随着城市的发展,开发和利用地下空间的需求日益重要。诸如地铁工程建设和高层建筑深基础的施工等,都需要进行大规模的地下开挖,这就牵涉到深基坑工程。由于深基坑施工风险较大,容易发生安全事故并造成较大损失,深基坑施工一直被称为“刀尖上的舞蹈”,并日益成为施工安全事故最为频繁的领域。如何从历史事故中挖掘出事故信息并总结出经验教训,从而制定深基坑施工安全事故的处置策略和防治措施,对于深基坑的安全施工具有重要意义。近年来,随着人工智能技术迅速的崛起,BP神经网络和决策树等机器学习算法已经应用于各个领域,案例推理技术也应用于案例库的建设中。本文在此基础上利用机器学习算法进行了基于机器学习的深基坑施工安全事故预测方法。通过框架表示法将收集到的2001年-2020年130起深基坑施工安全事故调查报告表示成案例推理需要的结构化数据,在此基础上建立深基坑施工安全事故案例库,并参照国家事故统计标准制定事故特征指标体系,结合信息熵和K-NN近邻算法计算目标事故案例与案例库中相似案例。梯度提升决策树算法(GBDT)作为机器学习算法,具有预测精度高、能够处理非线性数据的特点,满足深基坑施工安全事故预测的要求,K-NN近邻算法具有在案例较少时比较适用的优点。本文通过分析对影响深基坑施工安全事故的因素,筛选出深基坑安全等级、土壤地质情况等12个表征指标,作为梯度提升决策树算法和K-NN近邻算法的计算指标,在此基础上构建了深基坑施工安全事故平台,实现深基坑施工预测和智能处理决策分析的目的。