如今全国各地的地铁及高层楼房的建设如火如荼,工程基坑的尺寸也朝着更深、更大发展,对施工过程中的基坑监测提出了新的要求。实时对基坑进行监测并将监测数据及时存储、预测、发送给项目相关人员是非常有必要的,可以使项目各类人员实时了解基坑状态并对基坑有可能出现的危险进行及时的响应。以Web GIS为参考,本文建立了一个以Web为基础的变形监测系统,并利用辽宁盘锦辽东湾新区综合管廊项目的实测数据进行测试,取得了较好的效果,主要工作如下:（1）介绍了基坑变形数据预测的深度学习方法LSTM（Long Short-Term Memory）以及搭建监测系统所需的各类编程语言;设计了系统的各个组成部分,使用实测数据对系统进行测试;分析了工程项目的实际数据并进行了预测。（2）从两个方面对基坑监测数据预测做出了分析。面对大量数据,提出通过单测点、多测点组合和同类型测点组合进行分析预测,结果表明单测点预测具有最高的精度,提出了后续如何改进多点联合预测的想法。在预测方法方面,运用了线性模型、多时间步线性模型、卷积神经网络和长短期记忆（LSTM）神经网络对数据进行了预测,结果表明,在处理基坑变形这类时间序列时,LSTM具有较好的精度和泛化性;针对LSTM方法在模型学习方面存在初始权值随机性的问题,提出了运用LSTM+残差网络的方法对数据进行预测,将传统的数据预测修改为对数据变化趋势的预测,提高了模型的预测精度,降低了模型的训练时间。（3）设计开发了一套基于Web的基坑变形监测系统。整个系统的难点在于系统的设计和逻辑实现。通过对实际项目的调研,完成了项目的各个模块的设计,包含数据可视化、数据增删改查、数据预测、监测规范查等内容。根据规范和实际需求,完了监测数据库的设计。根据设计内容完成了整个系统的代码,实现了用户、前端、后端和数据库的数据交互,并采用Nginx+wsgi完成了项目部署。根据前面的基坑变形预测的内容构建了预测模型并嵌入到监测系统中,完成了基坑变形的预测与可视化。系统一共完成了数据可视化、数据增删改查、数据预测、监测规范查看等内容。将辽宁盘锦辽东湾新区综合管廊项目的实测数据运用在系统之中,取得了较好的效果。