为了实现路基沉降的早期准确预测，提出了一种基于双向长短时记忆网络（bi-LSTM）的路基沉降预测技术。采用Akima方法将观测数据插值到与时间序列分析方法相适应的等时间间隔序列中，并提取填土高度-地基沉降时间曲线中的六个影响因素作为变量，结合滚动迭代法对双LSTM模型进行训练，实现了沉降预测的延迟更新。研究表明，采用深度学习技术可以有效地利用路基施工期信息，增加训练，提高早期沉降预测的可靠性。双LSTM模型对观测信息进行双向特征提取，在相同样本量下的预测效果更准确。根据6个中等压缩性地基和1个复合地基的监测断面信息，仅使用路堤填筑期和施工后三个月的数据，均方根误差（RMSE）和平均绝对百分误差（MAPE）沉降预测的平均值可控制在1.19%和1.04%