长螺旋钻孔压灌混凝土桩是近年来在桩基施工中应用广泛的一种新桩型,它是用高压泵输送混凝土,通过对桩周土的挤密渗透作用而形成的一种变截面桩。在工程中如何确定该桩的质量是工程技术人员急需解决的首要问题。本文首先讨论桩基质量检测的常规方法和预测的方法,然后研究了长螺旋钻孔压灌混凝土桩的承载机理、荷载传递以及破坏模式,并对影响长螺旋钻孔压灌混凝土桩质量的各种因素从理论上进行全面的分析,包括了土层、桩体、施工工艺、时间及空间效应等多个方面,按照分析结果建立了影响质量因素的指标体系。其次,因为广义回归神经网络(GRNN)具有较好的非线性拟合能力,在学习速度和回归能力上有着较强的优势,较适合做预测分析。但调节参数-光滑因子难以确定。本文基于对长螺旋钻孔压灌混凝土桩质量以及广义神经网络机理的认识,同时引入果蝇算法进行算法的优化,从而得到了最优参数,构建了以桩体、土层、施工等方面的共9个因素作为输入层参数的FOA-GRNN的长螺旋钻孔压灌混凝土桩质量的预测模型。最后,将在邯郸地区收集的长螺旋钻孔压灌混凝土桩数据应用到FOA-GRNN模型中进行训练,同时进行了预测分析,并与BP神经网络和未优化的GRNN模型进行对比分析。结果表明:虽然三种预测模型都是可行的,但是FOA-GRNN长螺旋压灌混凝土桩预测模型与BP预测模型GRNN预测模型、公式法相比,具有调整参数少、收敛快、精度高以及不易陷入局部极小值的优点。为长螺旋钻孔压灌混凝土桩质量预测提供了一种新方法。