张 东，杨 静,葛继空

(1.诚邦测绘信息科技(浙江)有限公司，浙江 宁波 315000；2.中国水利水电第八工程局有限公司科研设计院，湖南 长沙 410000)

随着社会经济的发展，众多大型基础设施建设不断涌现，这些基础建设都伴随着基坑工程。基坑的开挖深度越深，技术难度也就越高，在开挖过程中，土体卸荷使受力平衡遭到破坏，导致基坑施工变形对城市周边环境影响日益突出，因此，对基坑变形实时有效监控是基坑工程成败的关键[1]。此外在施工过程中会受到施工因素、环境因素和时间因素的影响，给基坑变形预测带来一些困难[2]。由于地铁、建筑物等的众多基坑工程位于人口密集区域，一旦发生事故会造成严重后果，因此，对基坑变形预测的研究显得尤为重要。

近年来，众多变形监测研究学者对基坑监测做了大量研究，其主要应用建模方法有回归分析、时间序列分析、BP神经网络、支持向量机等[3-5]。以上研究方法通常需要的样本很大，且特点为典型概率分布，在实际工程监测应用中很难实现，因此，一定程度上限制了应用范围。灰色模型针对小样本数据处理具有一定的优越性，其GM(1,1)模型在工程领域应用最为广泛，模型大多数是基于等时间间隔的数列，而在实际工程中受环境等多方面因素影响，监测数据很难做到等时间间隔。因此，建立非等间隔GM(1,1)模型在监测应用上具有很大的实用价值。廖展宇等[6]在非等间距模型中引入等时间差系数，对差值进行分析后序列还原，最后将非等间隔序列转化成等间距序列，对基坑进行变形预测。……