变形监测是监测变形体是否安全的一种重要手段，具体过程是通过对变形体的监测取得原始变形数据，然后对变形数据进行分析处理，判断出变形体的安全状况。在初期蓄水和长期运行中，大坝都存在着发生事故的可能性。大坝一旦出现异常状态，必须及时发现和处理，否则可能导致严重后果。但是对于大坝类型监测对象的变形分析，除了要关注过去的变形状态，还应该预测变形体将来可能发生的变形，实时监控变形体的安全状况，做到安全事故的提前预防，这就需要建立监测体变形预测模型。变形监测模型是对已有的变形监测数据结果做统计分析，找出数据间的规律性，利用建模工具建立监测模型，从而达到预测出下一周期的可能的形变量。本文以港口湾水库大坝的形变为变形监测对象，获取了2003年至2012年各个年度不同监测周期的大量变形监测数据，以具有强大的数值计算和仿真功能的Matlab软件为工具，采用极限误差法和拉格朗日插值方法对原始监测数据进行预处理，然后根据灰色系统分析理论和人工神经网络理论，分别以月度、季度、年度为周期整理原始数据，建立GM(1，1)模型和BP神经网络模型进行预报和分析，与港口湾水库大坝实际情况相结合分析模型的可靠性，得出一些适用于港口湾水库大坝安全监测的结论。