随着城市的建设,我国城市可使用的面积逐渐减少,建设越来越多的高层建筑逐渐成为一种趋势,基坑的深度随着上部建筑的增高而加深,基坑深度的增加意味着施工工艺复杂性与安全要求重要性极大地增加。同时,可使用土地的减少导致大部分新建建筑多修建在市中心,周围布满管线、建（构）筑物和道路,基坑施工产生的变形过大会使基坑周边设施受到破坏,所以监测与预测基坑及周边设施的变形情况极为关键。本文主要在广泛了解深基坑施工的影响现状、深基坑数值模拟研究现状、岩土参数反分析研究现状和基于机器学习的基坑变形预测研究现状的基础上,以深圳市某深基坑为研究背景,通过对实际监测数据分析得出研究项目施工变形的规律与特征,采用三维数值模拟和长短期记忆模型LSTM预测了深基坑施工变形,并得到如下结论:（1）基坑的变形预测多使用数值模拟或机器学习预测两种方式,数值模拟可以对基坑开挖产生的变形的分布规律与变化趋势进行预测,但基坑开挖结束后地层和围护结构还在缓慢变形,受参数和模型等条件的限制,数值模拟对于基坑开挖后的施工阶段无法较好的进行预测;机器学习方法可以更准确的预测单个点的变化趋势,同时可以对基坑开挖结束后的施工阶段进行有效预测,但需要一定数量的数据作为支撑。本文结合数值模拟与机器学习两种方法的优点,预测围护结构、周边地表与管线在整个施工过程的变形。（2）基坑开挖产生的变形的时间规律为随着基坑施工的进行,基坑支护结构及周边的变形随之增大;空间规律为围护结构水平位移、地面沉降、管线变形呈基坑中轴线大,向两边逐渐减小的分布规律;围护结构深层水平位移变形规律为顶部最大,随着深度增加水平位移逐渐减小;远离基坑方向地面沉降先增大后减小。基坑变形的规律取决于支护形式及开挖顺序,本文总结的基坑变形分布规律仅适用于本研究目标的基坑。（3）数值模拟计算需要输入岩土和材料的力学参数,但是岩土体室内试验的样品在采样过程中会受到扰动与实际状态并不完全一致,进行实验后得到的参数会与实际的岩土体参数有一定偏差,使用岩土体参数反演可以在一定程度上减少扰动影响,本文使用粒子群算法结合多输出最小二乘支持向量回归机模型PSO-MLSSVR反演岩土体参数,使用反演参数和根据实验得到的参数代入模型进行计算,反演参数结果整体优于实验参数结果且与实际变形相近,验证了经过参数反演的数值模拟可以对基坑工程的变形进行有效预测。（4）本文使用多测点LSTM模型对基坑开挖结束后的施工阶段变形进行了预测,预测结果与监测数据对比误差较小,可以为其他工程提供一定参考。为验证多测点LSTM的优越性和实用性,本文进行了两组对比实验:一组为对比LSTM模型、BP神经网络和时间序列模型基坑变形预测结果,结果表明使用LSTM模型预测基坑施工变形的结果具有更高的精度,可以有效反映深基坑施工变形趋势;另一组为对比多测点LSTM比单测点LSTM预测效果,结果表明多测点LSTM的预测效果更好。