由于采空地区的地表残余变形相对复杂并且受到各种因素的影响,地表趋于稳定后仍然在很长时间内会继续发生沉降变形。发生沉降的区域伴随着突发性和隐蔽性等特点,致使开采沉陷区的残余变形会对建筑物产生影响甚至破坏,给人民的财产安全造成隐患。因此监测并预测采空区地表残余变形的发展趋势有重要的现实意义。本文以山西岳城矿区Ⅲ 1308（上）工作面为例,对采煤沉陷区的残余变形进行预测和分析。基于以上背景,本文的主要工作内容和成果如下:（1）针对基本人工电场算法（AEFA）探索能力不足,并且容易陷入局部最优解的问题,将混沌策略和反向学习策略引入AEFA中,提高种群的质量,增加算法跳出局部的最优解的概率。选取贪婪策略能够使种群快速获得最优值。利用基准测试函数进行了仿真实验,并将改进的人工电场算法（IAEFA）与其他的算法进行比较分析,通过最优最差值、平均值、标准差及运行时间来判断改进算法的性能。最后,IAEFA被用于解决旅行商问题,分析结果表明,改进算法相较于其他算法具有更高的可靠性。（2）利用山西岳城煤矿Ⅲ 1308（上）工作面地表移动实测数据,将不同的元启发优化算法结合支持向量回归模型（SVR）,对不同的组合支持向量回归模型与实测数据进行分析并进行预测。通过对Ⅲ 1308（上）工作面地表移动监测数据进行分析,排除异常波动点,IAEFA-SVR模型的精度为90%,PSO-SVR模型的精度为70%,SVR模型的精度为50%。使用IAEFA-SVR模型的预测数据,最大差值绝大多数处于5mm-20mm,精准度高。（3）针对开采过后发生的残余变形,本文使用残余变形预计理论对矿区开采后的沉降进行预测分析,验证IAEFA-SVR模型在预测开采沉陷区残余变形中的可行性。结果表明,IAEFA-SVR预测的残余变形符合预测理论计算值的发展规律,满足衰退期沉降速度的边界要求。通过预测效果与残余变形预测理论结果的比较,发现预测值与理论值90%差异在1mm以内,相较于SVR模型和PSO-SVR模型在每单一测点预测时的精度都至少提升了110%,精度表明IAEFA-SVR模型在该地区残余变形预测分析中具有良好的适用性。