岩土工程监测信息的统计处理。需要针对因变量和自变量之间的关系。进行回归分析。岩土工程量的突变点。通常由开挖、降雨等外因和岩体结构等内因共同引起的。其中因变量和自变量之间非线性关系的反映，是根据统计学的原理。以原变量表示回归方程。然后综合岩土工程监测当中的各种主客观原因。估计出预报误差至于时间序列的线性模型，常见的有自回归模型、滑动平均模型、混合模型三种，这三种模型需要根据岩土工程具体的监测条件和要求选用。而且出于模型非线性迭代和计算时间的考虑。在建模的时候要考虑这三种模型之间的转换关系，采用双向预测误差平方，预测出模型的参数。其中模型的程序为：开始一读人时间序列及有关信息一差分一计算均值一计算方程一确定模型阶数及参数估计一计算预报误差值一输出模型阶数及参数估计值、预报误差值一结束。

 

　　2信息响应面法处理技术

 

　　岩土工程信息监测的复杂性。要求我们在统计学的基础上。应用相应面法等综合试验技术。这种技术能够有效解决随机变量和系统响应的转换关系问题。以修匀函数的形式。整理所有非常规数据。用修匀的函数趋近值，表示真实的响应函数。在应用响应面法的时候，一方面需要设计计算点。采用局部加权回归散点修匀的方法。迭代加权拟合监测数据，另一方面是估计修匀函数。准确反映位移和时间的关系。提高修匀函数的拟合程度。

 

　　3处理信息的神经网络

 

　　鉴于岩土工程的监测受到抵地质条件、工程施工和工程结构等因素的影响。很多监测的信息具有明显的多变性和随机性特征。从而使得监测系统存在诸多复杂的非线性关系。因此我们需要应用神经网络解决非线性的不确定性问题在这里主要分析BP神经网络的数据处理。这种网络具有多个隐层采用纯线性变换函数。增加训练的次数之后。误差就会越小。但需要克服网络速度慢的问题通过回归分析等曲线处理。相比于神经网络数据处理。后者为岩土工程提供的监理信息更加的细致。但容易受到工程现场条件的限制。因此只能因地制宜地应用。

 

　　4修正监测数据的时间和空间效应

 

　　首先是误差的量测，采用监测仪器对装置、环境、人员、方法等的误差进行量测。在量测时需要严格按照相关的规范要求。用综合均方差反映系统的误差和误差的传递其次是滞后误差的初测。从洞内开始施测，根据规范读取爆破等初读数。然后根据施工管理水平。分析空间效应的影响误差最后对监测数据的时间和空间效应进行修正。主要根据粘弹性变性和三维有限元分析。引人荷载和位移比值。算出总位移量。