在煤矿开采地表移动变形监测中，地表移动变形动态预报发挥着重要作用。本文以朱集东矿重复开采为例，其1111(3)工作面和1122(1)工作面的回采，对主井保护煤柱可能会产生影响，为确保主井安全并指导各工作面协同开采，需要预报出未来某一时刻地表移动变形量。本文在介绍了朱集东矿1111(3)工作面和1122(1)工作面的自然地理条件、地质采矿条件、观测站的建设情况后，通过建立卡尔曼滤波模型，运用卡尔曼滤波将朱集东矿主井保护煤柱监测线的连续点的平面位置和高程进行动态预报。　　Kalman滤波预报精度是依赖建立模型的准确性和随机干扰信号统计特征已知基础上的。在Kalman滤波算法中用到了状态转移方程和观测方程，被估计量随时间变化，它是一种动态估计。在煤矿开采地表下沉的开始阶段，能够实时修改目标的状态参量（速度、加速度等），具有较好的适应性。但随着开采的深入，地面监测点开始进入活跃阶段，仅采用基本的Kalman滤波算法往往得不到理想的效果。这时我们需要采用自适应的交互多模型算法(IMM)，对Kalman滤波模型进行调整。交互多模型算法最初运用于机动目标跟踪领域，通过两个或多个模型来描述工作过程中可能的状态，最后通过一定的加权融合进行系统状态估计。很大程度上克服了单模型估计误差较大的问题。数据表明在进入活跃期和从活跃期进入衰退期这段时间，自适应卡尔曼滤波的预报精度在2cm之内的点占总点数的50％，多模型卡尔曼滤波预报精度提高更加明显，有60％的点精度在1cm之内，90％的点精度在3cm之内。　　为了提高运行效率和利用其强大的绘图能力，本文以MatlabR2009a为开发平台，研制“矿山开采地表移动预报系统”，对未来某一时间的地表移动点的平面位置和高程进行预报，实现预报信息自动化。