为解决建筑物不均匀沉降问题,通过沉降监测手段获取沉降数据信息,但真正目的是通过己获取的沉降数据作合理研究分析,进而为施工决断提供合理的科学依据。本文是依据具体工程实例中建筑物基础沉降,融入沉降预测分析领域的探究方法,应用具有自组织学习和非线性逼近特性的智能神经网络,先通过小波分析理论的去噪原理对建筑沉降数据进行去噪预处理,然后建立BP、RBF和局部优化的CVRBF网络模型通过对处理后的沉降数据进行预测。在对预测结果数据分析的基础上,论证CVRBF网络在建筑物基础沉降预测方面的优越性与可行性。本文主要研究以下几个方面:(1)本文介绍BP网络和RBF网络,通过对两种网络算法的分析,理论表明RBF网络在学习速率、逼近能力、精准度等功能性方面均优于BP网络。(2)根据具体工程,对建筑物基础沉降进行监测并载录数据。因在监测过程中,受各种因素交叉干扰,使监测数据与实际沉降有偏差。文中通过小波分析对监测数据进行去噪处理,经处理后的沉降数据与实际情况更贴切。(3)依据智能神经网络理论,建立BP、RBF和CVRBF网络模型,经对模型参数的设置和调试,获取适合建筑物沉降预测的网络模型。运用完整的预测模型对基础沉降预测,并将结果进行数据对比。(4)通过预测结果对比分析知,在稳定性、精准度等方面,CVRBF网络的预测性能均优于BP和RBF网络。在理论和实际中,论证CVRBF网络在建筑物沉降预测方面的优势。此结论在今后实建中,对建筑施工、进度控制、安全保障能起到预报作用,为安全监测方案制定提供切实可行依据,对建筑物基础沉降监测并预测是有重大实际意义的。