地铁车站基坑工程在建设期间会产生诸如地表沉降、周边建(构)筑物沉降、围护桩水平或竖向位移等一系列变形,这些变形量变形值过大可能会造成基坑结构破坏甚至坍塌、建(构)筑物墙面开裂甚至倒塌。目前,为了保障施工安全,基坑工程都会开展施工监测。论文基于合肥轨道交通5号线三孝口站的项目概况、周边环境和地质条件等内容,分析了工程风险因素,确定了工程监测重点,并参照有关规范制定了施工监测方案进行变形监测,但是仅有施工监测还不够,还需要采取一定手段提前模拟或预测变形发展情况。影响基坑工程变形的因素很多,要想充分了解各种因素分别造成的影响难以实现。因此,变形预测的实质就是构建监测数据与时间之间的关系,通过时间来预测变形值。论文通过分析研究BP算法和遗传算法各自所具有的优势与特性,基于三孝口站基坑工程的施工监测数据,利用MATLAB编程,分别建立了BP神经网络模型、GA-BP组合模型和优化GA-BP组合模型等三种变形预测模型。通过比较三种模型的预测结果,分析各模型的精度评价指标,结果表明:三种模型的预测结果与监测数据均相差不大,应用于地铁车站基坑工程变形预测均有一定的可行性,其中,优化GA-BP组合变形预测模型的预测精度比其余两种要高。