国民经济和城市化进程的迅猛发展,推动了基础建设的快速发展。高层建筑、地下商城、地铁隧道等设施的基坑工程施工数量激增,基坑开挖深度不断加深、面积不断扩大,也带来了诸多安全隐患,所以在施工运营的整个过程中进行基坑变形监测不可或缺。结合基坑变形监测数据,分析基坑变形特性,并建立合适的变形预测模型对基坑变形进行预测,为基坑工程安全施工决策提供参考,防止事故的发生尤为重要。本文以泰安市新城吾悦广场基坑监测工程为背景,运用相关理论及研究方法,以现场实际监测数据为基础建立基于BP神经网络的基坑变形预测模型,对未来发展进行预测。推导分析了 BP神经网络模型,之后分别利用遗传算法(GA)和粒子群算法(PSO)对BP神经网络模型进行优化,构造GA-BP神经网络模型和PSO-BP神经网络模型,在此基础上对两个算法进行组合,提出GA-PSO-BP模型,并对现场监测数据进行预测,最后将四种模型预测结果进行对比分析。本文主要研究内容如下:(1)分析了基坑变形基理,系统介绍了基坑监测的目的、内容与方法,为后续理论研究提供可靠依据。(2)探究了 BP神经网络理论,对BP神经网络的学习过程进行了详细介绍,指出BP神经网络的优缺点。分别引入遗传算法和粒子群算法对BP神经网络模型进行优化,最后结合遗传算法和粒子群算法的优点,构建了一种GA-PSO组合算法对BP神经网络进行优化的模型,并用于变形预测中。(3)通过对本文实测数据与四种预测模型的预测值进行对比分析,选择预测结果的MAE、MSE、MAPE三个指标对模型进行优越性及可靠性的评价,可以得出BP神经网络模型在基坑工程实例预测中预测精度较好,分别使用遗传算法优化、粒子群算法优化后的BP神经网络模型预测精度更高,GA-PSO组合优化BP神经网络模型的预测精度最高,适用性更强,可以利用该组合模型对基坑工程的施工进行有效的指导。