随着各大城市交通现代化建设的不断升温，北京、香港、天津、上海、深圳等城市都修建了地铁，我国已进入地铁建设快速发展的时期。首先，地铁可以将地面的交通量分解到地下，充分利用了地下的空间，很大程度地缓解了地面的交通压力；其次，在人口密集的地区，无论在速度、稳定性和交通运输能力等方面，地铁都要高于地面的运输方式；最后，也是很重要的一点，电力是地铁的动力来源，这不仅可以节约能源、减少环境污染，而且还符合国家倡导的“低炭生活”的理念，这也正是现代化建设的目标。但是，近些年的环境污染、地表沉降等问题都对地铁的安全产生危害，因此，地铁沉降问题的研究尤为重要。地铁沉降是一个涉及测量、岩土、力学、地质等多学科的复杂性问题，而变形监测数据极易受到天气条件、土壤成分等因素的影响，还存在参考资料有限、破坏机理不明确等问题，传统的建模思想不能够准确地进行预测。本文采用BP神经网络方法对地铁沉降进行预测，充分利用了BP神经网络模型具有较高的容错性、自适应性和处理具有非结构性、非精确性规律的对象时表现出的极强的非线性映射能力等优点。并结合长春地铁一号线繁荣路站的地铁沉降工程，将BP神经网络模型与传统的GM(1.1)模型、DGM(1.1)模型、Verhulst模型进行了对比，定量地分析了各种模型的精度，结果证明了BP神经网络模型能够较好的利用原始观测数据进行复杂的学习和信息处理功能，并且具有较高的容错性和鲁棒性，同时也表明该方法能够综合考虑多种因素的影响，可以将其应用到实际变形监测中，为后期维护提供参考。