1.一种融合监测数据的基坑开挖变形预测方法，其特征在于，包括以下步骤：步骤1、收集基坑开挖工程的基本信息，建立有限元模型，作为基坑变形预测的正向计算模型；

步骤2、选择对基坑变形影响大的土体参数作为不确定参数，根据地质报告、勘探资料、既有文献，确定未知土体参数的先验分布；

步骤3、根据先验分布，随机生成土体参数的M组样本，生成初始样本集合；

步骤4、将M组样本的初始参数样本输入正向计算模型，计算获得每组输入对应的基坑开挖本阶段的变形，基坑变形和土体参数样本共同构成预测集合；

步骤5、获取开挖本阶段的现场监测数据，与由正向计算模型计算得到的该阶段基坑变形预测值作比较，基于集合卡尔曼滤波，得到更新后的土体参数和基坑变形，构成更新集合；将更新后的土体参数代入正向计算模型，获得下一阶段基坑变形预测值；

步骤6、基于不断获得的后续开挖阶段的监测数据，重复步骤5，直至所有开挖阶段结束；

步骤4中，将M组样本的初始参数样本输入正向计算模型，计算获得每组输入对应的基坑开挖本阶段的变形，基坑变形和土体参数样本共同构成预测集合，具体包括：由正向计算模型计算得到的基坑变形和土体参数样本构成预测状态向量 ，符号 代表将会在下一更新步中被修正的预测状态向量，M组预测状态向量 的样本构成预测集合，i为样本序号，i = 1, 2, …, M，预测集合的均值 和协方差矩阵 计算公式如下：；

；

式中，表示预测集合的均值， 表示预测集合的均值的转置； 表示预测状态向量，表示预测状态向量的转置，i表示样本序号，M表示样本数，i = 1, 2, …, M； 表示协方差矩阵；

步骤5中，获取开挖本阶段的现场监测数据，与由正向计算模型计算得到的基坑变形预测值比较，具体包括：进行预测值和监测值的比较，两者的权重由卡尔曼增益矩阵K确定，计算公式如下：；

式中，K表示卡尔曼增益矩阵；P表示协方差矩阵，其由步骤4计算得到；H为观测算子，意在将增广状态空间转换至观测空间， 表示观测算子的转置；R为观测误差矩阵；上标“‑1”表示逆矩阵；

预测集合中的每个预测状态向量 被修正更新，得到更新状态向量 ，计算公式如下：；

式中， 为更新后的状态向量，i表示样本序号，i = 1, 2, …, M，M表示样本数；K表示卡尔曼增益矩阵； 为现场监测值；H为观测算子； 表示预测状态向量，i表示样本序号，i = 1, 2, …, M，M表示样本数。

2.根据权利要求1所述的一种融合监测数据的基坑开挖变形预测方法，其特征在于，步骤1中，所述的基坑开挖工程的基本信息包括开挖宽度和深度、开挖顺序、连续墙刚度、支撑间距、刚度和预应力、土体性质、排水操作；

采用商业软件建立有限元模型，作为正向模型计算基坑开挖变形响应。

3.根据权利要求2所述的一种融合监测数据的基坑开挖变形预测方法，其特征在于，所述商业软件为ABAQUS、PLAXIS 2D、PLAXIS 3D、Midas GTS或ANSYS。

4.根据权利要求1所述的一种融合监测数据的基坑开挖变形预测方法，其特征在于，步骤2中，所述的未知土体参数为根据工程经验选择对变形影响大的参数，未知土体参数的先验分布采用均匀分布、正态分布或对数正态分布。

5.根据权利要求1所述的一种融合监测数据的基坑开挖变形预测方法，其特征在于，步骤3中，根据先验分布，随机生成土体参数的M组样本，生成初始样本集合，具体包括：根据先验分布，采用拉丁超立方抽样生成M组土体参数，土体参数θ和系统状态即变形初始值d构成增广状态向量x = [d, θ]'，符号'代表向量的转置；M组增广状态向量x的样本构成初始样本集合 ，i表示样本序号，M表示样本数，i = 1, 2, …, M。

6.根据权利要求1所述的一种融合监测数据的基坑开挖变形预测方法，其特征在于，步骤5中，现场监测数据包括围护结构侧移、墙后土体水平位移、墙后土体沉降、坑底土体隆起中的一种或几种。