目前,中国已成为世界上地铁施工领域中使用盾构最多的国家之一。近年来,以盾构施工过程中产生不允许的土层变形位移和过大的地表沉降所引发城市环境土工安全事故呈明显上升趋势,如何掌握复杂条件下城市地铁盾构施工过程中地表变形的时空演化机理和规律,进而准确预测其时空演化过程,并实现地表变形预警系统,已成为盾构隧道现代化建设中的一个亟待解决的重要课题。本文借鉴国内外相关研究,针对武汉市轨道交通二号线越江地铁盾构隧道工程,以时间序列分析和随机介质理论为基础,综合运用岩土工程反分析、人工智能、系统辨识、信息融合等方法,系统分析了盾构隧道施工引起的地表变形时空演化规律,成功实现了盾构施工引起地表变形的智能预测和预警。首先,本文以武汉市轨道交通二号线越江地铁盾构隧道工程为背景,分析指出越江地铁隧道盾构施工风险均与地表变形的程度直接或间接有关,控制越江地铁隧道盾构施工风险的重点和关键之一就是预测并控制陆地段和江中段地铁盾构施工引起的地表变形的程度,降低由地表变形导致一系列次生灾害的可能。盾构施工地表变形时间序列具有非等间距、小样本、趋势性和自相关性等关键特征,本文提出基于Weibull-ARIMA的盾构施工地表变形时间过程模型,并完整的给出了建模流程和算法。该模型能够很好的反向解构盾构施工引起的地表变形时间序列,特别是在拟合精度和建模效率上,均明显优于单纯的Weibull模型或者ARIMA模型。通过该模型的应用,可以快速准确的挖掘盾构施工地表变形时间序列蕴含的时间效应特征参数,实现对盾构施工地表变形时间过程的描述和刻画。盾构施工引起的地表变形的三维空间位移场也就是变形空间分布的范围和大小。本文运用改进的随机介质理论给出了由盾构施工引起的地表变形空间分布计算过程。在此基础上,提出基于多重自适应变异粒子群优化(MAMPSO)算法实现盾构地表变形空间分布特征参数的反分析。该算法与传统的Powell算法、基本PSO算法相比,在盾构施工地表变形空间分布特征参数反演中具有较高的识别性能和精度,为分析盾构施工地表变形空间分布规律提供了新的方法。盾构施工过程是一个随时间和空间不断演化的复杂系统。本文提出了盾构施工地表变型时空演化系统建模思路,建立了基于MAMPSO-RBFNN的盾构施工地表变形时空演化智能预测模型,并转化为RBF神经网络模型结构及参数的非线性函数优化问题,利用MAMPSO算法优化并实现了盾构施工地表变形时空演化过程的实时智能预测。盾构施l工地表变形预警系统是信息技术在地下工程中的重要应用之一。本文构建了基于多源信息融合的盾构施工地表变形预警模型,分别实现了盾构施工地表变形警兆融合、区域和工点预警决策融合,为施工现场提供了具有警情识别、警情分析、警情预测、警情评价、警情决策与一体的预警系统。