近年来煤炭资源的大面积不断开采,在推动我国经济发展同时,也容易引起地表形变导致灾害多发,使得矿区人民的生命安全和矿区周围的环境受到严重威胁。因此对矿区形变进行实时监测,并对未来矿区的形变状况进行预测显得尤为重要。在矿区形变监测方面,传统的地表形变监测手段存在监测周期长、工作时效差、范围覆盖不足等弊端,不能成为当下进行矿区监测的有效手段。InSAR技术包括有D-InSAR技术和时序InSAR技术,其具有范围覆盖广、全天时、全天候等优势,因而成为进行矿区地表形变监测行之有效的手段。但D-InSAR技术一般存在监测精度较低等问题,主要是因为存在时空基线和大气效应等误差。因此应该寻找监测精度更高的方法。在矿区形变预测方面,传统的概率积分法因需要大量实测数据而存在效率低下、工作环境危险等缺点。SVR算法虽然可以通过小样本来预测矿区的形变,但SVR算法在参数优化选择上仍存在问题,从而降低了SVR算法的预测精度。随着中国煤炭开采的逐步西移,西北地区煤炭总量占据我国煤炭产量主要地位,因此本文以榆神矿区为研究区,基于时序InSAR技术和改进的SVR算法对矿区形变展开监测与预测研究。其主要工作和成果如下:（1）采用时序InSAR技术中的SBAS-InSAR技术,利用2019-01-01至2019-12-15的29景Sentinel-1A数据对矿区进行形变监测,得到矿区的年均形变速率和时序累计形变量。实验表明:随着时间推移矿区正在不断发生形变。（2）监测精度验证。通过水准监测数据同SBAS-InSAR技术获得的结果做比较,实验表明,SBAS-InSAR技术可用来监测矿区形变。（3）分析矿区形变特征、形变量值以及降水对形变的影响。在矿区形变特征方面,通过获取某工作面走向线和倾向线上的时序累计形变曲线,得到矿区形变规律呈现漏斗状。且通过分析选取的四个特征点的时间与沉降量值的关系,得到时间与沉降量值大致为线性关系。矿区形变量值方面,采用统计分析法对矿区年均形变速率和时序累计形变量进行分区间统计分析,得到研究区不同区间形变速率点数所占百分比,以及累计形变量不同区间面积所占百分比。实验表明:研究区形变速率分布在(-35,0]mm/a区间的百分比最高,约为65.38%。研究区大多区域均发生沉降,沉降区域面积百分比约占71.73%。在降水对矿区形变影响方面,通过对比降水量与形变量值得到降水与形变量并无显著关系。（4）通过选取特征点对矿区进行形变预测。首先,分别通过遗传算法、粒子群算法以及将两种算法嵌入式混合之后对支持向量机回归算法进行优化。构建GA-SVR、PSO-SVR以及GA-PSO-SVR三个矿区预测模型。其次,依次通过三个预测模型进行矿区形变预测,并对预测结果利用四个评价指标进行评价。最后,对三种模型的精度进行对比分析。结果表明:三种预测模型均可用来进行矿区形变预测,且GA-PSO-SVR模型预测精度相对更高,更适合用来进行矿区形变预测。采用SBAS-InSAR技术对矿区进行形变监测,并利用监测结果与改进的SVR算法相结合进行矿区形变预测,从而形成监测预测一体化模型,为后期掌握矿区的可持续发展提供了一种有效方法。