我国各大城市的地铁已经进入加速建设时期,但是在地铁基坑的施工过程中由于受到多种因素的影响,会导致工程体产生一定程度的变形,如果变形超出了安全范围将会引发安全事故造成严重后果。因此,加强对地铁变形监测、及时有效地进行地铁变形预测预报,保障地铁施工与运行过程中的安全就显得尤为重要。目前,常用的各种单一预测模型都有本身的局限性,预测精度往往较低,难以满足地铁工程变形监测的需求。因此,本文以南宁市地铁5号线中金凯路站的基坑施工监测为例,针对地铁基坑变形具有动态、含噪声的特点,构建了基于小波的灰色马尔可夫组合模型,对地铁车站基坑施工变形进行预测。论文主要研究内容如下:1.按照建筑基坑工程监测技术规范指导的要求,科学合理地设计了本基坑变形施工监测方案和方法,为建立基坑变形预测模型提供了真实可靠的数据基础。2.简要介绍了小波变换的基本原理和小波阈值去噪的具体过程方法以及精度评价指标。结合工程实际数据从小波函数的选取,分解层数的确定以及具体的阈值获取方式等三个方面进行了讨论研究。通过对去噪效果的对比得出在本文数据处理过程中采用db6小波选用启发式阈值进行3层次分解的去噪效果最佳。3.结合灰色模型与小波去噪的特点提出了两种小波灰色组合模型的建模方法,并通过融合原始GM(1,1)模型的两种改进方法进一步提升模型的预测精度。通过实验表明对高频部分的数据选用合适的小波去噪方法进行去噪处理获取了新的平稳高频序列后,再运用改进的GM(1,1)模型对各个序列进行预测处理最后进行小波重构的组合模型方式所获取的预测精度较高的。4.详细阐述了灰色马尔可夫模型的建模过程,运用新陈代谢原理对灰色马尔可夫模型进行了一定程度的改进,应用于工程实例验证改进方法的合理性。5.建立了一种基于小波的灰色马尔可夫组合预测模型,首先利用小波分析作为数据分析的预处理工具,能有效消除原始数据中的噪声部分;然后采用灰色预测模型对数据进行拟合,找出其变化趋势;最后,通过马尔可夫模型进行修正。实验结果表明组合模型通过对模型数据中的隐含关系进行深度挖掘增强预测数据对变化趋势的敏感性,消除长期预测造成的数据发散现象,获得更高精度的预测值。