在中国社会经济,科技飞速发展的今天,各种大型工程项目设施的建设大量增加。此外,人口的增加和城镇化进程的加快,使得交通设施的建设尤为重要,但是,由此造成的地表塌陷现象屡见不鲜,威胁着建筑人员以及周边居民的人身安全。为了及时发现和防止这种现象的发生,需要在工程施工阶段对其周边地表进行安全性检查,还需要建立一种沉降监测机制,用来监测和预测地表沉降趋势,以便能够及时的采取相应的措施,避免工程灾害的发生,确保建筑物(构筑物)和人员的安全。本文以某市地铁三号线(在建)的临泉西路站基坑周边地表沉降数据为例,选取两个最具有典型代表性的监测点DBC14-2和DBC5-2来进行研究,它们的最大下沉量分别为-17.01和-16.80mm。对灰色模型、卡尔曼滤波模型以及BP神经网络模型进行Matlab程序实现和验算。用降噪前后不同维度灰色模型对第一个监测点进行预测,分析比较得出最优灰色模型;综合卡尔曼滤波模型和BP神经网络模型对该监测点进行预测,分析比较得出结论。采用上述相同方法对第二个监测点进行预测计算,验证三种预测模型在该工程地质条件下的优劣情况。对比预测和验证结果表明,经过降噪处理的灰色模型的预测效果优于未降噪处理的灰色模型,且降噪4维灰色模型的预测精度最高;综合卡尔曼滤波和BP神经网络的预测结果表明:利用降噪4维灰色模型预测得到的结果优于卡尔曼滤波模型的,利用BP神经网络模型预测模型得到的结果优于降噪4维灰色模型的;该课题的研究对地表沉降的预测以及相似工程施工和灾害预防具有重要意义。