目前，沉降时间序列的预测方法有很多，主要分为两大类，一类是理论方法，出于影响沉降的因素很多，土的物理性质和工程特性十分复杂，该类方法在预测上很难做到及时快速；一类是以实测资料的数学特性建立数学模型的预测方法，这类方法通过数据本身挖掘系统内部的规律，能够及时将实测数据的变化规律纳入系统，现在已经得到了广泛的应用。但究竟哪种方法的预测精度更高，哪种方法的适用性更强，本文主要做了如下研究工作：对灰色模型建模时的初值条件和输入维数进行了分析和试算，根据试算结果得出最佳的输入维数和确定最佳初值条件，并选用最佳的输入维数和初值条件进行预测，在样本输入时考虑了数据的更新问题，并在对结果进行了比较；在BP神经网络建模时，分别对传递函数和训练函数进行了分析和讨试算，根据试算结果求出合适的传递函数和训练函数，对模型的隐层节点数与预测结果的关系也进行了研究；根据时间序列模型和多层递阶算法原理，建立多层递阶时间序列预测模型，首先对模型中的时变参数进行预测，然后再对时间序列进行预测，并对参数的识别进行了分析研究；结合两条隧道盾构施工过程中地面沉降的实测数据，对建立的三种模型进行了验证，并对预测结果和实测数据进行了误差分析和关联分析，分析结果表明三种方法在预测时各有长处，但多层递阶时间序列模型在一般情况下具有较高的精度和更强的适用性。