随着隧道工程施工技术和设计理论的快速发展,公路隧道的修建也越来越多。在目前公路隧道的施工中,新奥法的应用相当广泛,隧道监控量测作为新奥法的重要组成部分,已逐步成为隧道工程设计的项目和确保工程施工安全的重要手段,且监测技术也从中得到了飞跃性的发展,并直接影响到隧道的结构形式、施工方法、支护参数、造价、工期等。但由于监测手段以及后期数据处理分析方法的不完善,信息反馈不够及时等问题,致使监测数据在验证事前设计和指导事后施工方面还远未发挥其应有的作用。针对上述问题,本文作者提出了隧道监控量测数据挖掘及隧道变形预测的研究课题,并基于大量的现场监测数据和地质资料,在已有研究成果基础上进行了深入系统的研究。首先,针对现场所得监测数据存在杂乱性、重复性、不完整性等问题,采用了数据挖掘理论中的数据预处理系统分别对监测数据进行了数据清理、变换、集成、规约等处理,大大提高了数据挖掘模式的质量,降低了后续挖掘所需时间。其次,采用SPSS软件在依据相关回归分析理论及相应隧道变形模型基础上对经过预处理后的不同围岩断面的地表沉降、拱顶下沉和周边收敛等监测数据进行回归分析,验证了SPSS软件对庞大数据进行多元回归分析的有效性。根据所得结果,可以初步计算隧道开挖后变形的极限值以及其达到稳定状态所需时间,为预留变形量的调整及后期工序的变更提供有力依据。再次,针对影响隧道围岩变形的因素具有复杂性、随机性、模糊性等特点,首次应用自适应神经模糊推理系统(ANFIS),并基于Takagi-Sugeno(T-S)模型建立了隧道位移的预测模型。该预测模型具有收敛速度快、稳定性好、训练过程可重复、预测精度高等特性,可有效地预测不同围岩下隧道变形的一般规律。本文所做研究工作,立足于学科前沿,采用最新数学计算方法和手段对隧道监控量测数据挖掘及隧道变形预测进行了研究,具有较高的理论和应用价值,为隧道监控量测数据的处理提供了一种新的有效分析手段。