基坑工程施工过程中支护会产生位移、坑底隆起、周围地面沉降等变形。这些变形过大会对基坑及周围的环境造成巨大的破坏，尤其近年来发生的基坑事故造成巨大的财产损失及社会负面影响。因此对基坑的变形监测十分的必要，而基于监测资料和数据基坑工程的变形预测也已经成为岩土工程的一项重要的研究领域。本文以汉口火车站的进站厅基坑变形监测数据为背景，对基坑现场监测变形数据进行分析研究，主要内容有以下几个方面:　　 1.首先对基坑变形的原理进行了简单的介绍，从土力学的角度对变形的机理进行分析。其次对影响基坑变形的因素进行总结，详细介绍了影响因素对变形的作用，尤其对基坑的时空效应进行了详细的分析，同时对软土质基坑特点进行了简单的总结。　　 2.依据实测数据对基坑变形的预测，一般采用BP神经网络和灰色模型。本文对神经网络和灰色模型概念及具体操作过程作了简要的说明，随后又介绍了遗传算法的基本原理和过程，这些工作的准备为下文对基坑变形预测的模型改造提供了基础。　　 3.对实测数据建立GM(1，1)预测模型，通过对预测结果分析发现，不仅预测值和实测值间的相关系数小，而且相对误差较大，随后对GM(1，1)模型的残差进行修正，虽然预测结果有所改进，但依旧不理想。这显示出原始的灰色模型的预测方法并不是万能的，其预测结果有一定的偶然性，不适合本文中所有监测点的预测。随后用遗传算法对GM模型进行改进。　　 4.使用BP神经网络建立预测模型，其输入项可以有两种选择一是直接的输入，二是考虑各个影响因素进行输入。本文对两种方法进行预测　　 5.使用第一种神经网络预测大部分的监测点预测结果中相关系数大，相对误差小，只有个别监测点预测效果不好，分析原因是预测模型中自身问题，而用第二种神经网络预测方法，预测结果不理想随后对神经网络进行遗传算法优化　　 6.对各种预测模型结果进行比对，得出各种预测模型的使用条件。