在现代城市建设中,地下空间的开发越来越受到重视,建筑物越来越高,高层建筑的基础越来越深,目前有的基坑深度达到几十米,对施工有很高的要求,在施工过程中会有一定的安全风险。随着基坑开挖深度的增加,基坑本身的安全、对周围建筑的影响、对地下管线的影响等问题对基坑施工提出了更高的要求。为保障基坑在开挖期的安全、周围建筑管线的安全和工程建设的顺利进行,针对深基坑开挖期间采取监测措施尤为关键。在深基坑开挖期间设置安全监测,其主要目的是获取反映深基坑开挖过程中的实际状态的信息数据,并对数据加以合理有效的分析,揭示其内在规律,评估其安全状态,预测并指导后期工作,必要时采取措施,确保深基坑工程安全。变形是深基坑安全监测的主要项目,而基坑开挖期的变形主要是由于土体开挖卸载引起的,所以开挖作用是影响深基坑变形的重要因素。为了深刻反映开挖作用对深基坑变形的影响,并使监测分析模型能深入揭示深基坑在开挖期间的变形规律,从土体遗传蠕变机理出发,对遗传蠕变本构关系式进行推导分析,结合工程的实际情况,提出等效开挖深度概念,将变形影响因子构造为考虑开挖深度的瞬时变形影响因子和考虑开挖历程蠕变效应的历史变形影响因子两大类,并确定基本因子结构。考虑到深基坑开挖的过程和环境的复杂性,周围土体性状的不确定性,以及基坑变形数据的非线性特征,以神经网络理论为分析基础,发挥其能解决复杂的、不确定性的、非线性问题的优势,进行开挖作用下深基坑变形监测模型的研究。具体采用RBF神经网络作为模型基础,利用其强大的非线性映射能力,结合根据遗传蠕变机理分析所得结果,构造反映开挖作用影响的深基坑变形神经网络监测模型构架,将能反映开挖作用的瞬时变形和历史变形影响因子作为模型输入层影响因子,以实测信息构建训练样本,建立在开挖作用下深基坑变形的分析预测模型,实现对后期开挖过程中深基坑变形的预测。对于径向基神经网络来说,训练过程是非常重要的,训练效果会影响到模型的预测效果。在训练过程中,学习中心是重要的学习参数,直接影响模型的训练效果。所以,合理的输入层影响因子可以真实地反映输出结果的影响因素,对模型预测效果有很大影响,而学习中心的个数和位置对网络的预测性能也有很大的影响。虽然学习中心选择方法较多,但是目前在学习中心选择方面并没有严格的理论依据,对于具体工程问题中学习中心的选择更应当进行研究。本文对于开挖作用下深基坑工程,充分考虑变形及主要影响因子的“分段”特征,结合RBF网络计算特点,提出了一种依据监测信息特征选择学习中心的经验方法。在构造输入层因子和学习中心选择等方面给出了合理的方法后,结合实例对模型进行验证分析,结果表明,本文构建的RBF神经网络监测模型能准确反映开挖作用下深基坑的变形规律,通过对前期变形的监测分析,对开挖作用下的深基坑后期变形有较好的预测,为保障深基坑变形安全提供有力工具。