随着我国经济飞速发展,大量规模与难度日渐增大的深基坑工程项目不断出现。但是深基坑开挖可能会引起基坑支护结构变形和地面沉降,进而影响到周围建筑的安全。所以,对深基坑工程的变形预测和监测依然是工程实践问题的重要环节。做好深基坑工程预测利于有针对性地制定科学的防护措施。通过对监测数据的深入分析,发现可能潜在的险情并及时制定应对措施以确保基坑施工的安全,这对基坑工程建设具有重要意义。应用BP神经网络建立预测模型已经被证明是一种可行方法,但是由于BP神经网络容易陷入局部最优且不稳定的缺点,影响了其在工程中的进一步应用,因此改进神经网络也是目前很多研究者所探讨的问题。本文在总结之前研究者的结论基础上,对改进神经网络在深基坑可靠性预测问题上进行了进一步的研究,将粒子群算法与BP神经网络融合,针对算法精度方面进行改进,并且取得的结果更符合工程使用。针对粒子群算法,本文给出了一种改进方法,并举例说明了改进粒子群算法的全局搜索能力更强;针对BP神经网络在处理深基坑预测问题时暴露的容易陷入局部最优和不稳定现象,给出在BP神经网络的基础上,利用改进粒子群算法优化BP神经网络的融合算法,利用粒子群算法为神经网络寻得最优初始参数值。并通过两个例子证明改进神经网络算法的可行性;最后以深基坑工程中的支护变形预测和支撑轴力预测为例,将本文给出的改进神经网络算法和传统BP神经网络结果进行比较,结果表明改进神经网络在精度和稳定性上更适合工程使用。最后,总结了本文所做的主要工作,并给出了未来的工作设想和研究方向。