随着城市化的快速发展,地铁盾构法施工建设也得到了广泛的运用,为保护城市地表众多的构筑物的安全,对盾构施工提出了更高的要求,所以对地铁施工地表沉降变形的监测及数据处理也愈发重要。本文依托合肥地铁1号线某盾构施工区间地表沉降监测工程实践,进行了地表隆降监测的方案设计,同时根据实测数据对地表的横向和纵向沉降进行了分析。得到地表最大下沉值为-20.33mm,横向由Peck经验公式法进行拟合,相关系数大于0.9,符合高斯曲线的规律。纵向沉降分为开挖的不同阶段,得出在距离开挖面25m时,地表开始受到扰动影响,盾构在通过了掌子面15～20m左右时,地表沉降才慢慢趋于稳定。根据工程地质数据,利用有限差分软件FLAC3D建立地铁盾构施工开挖模型,进行模拟计算。通过在模型表面布设监测点,得到了不同开挖距离的地层变化以及地表沉降的数据,对几个断面的模拟数据进行了横向分析。得到的模拟值与实测值较为吻合,证明了 FLAC3D数值模拟在地铁盾构施工中的可行性。利用了小波变换的方法对沉降监测点H122-6的实测数据进行降噪处理。分别通过不同的小波基函数、不同阂值、不同分解层次以及Scal的选取对实测数据进行处理。最后得出了,当选择软阈值值、db2小波、rigrsure阈值、level1、scal=sln时去噪效果最好,此时均方根误差RMSE=0.2118,信噪比SNR=36.0610。在利用小波变换去噪的实测数据基础上,分别使用了灰色GM(1,1)模型、BP神经网络模型以及灰色GM-BP神经网络组合模型对小波去噪后的地表沉降变形时间序列进行预测,通过三种模型预测结果对比发现,灰色系统GM(1,1)模型和BP神经网络模型在本次工程实例预测中都有较好的效果,GM(1,1)模型在数据的随机性上表现不是很明显。总的来说GM-BP神经网络组合模型的预测精度最高,预测效果很好,可以利用该组合模型对地铁盾构施工地表变形进行预测。