近年来，随着城市现代化建设的发展，基坑向深度大、面积大方向发展已成为必然趋势，随之而来的基坑事故提醒人们不得不重视深基坑中的施工控制问题。目前在深基坑施工中应用最多的控制方法是施工监测，由于监测过程具有时间长、不确定因素多的特点，如何能够更好的利用前期监测数据进行后期预测是本文要解决的重点内容。本文首先对深基坑的施工监测目的、内容、方法以及监测数据的处理等给出了详细的介绍。监测数据的分析预测方法目前已经有很多，鉴于深基坑施工过程的复杂性，本文应用具有良好非线性映射能力的神经网络建立了预测模型，并且针对神经网络预测中的不足，用遗传算法对整个预测模型进行优化。本文讲述了神经网络和遗传算法的基本理论，建立了基于BP神经网络的深基坑施工控制预测模型。并应用遗传算法解决了BP神经网络难以选择最优网络权重的问题。同时，应用Matlab对遗传算法优化BP神经网络的过程进行编程和分析。最后，结合工程实例建立了BP网络的单因素预测分析模型和多因素预测分析模型，并应用这两种模型对深基坑施工控制的多个重要指标进行了预测分析。应用结果表明，无论是单因素BP预测模型还是多因素BP预测模型都具有工程实用性。对于BP网络在预测中的不足，建立了遗传算法优化BP神经网络模型—GA-BP模型。并对深基坑施工控制的多个重要指标的BP预测结果和GA-BP预测结果进行了比较，验证了GA-BP模型的有效性。结果表明，GA-BP模型具有很强的工程预测能力，完全能够弥补BP网络预测模型的不足，具有广泛的工程推广价值。