随着我国经济的快速发展及城市化水平的不断提高,城市可利用的土地资源正不断减少,各类高层建筑正迅速崛起。由于楼层的增加,荷载的增加,其施工将给建筑物本身及周边建筑群体带来复杂的形变影响。其中,最常见的是导致其发生不均匀沉降,若沉降严重则将危及建筑物的安全。变形监测作为信息化施工的关键环节,贯穿于建筑物设计期、施工期和运营期的整个过程,工程参建各方都对监测工作和数据分析给予了极大的重视。近年来,为探索出一种快速有效的沉降预测的方法,许多学者从理论与实践等多方面进行了大量的探索与研究,并取得了一定的成效,但也存在着许多的问题与不足。本文根据建筑地基沉降的特点,以及目前在该领域所广泛研讨的热点方法,将具有自学习、自组织且非线性逼近能力较好的人工神经网络模型纳入建筑沉降的预测中来,以BP神经网络为基础,并利用小波分析等方法对传统的网络模型进行了优化改进。通过实例工程的变形预测对传统网络模型与改进模型进行了分析与研究,并对其预测效果进行了评价,结果比较理想。从而表明小波分析与神经网络模型结合在建筑沉降预测中是可行的,且具有广阔的工程应用价值。本文主要从以下几个方面作了研究：(1)研究了BP神经网络算法。对单一的BP神经网络模型算法的局限性进行分析,针对传统网络模型存在的问题,对其进行了优化改进,较好克服了易形成局部极小而得不到全局最优、训学习效率低、收敛速度慢等问题,并将改进模型应用于变形预测。(2)对小波分析进行研究。结合MATLAB软件探讨了小波分析在信号去噪领域中的应用,研究了利用小波分析实现信号去噪的方法,以及小波函数选取、阈值选取和小波分解、重构等问题,合理地运用小波分析对变形监测数据进行去噪预处理,以求预测结果更加准确。(3)探讨了小波分析和神经网络模型的结合方式。二者的结合通常有两种式：一种是辅助式结合,也称为松散型结合方式；另一种是嵌入式结合,也即紧致型结合方式。(4)以BP神经网络模型为基础,借助MATLAB,将改进的BP神经网络、辅助式小波神经网络和嵌入式小波神经网络模型应用于实际工程的沉降预测当中,通过和实测值的对比,分析比较三种模型的整体性能。结果表明,后两种小波神经网络的组合模型精度大体相当,预测效果明显优于单一的BP神经网络模型。最后对本文的不足之处作了简要的说明。