日益加快的工程建设体现这国民经济的发展，但我们时刻要严格要求建筑物的质量保证。在自然界，变形引起的危害是普遍存在的，例如，地震、泥石流、大坝的溃塌、公路下陷、建筑物的倒塌等等。因此，对大型建筑物或构筑物进行变形监测并对监测数据进行分析处理就显得尤为重要。　　 变形监测常用的数据处理方法有回归分析法、时间序列分析法、灰色系统分析法等。而Kalman滤波也是应用较广的一种动态数据处理方法。本文在前人总结基础上，重点对灰色-时序组合模型与自适应kalman滤波两种方法进行了对比分析：　　 1.综述了变形监测的在实际生活中的重要性，以及变形预测的必要性，论述了变形预测的研究现状及发展情况，在众多研究方法基础上提出本文要研究的内容。　　 2.讨论了灰色系统理论和时间序列理论的基础概念和建模方法。实际工程监测中，往往在施工早期就要开始进行预测，根据灰色模型更够用小样本数据进行预测的功能，文章先对原始数据采用灰色模型建模预测，保留残差随机序列；然后，采用时间序列建模方法对残差随机序列进行建模预测。在时序建模过程中，引入了适合于小样本序列定阶的线性假定法定阶准则，同时引入等维新息和等维递补动态时序建模方法。最后将二者预测结果之和作为组合模型最终结果。　　 3.较系统的阐述了Kalman滤波的基本原理，逐步分析卡尔曼滤波公式的来源；由前人研究可知，采用不精确的数学模型和噪声统计特性来设计卡尔曼滤波模型可能导致状态估计失真，甚至可能导致滤波发散。为克服这个弊端，本文采用了自适应卡尔曼滤波方法建模预测。　　 4.运用MATLAB的工程计算能力，为灰色-时序组合预测模型计算，卡尔曼滤波计算编制了程序，结合工程实例，将两种方法的预测结果进行了对比分析。　　 5.总结了两种方法的优缺点，展望了建筑物变形分析与预测方法以及研究途径的发展方向，同时提出了一些建议，为今后从事该领域研究奠定了基础、探索力向。