大坝安全监控是根据埋设在坝体上的传感器网络,测量结构的静态或动态响应、环境变量,并对获取的监测数据进行分析,以实现对结构健康状态的监测和控制。通过大坝安全监控可以及时发现结构潜在的隐患和趋势性的变化,为及时采取工程措施减小工程事故发生的几率提供依据。混凝土坝在运行初期,由于环境变量的变动一般较大,坝体材料的参数的变化也较大,导致环境量与大坝效应量之间的关系较为复杂,使得建立大坝监控模型的难度增大。此外,由于在运行初期,混凝土坝的监测资料有限,传统大坝监控模型和监控指标拟定方法常常难以适用。而据统计表明,混凝土坝在运行初期失事的概率明显高于正常运行阶段。因此,研究混凝土坝运行初期安全监控方法具有重要的意义。为此,本文首先阐述各监测项目的基本理论与计算原理,以代古寺大坝为例,对其运行初期环境量、水平位移和竖向位移监测数据进行定性分析。针对运行初期监测系统稳定性差和环境量与大坝效应量之间的关系较为复杂的特点,基于最小截平方和估计理论与人工神经网络中的极限学习机算法,分别建立最小截平方和估计监测模型和极限学习机位移监测模型,并采用上述模型对代古寺大坝的运行初期竖向位移监测数据进行拟合仿真分析。应用Bootstrap方法,通过再抽样构造安全监测数据的自助样本,对扩充后的样本采用核密度估计(KDE)方法估计其概率密度函数,在此基础上提出小样本下大坝安全监控指标拟定方法。采用某混凝土坝的实测数据,对本文提出的监控指标拟定方法进行了验证,并与传统方法应用于运行初期混凝土坝安全监控指标的拟定进行分析比较,证明了该方法的有效性、可行性。