地铁作为现代化交通工具,以其运量大、高速度、低污染等优势成为国家基础设施建设的重点和热点之一。地铁在施工和运营过程中的结构变形难以避免,地铁结构变形会对地铁隧道的安全性和稳定性造成严重的影响,从而危及整个城市轨道交通系统。因此对地铁进行变形监测是非常必要的,根据变形监测所获得的情况进行结构变形预测和安全评估,及时提出整治方案,对于保障城市轨道安全具有重大的现实意义。本文对地铁结构安全监测与分析中的几项关键技术进行了研究,具体研究内容如下：(1)研究了地铁结构变形监测的常用方法,总结了引起地铁结构变形的原因、地铁变形监测的主要监测内容以及变形的控制标准。针对地铁隧道本身所处的特殊环境,具体阐述了利用测量机器人进行地铁隧道结构自动化监测的原理、方法和过程。(2)研究了时间序列分析方法以及常用时间序列模型,着重讨论了平稳时间序列的分析和建模过程。同时还阐述了神经网络分析方法的基本原理,包括神经元数学模型、传递函数、网络结构、学习规则和训练方式,详细讨论了BP神经网络模型结构和算法流程。(3)分析了地铁隧道断面监测点的沉降变形时间序列并建立地铁结构变形预测模型。分别构建了时间序列AR(q)预测模型和BP神经网络预测模型,并在此基础上创新性地提出了BP-时间序列融合模型,利用BP神经网络对时间序列预测模型进行补偿。结合工程实例表明,BP-时间序列融合模型预测精度最高,可达±0.18mm,与时间序列模型(预测精度±0.77mm)相比提高了76.6%。(4)研究了变形监测领域内影响地铁结构安全的主要因素,建立地铁结构安全评价体系,包括评价集和评价指标,并对各评价指标进行权重分析,利用BP神经网络方法构建了地铁结构安全评估模型,并结合实例验证该方法可以较好地识别地铁隧道的安全状态,得出比较科学合理的结论。