工程的评价标准、评价指标和六级五。这里输入的层为 1 层素填土、2 层粉土、3 层粉土、4 层粉土、5 层粉土、6 层粉质粘土与粘土输出为基坑支护评价等级。将人工鱼所代表的权值 w、权值 v 设置为 20 组，可视域 Visual=1.5，拥挤度因子=0.7δ，最大步长Step=0.5。迭代次数 Num=10000。2.2 样本生成生成的计算样本，由此得出的计算样本是在五个指标的六级水平基础上，在指标每一级的标准值范围内进行的，随机生成六个样本，六级标准总共生成二十个建模样本。2.3 结果分析两种实验方案的运行可见用基坑支护评价的个建模样本，将评价指标数据法律规范化后，BP，AF - BP 模型可持续评结果对比，其中一级（ BP3. 17，AF -BP3. 96）二级（BP2. 17，AF - BP2. 96）三级（BP3.27，AF - BP3. 94）四级（BP3. 47，AF - BP3. 98）五级（ BP3. 23 ，AF - BP3. 86）六级（BP3. 43 ， AF - BP3.76）。通过比较不同二种神经网络，精度更加准确，收敛速度更好，得出人工鱼群 AF -BP 神经网络对基坑支护的评价效果很好，优于经典 BP 神经网络。3 结语本文应用了人工鱼群算法优化 BP 神经网络评价模型，并用于基坑支护评价，结果表明，此方法具有鲁棒性好，全局收敛性好，收敛速度快等优点，对其评价等级进行比较，进一步显示出该方法的优越性，不失为在基坑支护施工过程中，由于切实实行技术措施，在施工过程中杜绝了失稳的产生，为的加固设计提供参考依据，并对管理具有指导意义。
