拱坝的变形受到多方面因素的影响，变形与各影响因子之间的关系是复杂的，高度非线性的映射关系。传统方法只能近似地描述变形与各影响因子之间的关系。而整体分析建模和模糊神经网络理论能行之有效地解决这类问题。本文依据实际工程原型观测资料详细地研究了拱坝变形的一股规律，分析了影响拱坝变形的水位、温度、时效等因子。采用常规的逐步回归建模手段，探讨了逐步回归模型建模时存在的一些限制及模型本身的不足：(1)，常规的逐步回归模型建模时需要同步的环境量观测数据。而对于很多建筑物，由于种种原因，缺少完整的或是无法取得相应的环境量数据，从而无法建模。(2)，逐步回归模型是单测点模型，这样对于整体性较强的建筑物如拱坝来说，不能反映建筑物的整体特性。另外采用单测点模型单个建模，在工作量上也较为巨大，因此还有待改进。针对常规建模分析方法存在的不足，提出了改进的方法，即直接根据拱坝的变形资料来建立模型，作出预测。即利用拱坝实测变形值作为输入，预测变形值作为输出，通过对模型的合理优化和有效的数据处理，成功建立了拱坝变形的模糊神经网络模型和整体分析模型。通过模型的运算，得出了满意的结果，模型的预测精度较高。并且对每种模型都做了深入的分析，探讨了每种模型对不同影响因子的敏感程度，从而总结出每种模型的优缺点和适用范围，有利于建立更合适的监控预测模型。本文研究结果表明，整体分析建模是对拱坝原型观测资料进行分析的有效手段；模糊神经网络通过对问题的隐性描述，能有效地实现变形与各影响因子之间的复杂的高度非线性映射关系。因此，整体分析建模和模糊神经网络理论在拱坝的原型观测资料分析方面具有较强的工程适用性和较好的应用前景。