一、研究背景

近年来，随着我国经济水平和城市建设的迅速发展，开发和利用地下空间日显重要和迫切。兴建了许多大型地下设施，如：城市地铁、地下商场、过江隧道、大型桥梁工程等，伴随着这些大型工程，基坑的规模和深度也不断加大。当前，基坑工程项目中除了前期需要做许多详细的勘测和结构设计工作之外，由于基坑工程项目的复杂性和不确定性，需要对岩土体所受到的施工作用、各类荷载的大小以及在这些荷载作用下岩土所反应的性状进行监测。因此，在施工过程中进行周密的监测工作显得尤为重要和迫切。目前, 对变形监测数据处理的方法有很多, 如回归分析法、BP神经网络法等。时间序列分析是上世纪20年代后期出现的一种动态数据处理方法,它研究的是一串随时间变化而又相互关联的动态数据序列。建筑物沉降监测量正是遵循这种变化规律的一组数据序列, 由这组动态数据序列建立的自回归时间序列预报模型对建筑物差异沉降量的预测预。小波分析是一种信号的时间一尺度(时间-频率)分析方法, 它具有多分辨分析的特点, 而且在时频两域都具有表征信号局部特征的能力, 是一种窗口大小固定不变, 但其形状可以改变的时频局部化分析方法。即在低频部分具有较高的频率分辨率和较低的时间分辨率, 在高频部分具有较高的时间分辨率和较低的频率分辨率, 很适合于探测正常信号中夹带的瞬变反常信号并分析其成分, 所以被誉为分析信号的显微镜。小波分析用于非平稳信号和图像的处理优于传统的傅立叶变换, 已被许多应用领域的事实所证实。小波分析在诸如地球物理勘探、信号信息处理、图像处理、语音分割与合成、故障诊断、雷达信号分析等领域内得到了广泛应用。

二、基坑变形数据分析处理方法

2.1 灰色模型法

灰色理论由华中科技大学控制科学与工程系教授，博士生导师邓聚龙于1982年提出的。而灰色模型法则是把基坑变形系统看成是一个灰色系统，通过建立灰色模型对基坑变形进行预测与预报，在目前有较为广泛的应用，取得了较好的效果，但也暴露出很多不足。灰色模型的建立要求原始数据是等时距的。由于种种原因，在实际应用时所获取的原始数据往往不是等时距序列，按照原始的灰色理论概念是难以建立其模型，使灰色系统理论的应用受到限制，故现在常用的有非等时距灰色模型法，等维新息灰色模型法等。

2.2 增量法

增量法计算，即在施工过程中某个阶段的外荷载相当于前一个施工阶段完成后的荷载增量，支承由支撑弹性作用和地层弹性作用组成，以此来模拟基坑开挖的全过程。求得的围护结构位移和内力相当于前一个施工阶段完成后的增量，当墙体刚度不发生变化时，与前一个施工阶段完成后的墙体已产生的位移和内力叠加，可得到当前施工阶段完成后体系的实际位移和内力。

2.3 BP神经网络模型

人工神经网络是一门新兴交叉学科，因其强大的处理非线性问题的能力，已经在众多领域(包括工程界)得到了广泛应用，并取得了不少突破性进展。人工神经网络非常适合解决岩土工程问题。在基坑变形预报方面比常规方法有明显优势。其中，BP算法是目前工程应用最广泛的一个神经网络模型， BP算法的主要思想是把学习过程分为两个阶段：第1阶段，即正向传播过程，它是给出输入信息通过输入层经隐含层逐层处理并计算每个单元的实际输出值；第2阶段，即反向传播过程，若在输出层未能得到期望的输出值， 则逐层递归地计算实际输出与期望输出之差值(即误差)，以便根据此差调节权值。这两个过程的反复运用，使得误差信号最小。实际上，当误差达到人们所希望的要求时，网络的学习过程就结束。

2.4 有限元法