在大坝变形监测领域中,由于实际工程的复杂性,以及外界环境的不确定性,获得的变形观测数据往往存在一定的误差。而误差的存在,直接导致了观测数据波动性的增强,在一定程度上掩盖了工程的实际变形情况;严重时,由于从观测数据获得信息与实际变形情况完全不符,则会导致对工程安全的判断及决策的失误,进而造成重大人身和财产方面的损害。各类消噪方法也被应用于实际中来消除数据的误差,但传统消噪模型由于各自的局限性,已逐渐不能满足现在的工程需求,且大多传统模型需要根据工程情况,手动调整模型参数,缺乏自适应性。本文针对此种情况,提出一种基于集合经验模态分解(EEMD)和主成分分析(PCA)的新的消噪方法,并在此基础上,结合自回归移动平均模型(ARIMA)提出一种基于EEMD-PCA-ARIMA的大坝变形数据预测模型。应用仿真数据与大坝实测数据进行实验分析,同时,将多指标综合评价理论引入消噪结果的评价中。结果表明:(1)EEMD-PCA的消噪方法对于大坝变形数据的消噪处理行之有效,且具有一定的自适应性;(2)EEMD-PCA-ARIMA的大坝变形数据预测模型能够更好的获取大坝的实际变形曲线,从而取得较好的预测精度;(3)引入的多指标综合评价理论相比传统消噪评价指标更加直观明了,值得进一步研究与推广。本文的具体研究内容和成果有:1.提出了一种基于EEMD-PCA的消噪模型。通过对观测数据进行集合经验模态分解构建样本矩阵,然后对其进行主成分分析选择相应的主成分构建映射矩阵,接着利用映射矩阵对原始数据构建的样本矩阵进行映射,从而实现消噪目的。2.在研究过程中为了更加直观的反映出消噪的效果,进一步引入了多指标综合评价理论,通过对传统的多个指标进行赋权,对原有的评价指标得到的结果进行加权平均,得到一个新的评价指标,进而直观的反映出消噪结果的优劣。3.利用本文提出的模型对仿真数据进行消噪处理,并和小波消噪、直接EEMD分解后直接剔除高频分量的消噪方法进行对比。在小波消噪的过程,使用sym6,haar,db3几种小波基,分别进行1-10层的小波消噪处理,并利用引入的多指标综合评价理论进行评价。4.利用本文提出的消噪模型对大坝实测变形值进行消噪处理,消噪效果良好具有一定的自适应性,且具有实际意义,对于实际工程数据来说,是一种行之有效的数据处理方法。进一步结合ARIMA模型提出一种基于EEMD-PCA-ARIMA的大坝变形数据预测模型,通过与现有的几种预测模型进行预测对比,验证其预测精度。