跨海大桥的变形受众多因素的影响,例如风力以及波浪力等等。在变形监测工作中,我们不仅要对该类桥梁的变形情况做到实时监测,同时还要对大桥可能发生的变形情况进行研究,因此,本文选取某跨海大桥某处的变形点进行变形的预测分析。介绍了桥体的背景以及对大桥变形状况的数据采集工作,分别布设水平控制网和高程控制网,对水平及沉降变形进行监测,获得大桥的变形时间序列数据,选取QSC30点的沉降序列进行变形分析的研究;由于观测数据中难免存在观测误差,本文通过小波去噪的方式,选择rigrsure函数、硬阈值、根据第一层的系数估计的噪声水平对阈值进行调整的规则、对信号进行两层分解以及采用Sym7作为基函数进行去噪,再进行预测。应用GM(1,1)对序列进行分析,通过对GM(1,1)的研究,提出了改进的GM(1,1),通过该模型的预测结果与GM(1,1)对比分析,得出改进模型的预测精度得到较大提高的结论;由于GM(1,1)的背景值选取是通过取平均值的方式,这在一定程度上增大了模型的误差,因此需要对灰色预测模型的背景值重新选取。粒子群优化算法是一种寻优算法,通过该算法对背景值进行寻优,得到最优背景值,从而提高了模型的精度。BP神经网络算法是一种很强的学习预测算法,该算法初始权值和阈值的选取对预测质量的好坏起着极其重要的作用,因而通过粒子群优化算法对初始权值和阈值进行寻优,提高BP神经网络算法的预测精度。最后通过对比实测沉降时间序列与四种预测模型的预测值,得出通过PSO算法改进的BP神经网络模型具有较高预测精度的结论。