大型市政设施的施工及大量地下空间的开发，出现了大量的深基坑工程。深基坑变形一旦超出设计允许值，就可能造成巨大的经济损失和人员伤亡，对深基坑变形进行科学预测成为了一项重要课题。传统的深基坑变形预测方法在预测精度等方面存在一些不足，需要寻求一种新的深基坑变形预测方法。基因表达式编程具有极强的函数发现能力和很高的学习效率，能够在没有任何先验知识及不了解事物内部机制的情况下，挖掘出较为准确的公式。因此有必要开展基于基因表达式编程的深基坑变形预测模型的研究。首先，论文阐述了基因表达式编程方法在深基坑变形预测方面的背景及意义，探讨了深基坑变形预测和基因表达式编程的研究现状，分析了深基坑工程的变形机理，总结了常用预测方法的优缺点。其次，以灰色系统和BP神经网络基本原理为基础，利用MATLAB软件建立了灰色GM(1,1)模型和BP神经网络模型；通过研究基因表达式编程算法，确定其建模过程为函数集与终止符集的选择、种群初始化、染色体解码、适应度评价、遗传操作，并以此为基础，利用Eclipse平台下的Java编程语言，完成了基因表达式编程的建模工作。最后，分别应用灰色GM(1,1)模型、BP神经网络模型和基因表达式编程模型对广州某深基坑进行预测，预测结果为，围护墙桩体测斜的平均相对误差依次为2.7771%、0.8881%和0.5606%；桩顶水平位移的平均相对误差依次为2.3739%、1.7183%和0.5809%。结果表明，利用基因表达式编程不仅可以提高深基坑变形预测的精度，而且其学习效率比灰色GM(1,1)模型和BP神经网络模型也有明显提高，因此，基因表达式编程模型可应用于深基坑变形预测。