随着社会经济和城市建设的飞速发展，基坑工程的变形预测及参数反演已成为岩土工程领域的重要研究课题之一。同时，随着计算机技术的发展，大量智能算法被运用到基坑工程当中，对基坑的设计施工起到了很好地指导作用，人工神经网络就是其中之一。本文以地铁竖井为研究对象，针对目前基坑工程变形预测和参数反演中的一些难点问题，引入BP神经网络、遗传算法以及正交试验设计方法对竖井施工中的变形预测技术及参数反演问题进行了较为深入的研究，本文主要研究内容如下:　　 (1)归纳和总结了基坑工程的监测系统的现状，以提高基坑监测工作的科学性和适用性为目的，研究了基坑监测点的布设基本方法和基坑监测数据处理，并对基坑监测项目的选取进行完善和合理性分析。　　 (2)引入BP神经网络，并结合竖井特点，建立了BP神经网络沉降预测模型。武汉地铁23标段竖井工程应用实例表明所建立的预测模型具有模型精度高，预测速度快，计算简单的特点。　　 (3)针对BP神经网络结构难以确定的问题，引入遗传算法改进BP神经网络对该竖井地表沉降进行预测，达到了提高收敛速度，预测精度进一步提高的良好效果。　　 (4)结合竖井勘察设计资料，选定参数取值区间，应用正交试验设计建立训练样本和检测样本.正交试验设计根据正交性准则来挑选试验点，使得这些点能反映试验范围内各因素和试验指标间的关系。采用正交试验法构造神经网络学习样本和检测样本，既能保证网络预测的准确性，又减少了试验的次数，同时又确保了学习的效果。　　 (5)运用BP神经网络对该竖井岩土力学参数进行反演分析，将反分析得到的参数代入数值模型中，并将计算的位移结果与实际位移进行了对比，结果表明取得了很好的效果，具有较好的工程参考意义。