随着城镇化建设的深入推进,大量的人口向城市迁移,地下空间得到越来越广泛地利用,随之涌现出大量的深基坑工程。然而,基坑项目在其施工的过程中,周期长、不确定因素多,一旦发生事故,极有可能会造成人员伤亡与经济损失。因此,基坑的变形预测与安全性评价是一项极其重要的工作,并且贯穿整个施工过程。影响基坑变形与安全性的因素众多,任何一个因素的变化都会影响最终的判断结果,因此很难准确的预测基坑的变形及评估其安全状态,而实时的监测数据能有效的反映基坑的安全状态。通过构建监测数据与时间的关系,对深基坑的变形进行预测分析。同时,将变形预测所得到的各监测项数据纳入风险评估体系中,对深基坑的安全状态进行评估。本文以郑州市邻近某地铁站的深基坑为依托,结合现场监测数据,对深基坑各监测项的变形规律、变形预测及安全风险评估开展研究,主要结论如下:1.基于深基坑的工程概况、周边环境、地质条件等内容,制定了深基坑的监测方案,并对重要监测项目中具有代表性的监测点进行分析,得到监测数据随时间的变化曲线,分析各监测项的变形规律。2.讨论BP神经网络和遗传算法的理论和特点,提出采用遗传算法优化BP神经网络的方式,提高预测精度。MATLAB编程确定最佳的BP神经网络模型和GA-BP模型,分别对深基坑的地表沉降进行预测,将最终的预测结果与监测结果相比,得到两种预测模型的平均相对误差分别为2.6297%和1.7111%,相对误差提高了0.9168%,表明经遗传算法优化过的BP神经网络具有更高的预测精度。3.通过对比分析专家评估法、层次分析法、模糊综合评价法等多种安全评估方法的优缺点及评估过程,提出采用专家评估法和层次分析法相结合的方法对深基坑的安全风险进行评估。以重要监测项目的累计变化量和变化速率为安全风险评估指标,构建风险评估体系与安全等级,将某天的各项监测数据和累计变化速率转换为风险概率值,结合风险损失值综合评判基坑的风险等级。