城市化进程的发展伴随基础设施工程的规模日益增大。深基坑作为基础设施建设中常见的工程,由于作业环境的复杂因素多,所以存在较高的风险性。地铁深基坑大多处于城市中心地区所以潜在危险因素更为复杂,因此必须严格控制深基坑施工时的安全性。基坑监测能够直接判断基坑的稳定性,是预防工程安全事故的重要技术手段,基坑监测技术及设备经过不断改进升级已相当成熟。但是由于监测是在施工时进行,对于施工后续变化及突发情况不能准确判断。本文针对现场监测作用的局限性,提出利用历史监测数据,结合有限元与神经网络两种方法对施工后续变形情况进行预测,依托郑州轨道交通五号线中原路车站深基坑工程,主要进行以下工作:梳理国内外学者关于基坑变形、基坑变形预测的理论、方法研究成果。阐述深基坑变形机理特征,整理基坑支护型式,总结支护结构破坏形式以及地铁深基坑变形影响因素;介绍中原路车站深基坑工程概况,明确工程监测等级,阐述监测项目并介绍部分监测项目实施方法,提取部分监测点的地表沉降、围护结构深层水平位移进行分析;使用MIDAS GTS有限元软件,根据地质勘测参数、支护设计参数及施工工序建立中原路车站三维动态模型,以分层、分段形式模拟基坑开挖。对围护结构位移及地表沉降三维模型云图进行分析,提取地表沉降、围护结构深层水平位移模拟值进行分析并与实测数据进行对比,验证模型的可用性,为融合模型提供数据支持;由于有限元模型环境参数较为理想等因素所产生的预测局限性,以实测数据与有限元模拟值之差为数据样本,建立Elman神经网络滚动预测模型,对后期施工时两者之差进行预测,并与有原限元模拟值做和得到融合模型计算产生的修正预测值。对比融合模型预测值、有限元模拟值与实测值发现,融合模模型预测结果将有限元模拟值误差减小50%,修正模拟值较为平滑的变形趋势;选取多组数据进行预测以验证融合模型的可靠性,发现融合模型对地表沉降预测结果优于对围护结构水平位移预测。研究结果对基坑变形预测具有一定参考作用。