)法或趨勢函數模型與ARMA 模型的組合建模法較好，前者把建模作為尋求隨機動態系統表達式的過程來處理，而后者是將非平穩相關時序轉化為平穩時序，模型參數聚集了系統輸出的特征和狀態，可對變形進行解釋和預報。若顧及粗差的影響，可引入穩健時間序列分析法建模。
對于小數據量的時間序列，可采用灰色系統理論建模，通過對原始數列采用累加生成法變成生成數列,可以減弱隨機性，增強規律性。在組合建模中，也可以通過建立灰微分方程提取變形的趨勢項。《混凝土壩變形的灰色回歸一時序模型》應用灰色系統理論、逐步回歸分析理論及時間序列分析理論等多種理論和分析方法，提出了混凝土壩變形的灰色回歸－時序模型，該模型充分提取了對混凝土壩變形產生影響的有用信息。在時序分析中，一般是針對單測點，若顧及各測點間的相關性進行多點的關聯變形分析，則可能取得更好的效果。詳細地討論了灰色預測模型GM（1，1）和動態灰色預測模型的基本內容及建模過程，并成功地將等維新信息和等維灰數遞補兩種動態灰色預測模型應用于大壩變形的預測預報。對于具有周期性變化的變形時間序列(大壩的水平位移一般都具有周期性)，可采用傅立葉(Fourier)變換將時域信息轉到頻域進行分析， 通過計算各諧波頻率的振幅，找出最大振幅所對應的主頻，可揭示變形的變化周期。若將測點的變形作為輸出，與測點有關的環境量作為輸入，通過對相干函數、頻率響應函數和響應譜函數進行估計，可以分析輸入輸出之間的相關性，進行變形的物理解釋，確定輸入的貢獻和影響變形的主要因子。
四、卡爾曼濾波法
將變形體視為一個動態系統，系統的狀態可用卡爾曼濾波模型即狀態方程和觀測方程描述，狀態方程中若含監測點的位置、速率和加速率等狀態向量參數，則為典型的運動模型。這種模型特別適合滑坡監測數據的動態處理，也可用于靜態點場、似靜態點場(如變形監測網)在各周期觀測中顯著性變形點的檢驗識別。該法的優點是有嚴密的遞推算法，不需要保留使用過的觀測值序列，而且可把模型的參數估計和預報結合在一起。該法是一種變形的動態幾何分析方法。應用時需注意初始狀態向量及其協方差陣以及動態噪聲向量協方差陣的確定，采用自適應卡爾曼濾波可較好地解決后一問題。《卡爾曼濾波在大壩動態變形監測數據處理中的應用》詳細地討論了離散線性系統的卡爾曼濾波模型的建立及相應的精度評定公式，通過對大壩動態變形監測數據的卡爾曼濾波處理和結果分析，發現卡爾曼濾波值、預報值與原始觀測值數據曲線的變化趨勢非常接近，說明所建立的卡爾曼濾波模型是合理的、可靠的，可以較好地模擬動態目標系統的變化規律。同時，卡爾曼濾波模型能夠實時、快速地處理大量動態變形數據，并能有效地改善動態變形監測數據的精度。
