大坝安全是由赋存环境、结构和材料及运行历史相互作用的结果，通过数值计算和模型试验准确了解大坝安全状况存在的局限性，因此，通过实测资料建立大坝安全监控模型是大坝安全研究的热点。随着全球气候的变化和极端地质条件的出现，加上近年来我国经济的发展和人口的增加，使得大坝安全具有更高的风险，为此通过监控模型与指标的比较预测大坝安全，从而实现安全预警，对防灾减灾具有重要的理论意义和应用价值。由于常规的统计模型是建立在大样本的基础上的，因此难以适应大坝的动力系统时变特征。相比较而言支撑向量回归机（Support vector regressionmachine）采用结构风险理论，具有适用于小样本和泛化能力强等优点，因此比较适合建立大坝实时安全监控模型。但支撑向量机具有误差敏感性，因此必须采用有效的误差除去算法消除测值误差，同时也避免与监控指标比较时将误差数据作为大坝实测性态从而导致虚警。小波分析（Wavelets Analysis）具有时频多尺度分析功能，能有效除去实测资料的各种误差，为此本文首先采用小波分析对实测资料进行误差处理。由于对大坝安全监控而言，特别是与监控指标的比较，其峰谷值具有更大的意义，而对平均值附近的测值预警意义不大，为此在建立支撑向量回归机模型时有必要提高峰谷拟合和预测精度 [1]。本文以支撑向量回归机模型为基础，结合小波去噪和峰值识别理论，在克服实测资料在建模过程中“平均主义”缺点的基础上，提出具体的改进措施，并以 1 个混凝土重力拱坝实测变形监测资料为例进行模型验证。 | 
