在经济全球化的今天,我国的城镇建设不断加快了步伐,城市建设是向空中发展以及向地下索取的趋势,因此基坑的开挖也逐渐增多,基坑开挖过程中由于受施工条件、施工技术和人为等因素的影响,地下轨道交通施工过程中的结构变形不可避免,为保障施工人员生命和财产安全,对基坑变形监测与数据处理就显得尤为重要。本文以无锡市渔港中学地下车库工程为例,首先,根据改进虚假领域法与互信息法选取合适的嵌入维数和最佳延迟时间对最大沉降监测点(JD28)数据进行相空间重构并且根据“3σ准确则”和多项式拟合法对数据进行奇异值检查和插补;其次,根据重组后的数据建立SAPSO-SVM模型,一种采用模拟退火与粒子群算法交替迭代的方式,对支持向量机的惩罚参数C和核函数参数g进行寻优,并克服基本粒子群算法易于陷入局部极值的缺点,增强全局寻优能力。同时在非线性数据处理问题上,表现出了许多特有的优势。最后,与SVM回归算法以及PSO-SVM算法进行比较分析。结果表明,三种算法在基坑沉降预测中都具有较好的可行性,但SAPSO-SVM模型的残差平方和(SSE)1.412mm、均方根相对误差(MSE)0.213mm、平均绝对误差(MAE)0.171mm的值均小于其他两种模型,具有较高的预测精度。实验证明,SAPSO-SVM模型学习和泛化能力强,预测精度较高,具有较好的稳定性以及适应性,能够较好的反映沉降数据的变化趋势,更适合在沉降预测中应用。为验证结论的可靠性,另选取次最大沉降监测点(JD30),采用同样三种模型进行处理分析,进一步验证了 SAPSO-SVM模型优于其他两种模型。本文通过编写的MATLAB程序实现模拟预测,本课题的研究对类似工程施工和灾害预防具有一定的参考价值。图[23]表[26]参[82]