在各种大型工程建筑物（如水坝、桥梁、隧道、高层建筑物以及高速公路、铁路等）的施工建设和运行管理中，变形监测尤为重要。而高速铁路施工难度大且施工工艺要求高，为了确保施工及运营安全，必须严格控制线下工程的沉降，有效处理监测数据及进行监控的合理评估。高速铁路线下工程中桥涵构筑物的沉降观测对于高速铁路的施工是至关重要的环节。为了维持高速铁路的高速、平顺、舒适、安全，桥梁结构必须具有足够的强度和刚度，使高速铁路能够承受较大的动力作用。因此，作为桥梁的基础—墩台的沉降观测就显得极为重要。目前，应用变形分析方法有很多，如灰色系统理论、回归分析法、人工神经网络等，但大都用于基坑、建筑物、大坝等工程的监测，在高速铁路沉降预测模型的建立方面的理论参考并不多。本文针对沪昆高速铁路南昌段大桥桥墩的沉降预测，运用相关理论建立了适用于大桥桥墩沉降的预测模型。论文首先概述了高速铁路线下工程施工的相关理论，并简述了变形监测方法；其次，详细研究了本论文所用的几种关键技术——GM（1，1）模型，灰色线性回归模型和BP神经网络技术，研究了各模型的基本原理与建模过程，并提出了BP神经网络的不足及改进算法，在此基础上论述了基于改进BP神经网络的灰色线性回归组合模型的基本理论；最后，将改进后的组合模型应用于沪昆客运专线南昌站陈家畔大桥桥墩沉降监测数据的分析和预测，结合MATLAB语言环境下进行编程计算，并将改进后的组合模型预测结果同传统BP模型、GM（1,1）等各单一模型进行比较分析。研究结果表明，经优化后的BP神经网络提高了预测精度，更适用于高速铁路大桥桥墩沉降预测，其学习效率比普通的BP算法显著，该模型在高铁桥墩沉降监测数据预测方面具有一定的可行性。