随着地下空间的不断开发,在城市地面以下建设大型公路隧道开始使用超大直径泥水平衡盾构。在城市环境下,采用超大直径泥水平衡盾构进行隧道施工时会扰动周围地层,导致地面沉降的发生,进而可能会对复杂的地面环境造成影响。盾构施工涉及了大量的施工参数,以往的经验分析、理论分析方法往往很难在这些施工参数与地面沉降的关系方面进行定量分析,而神经网络模型利用大量现场实测数据在施工参数与地面沉降之间建立数学分析模型以实现对沉降的预测并尝试对施工参数加以调整,这对于沉降的控制具有较强的实践意义。本文结合“上海市北横通道新建工程II标”项目,利用Matlab软件编程构建神经网络模型,并对施工参数进行分析,将预测模型应用到超大直径泥水平衡盾构地面沉降预测控制中。主要研究内容如下:（1）通过将遗传算法与BP神经网络相结合,优化了网络初始权值,提高了网络稳定性,再通过对遗传算法的种群个体选择机制进行优化,提出了改进的GA-BP神经网络,提高了网络预测精度。（2）对于施工中涉及的盾构施工参数、土层参数进行了综合分析,利用皮尔逊相关性分析方法对网络输入端参数维度进行了降维处理和对比分析。（3）针对不同输入端变量,研究了隐含层神经元数、预测样本数量对模型预测精度的影响,通过大量的计算给出了一个综合预测能力较好的14-10-1改进的GA-BP盾构施工地面沉降神经网络预测模型。（4）将14-10-1改进的GA-BP神经网络模型应用到盾构施工沉降预测控制研究中,针对隧道覆土厚度持续变浅情况下进行了施工参数的理论调整。计算结果显示对盾构推进速度、注浆量等进行小范围降低对沉降控制较为有效,可以与现场施工经验相互映照和补充。