刘晶磊，张国朋，张冲冲，张 楠

(1.河北省土木工程诊断、改造与抗灾重点实验室，张家口 075000；2.河北建筑工程学院土木工程学院，张家口 075000；3.河北省寒冷地区交通基础设施工程技术创新中心，张家口 075000)

目前，岩土工程领域存在大量复杂问题，大多数学者采用计算机智能和软件分析进行解决。王小生等[1]利用最小二乘法对基坑周边建筑物沉降预测结果具有工程指导意义；谢洋洋等[2]采用量子粒群灰色支持向量机与遗传小波神经网络进行优化，并预测基坑变形具有较高拟合性；徐文杰[3]利用指数曲线、双曲线、灰色模型建立误差绝对值预测组合模型，提高神经网络的预测精度；李思慧等[4]通过将局部均值分解量子群优化算法与最小二乘支持向量机组合模型进行预测；Srivastava等[5]通过正则化方法对神经网络进行优化，细化网络的预测效果；Chen等[6]采用遗传算法和模拟退火算法相结合的方法来优化网络的权值和偏差，修正后的模型可以加快学习速度，提高预测精度；宋楚平[7]通过遗传算法对模型权重初值进行优选，避免模型陷入局部最小值；吕磊等[8]利用灰色神经网络模型和模糊神经网络建立模型，提出模糊神经网络模型更适合长期预测；孙曦源等[9]通过对实测数据进行归一化处理和统计分析得出基坑施工诱发周边地表沉降的经验预测方法；贾哲等[10]借助Elman神经网络预测模型，在修正前后的预测效果优于BP(back propagation)神经网络模型；钟国强等[11]利用混合蛙跳算法和广义回归神经网络模型进行深基坑预测；……