随着我国高铁线路的不断增加，高铁及其附属物不可避免地会受到各种因素的影响而发生变形，这会对高铁的安全运营造成一定的威胁。而高铁一般是采用“以桥代路”的方式进行建设，高铁桥墩变形就成为了影响列车安全通行的一个重要因素。因此，对高铁桥墩进行变形监测和选择合适的预测模型进行分析和处理是十分重要的。　　论文论述了灰色模型和 BP神经网络的建模原理，虽然单一模型构造简单，但是模型自身存在一些不足之处，如灰色模型无线性因素，BP神经网络模型预测需要样本数量多，又结合高铁桥墩沉降特点提出了灰色神经网络模型。该模型不仅弥补了灰色模型无线性因素的缺陷，还具有神经网络的自学习能力和能够充分逼近任意非线性关系的优点。　　基于某高铁桥墩的沉降监测数据，利用Matlab编程实现了两种不同灰色神经网络模型的分析与预测，一种是基于最优加权的灰色神经网络；另一种是基于残差改正的灰色神经网络模型。在相同沉降监测数据的条件下，通过建立灰色模型、BP神经网络模型和灰色线性回归模型，与上述两种灰色神经网络模型的预测精度进行对比分析。结果表明：两种灰色神经网络模型的预测精度较高，且基于最优加权的灰色神经网络模型的预测效果最好。这两种灰色神经网络模型对高铁桥墩沉降监测数据预测研究有一定的参考价值。