地铁的隧道施工,破坏了原有的地应力平衡,地表将不可避免的发生变形,由于地铁经过的区域多为城区,周边建筑物构筑物较为密集,因此对地表变形的监测预测工作十分必要。本文以某市地铁TBM隧道施工区间为工程背景,在施工前期借助FLAC3D软件进行数值模拟;布设监测点,采集监测数据,利用小波方法对监测数据进行探测与去噪;最后采用时间序列与BP神经网络建立预测模型进行模型优选,得出最优模型应用于地表变形的预测工作。依据本区间地层岩性、施工要素等通过FLAC3D软件建模,模拟隧道开挖后的地表沉降,得出隧道中心轴正上方的地表沉降最大,为-17.9mm;分析记录点沉降曲线得出沉降槽大致呈正态分布,反应出沉降值在隧道中心轴正上方处最大,向两边逐渐变小的趋势。对比发现FLAC3D模拟值和后期实测下沉值较为吻合,证明了此种方法适用于该区间的地表沉降预测工作。利用小波方法探测监测数据并剔除数据中的粗差,采取控制变量法对比较不同阈值选取、小波基、分解层次以及scal选取对该组数据去噪均方误差及信噪比的影响,最终确定出sym5小波、软阈值规则、rigrsure阈值原则、1层分解、scal=sln对该组数据的去噪效果最佳。对去噪后的数据建立单一的时间序列和BP神经网络模型,并对比了去噪前后数据的预测精度,证明了小波去噪的良好效果。再结合两种单一模型的优点,建立了最优加权以及残差改正ARMA-BP组合模型,对比各预测模型的SSE、MSE及MAPE等因子,发现在小波去噪基础上的最优加权模型优于其他预测模型,可应用于该地铁区间的地表沉降预测工作。