随着城市建设的快速发展，市区内的地下工程建设逐渐增多，随之而来的安全问题不可忽视。变形监测作为信息化施工的关键环节，贯穿着建筑物设计期、施工期和运营期的整个过程，工程参建各方都对监测工作和数据分析给予极大重视。未雨绸缪，在对整体施工环境严格监测的同时，沉降预测作为施工安全预警系统，得到了技术人员的高度重视。沉降预测方法很多，主要有回归分析、时间序列分析、灰色系统分析、神经网络等方法。事实上，城市建设引起的建筑物、构筑物和地表变形受多重因素影响，而且多个因素间大都是非常复杂的非线性关系，不清楚用何种数学模型可以表述，如果事先用确定的数学模型进行预测，势必和实际变形有非常大的偏差。因此，若回归分析建立在无充足根据的假设模型的基础上，则所建立的模型可能根本无法用来预测预报变形发展趋势。灰色预测模型比较易于老化，需要不断地更新优化。人工神经网络以其具有自学习、自组织和良好的非线性逼近能力，具有较好的容错性，受到众多领域学者的关注。 本文根据基坑、地铁等工程的施工特点，分析建立合适的网络模型，将人工神经网络应用于基坑、地铁等的变形预测预报，对弥补以往预测模型的局限性具有实用价值。主要研究内容如下： 1.研究了径向基函数（RBF）神经网络算法。对基于传统BP算法的神经网络局限性进行分析，将RBF神经网络应用于变形预测。针对传统RBF神经网络存在的问题，对其进行改进。实现了RBF神经网络最优泛化能力训练算法，同时将小波分析与RBF神经网络相结合，提高了训练速度和预测精度。研究了RBF神经网络的网络结构、径向基函数的扩展速度（SPREAD）、神经元的最大数目、径向基函数中心宽度和网络训练误差指标等参数选取问题。 2.结合MATLAB对小波分析进行研究。探讨了小波分析在信号消噪领域的应用问题，研究了小波分解实现信号去噪的方法、小波函数选取、阈值选取和分解层数等问题，合理地运用小波分解对变形监测数据序列消噪。 3.探讨了小波分析和神经网的结合方式。小波与神经网络的结合方式通常有两种。一种是辅助式结合，也称为松散型结合方式；另一种是嵌套式结合，也即紧致型结合方式。以这两种不同的结合方式为基础，分析预测结果。 4.利用BP神经网络、小波神经网络和OGA-RBF神经网络建立沉降时间序列预测模型。用训练好的网络，选定重复预测和滚动预测两种方案，对不同工程实例进行预测。通过对比分析预测结果，OGA-RBF神经网络模型整体性能优于其它两种模型，且滚动预测3期的结果精度能够达到要求。同时提出了神经网络模型应用过程中应注意的问题。