煤炭资源作为能源矿产之一,对于我国的经济建设发挥着巨大的作用。由于地下煤炭的开采,不可避免的会造成采空区地面不同程度的变形,因此对地表变形情况定期观测以及变形预测十分重要。以山东某煤矿为研究背景,介绍了矿区的基本概况、岩移观测站的布设与观测。通过定期重复观测,获得岩移观测站的沉降时间序列,利用SODP软件对地表岩移参数反演分析。对于监测数据中的噪声,采用小波阈值去噪的方法进行处理,利用控制变量法选择最优去噪组合方式,通过对比均方根误差和信噪比确定db3小波基函数、软阈值、rigrsure阈值原则、scal=sln、1层分解对沉降时间序列数据去噪效果最好。对小波去噪数据建立时间序列预测模型,利用AIC准则定阶,当n=1,m=6时,AIC取得最小值196.062,确定时间序列模型为ARMA(1,6),将预测结果与实测值对比,结果表明时间序列模型预测精度较高。建立经典BP神经网络模型,分析了隐层节点数的选取方法。并采用基于L-M的变梯度反向传播算法对经典BP网络进行优化,结果表明基于L-M的BP网络不仅能加快收敛速度,而且预测精度也高于经典BP网络。针对BP网络隐层节点数选取困难、建模参数多的缺点,GRNN只需确定一个平滑参数,在此同时采用了 GRNN进行预测,确定平滑参数为0.1,通过预测结果与实测值的对比分析,结果表明GRNN用于沉降预测快速可靠。利用MATLAB中的曲线拟合工具箱对去噪数据进行拟合,对比拟合值的均方根误差和平均绝对误差,选定指数函数为最优拟合曲线。利用指数函数曲线对沉降值进行预测,结果表明曲线拟合可以准确预测地表沉降变化趋势。