现今工程建设的发展与我国经济及城市化进程的加快息息相关，人们对建筑物的设计、规模以及难度方面也提出了越来越高的要求。由于主观或客观层次的原因，变形会出现在工程建筑物的施工运营过程中，如变形在一定的可控范围内是无较大影响的，但一旦超出了这个可控范围，建筑物本身则会受到影响，最严重的后果可能会威胁到人们生命财产的安全。鉴于上述原因，建筑物的变形监测就变得尤为重要，只有通过变形监测才能及时获取、掌握建筑物的变形情况，根据实际情况采取措施，保证建筑物的安全。工程变形监测的分析与预报是发展很快的一门技术，它以变形监测为基础、涉及到非线性科学和系统论等多门学科。随着监测仪器的发展、监测方法的多样化以及监测内容的不断精细使得变形监测研究方向发生改变，目前变形监测研究方向是：借助先进的数学理论和信号处理方法来深入地分析工程变形的非线性及其复杂性，探讨变形量趋势信息的提取、预测预报及判定变形体的稳定性，从而科学的进行灾害防治。目前学者考虑到变形体变形的复杂程度主要从理论和实践两方面提出了多种方法来预测变形体的变形值。在工程中广泛应用的是实际数据分析法。现在国内应用的预测模型虽然各具特点和优势但都具有一定的缺陷。研究表明，将原始数据采用一定的方法预处理后再建立预测模型，其预测精度优于单一非线性预测。本文正是从这一观点出发，将原始数据经过小波去噪后再利用去噪后的数据进行分析并建立BP神经网络沉降预测模型。本文介绍了小波去噪、BP神经网络的基本原理及其主要步骤。通过工程实例数据对小波去噪和BP神经网络模型中的参数分别加以讨论并对结果对比分析选取模型最佳参数，并采用附加动量法和基于Levenberg—Marquartdt法的改进算法对BP神经网络存在的收敛速度慢，易陷于局部最小等问题加以优化。预测结果表明原始数据经过小波去噪后能有效提高BP神经网络预测精度，优化后的算法对BP神经网络的收敛速度和预测精度都有提高。