随着城市化进程的快速推进,基坑工程的建设规模不断增加,周边环境日趋复杂,潜在的建设风险变得越来越大,因此必须严格控制基坑施工时的安全性。基坑监测能够直接判断基坑的稳定性,是预防工程安全事故的重要技术手段。基坑监测技术及设备经过不断改进升级已相当成熟,但是由于监测工作是在施工时进行,属于防范事故发生的事中控制,对于施工后续变化及突发情况不能准确判断。因此,为达到对基坑工程事故事前控制的目的,采用一定的方法提前预测基坑工程的变形发展情况,为基坑工程安全施工决策提供参考具有重要意义。影响基坑变形的因素众多,它的变形很难用统一的经验公式进行计算。本文针对基坑工程变形预测问题,依托开封市融创宸院基坑项目,结合基坑现场监测数据和基坑变形影响因素的量化分析,采用BP神经网络及其改进算法对施工后续变形进行预测研究。主要研究内容及结论如下:（1）梳理国内外学者关于基坑变形和基坑变形预测的理论、方法和研究成果,阐述基坑变形的机理和特征。根据影响因素来源之间的差异,分别从基坑的水文地质条件、时空效应、围护结构以及周边环境条件四个方面,分析基坑工程施工过程中各种因素对基坑变形的影响。在对各影响因素进行归类分析的基础上,建立基坑变形评价指标体系,并结合影响因素实际类型,采用可量化指标赋值方法和状态描述指标赋值方法,建立基坑变形评价指标体系量化标准,为后续影响因素量化赋值提供依据。（2）针对传统BP神经网络预测模型存在的不足,提出采用附加动量法和自适应学习速率法相结合的方式改进BP神经网络,并以新陈代谢的方式不断滚动更新训练样本,建立基于时间序列多步滚动BP神经网络预测模型。为验证预测模型的可行性和有效性,选取不同支护结构型式的地表沉降和坡顶水平位移监测数据,对基坑后续变形进行预测。通过对实测数据与模型预测结果进行对比分析,发现基于时间序列多步滚动BP神经网络预测模型在稳定性和准确性方面均明显优于传统BP神经网络预测模型,预测结果平均相对误差均在5%以内,不仅预测精度更高,而且具有较好的泛化能力。（3）为降低基坑施工动态变化对BP神经网络预测模型的影响,进一步提高模型的预测精度和泛化能力。结合建立的基坑变形评价指标体系和量化标准,将基坑变形影响因素合理量化引入到模型中,建立基于影响因素BP神经网络预测模型。在此基础上,采用遗传算法对模型进行优化,建立基于影响因素GA-BP神经网络组合预测模型。通过对实测数据与模型预测结果进行对比分析,发现两种模型均具有较高的预测精度,预测结果平均相对误差分别在5%和2%以内,验证了基坑变形评价指标体系的合理性和遗传算法优化方式的有效性。而且基于影响因素GA-BP组合预测模型具有更好的稳定性和泛化能力,实用性更强,能够满足工程信息化施工及设计的要求。（4）通过对基坑实测数据与四种预测模型的预测值进行对比分析,选择预测结果的MAE、MAPE、RMSE三个指标对模型进行优越性及可靠性评价,可以得出传统BP神经网络预测模型的预测性能最差,实用性较低。而本文提出并改进优化的三种预测模型均具有较好的预测性能,模型的最大绝对误差均小于1mm,应用于基坑工程变形预测均有一定的可行性。与基于时间序列多步滚动BP神经网络模型相比,基于影响因素BP神经网络模型的预测精度相对较高,但其整体稳定性较差,实用性弱于前者。而基于影响因素GA-BP神经网络组合模型的预测效果最好,能够准确预测基坑后续变形发展趋势,可以利用该组合模型对基坑工程施工进行有效指导。