煤矿开采导致地层的压缩变形，极易引起矿难，从而会威胁矿工的人身安全并影响煤矿企业正常的开采作业。对使用地层沉降仪来监测地层变形的采矿工程来说，检测出地层沉降仪采集到的异常信息，并使用历史信息来预测地层未来的变形状态，从而提高监测地层状态的准确性以及对矿山及岩体工程结构的安全状况进行有效评定的能力，以减少灾害的发生有着重要的意义。本文主要的研究内容和结论如下：(1)论文中提出了一种基于光栅传感器的异常数据检测算法，该算法运用了数据挖掘中聚类和分类的思想，以及数据分析理论中判别分析的思想。先使用阈值对地层沉降仪中的光栅传感器的波长数据是否异常作出判断，再根据异常数据的相似性特征和表现形式制定分类规则，将其分成异常点和异常序列两大类。当检测到异常数据时，要对其做相应的修正处理。实验结果表明采集到的原始波长经过异常检测后，其中的异常数据得到大量减少，取得了较好的效果，该算法具有一定的应用价值。(2)本文使用时间序列平滑预测法(包括一次移动平均法和二次移动平均法)、曲线趋势外推预测法(包括直线趋势模型、二次曲线趋势模型、三次曲线趋势模型)、灰色模型预测法(GM(1,1)模型和残差GM(1,1)模型)，对地层未来的压缩量进行预测，以研究分析出相对较优的预测地层沉降的方法，为煤矿企业的安全开采提供科学的决策支持。分析实验的结果后发现，GM(1,1)模型不用设定参数值，不需要大量过去的数据，也不用考虑数据序列内在的规律，用于地层沉降的预测，适用性更好些。(3)依托.NET平台，采用C#语言和WPF技术，研发一个C/S架构的软件系统，来处理地层沉降仪采集到的信息。该系统应能实现对光栅传感器异常波长的检测和修正，并且能预测地层未来的状态，还要能满足使用沉降仪的矿企和采矿技术人员的要求。系统测试的结果表明，论文研发的系统运行良好，稳定性强，满足了相关要求。