高速铁路的出现带动了国家经济的发展。在高速铁路快速建设的同时,相应的高速铁路隧道的建设也在不断进步着,而高铁隧道的施工建设会受到各种因素影响,为了保证施工过程的安全,变形监测与预报工作变得十分重要。针对太焦高铁神农隧道沉降观测数据存在误差,本文采用小波阈值去噪方法对沉降观测数据进行了处理。针对传统灰色模型背景值参数选取的弊端以及建模样本存在的问题,本文通过粒子群寻参算法(PSO),优化传统GM(1,1)模型中的背景值参数。基于Matlab编写的程序,进行迭代寻优得出改进后的模型背景值参数,同时对灰色建模的样本数据进行改进,得到等维递补GM(1,1)模型,并对该模型参数进行迭代优化。为了进一步提高预测精度,提出了 PSO-等维递补GM(1,1)模型-时间序列模型的组合模型。为了验证改进后模型的拟合及预测精度得到提高,用GM(1,1)模型、PSO-GM(1,1)模型、PSO-等维递补GM(1,1)模型对沉降数据进行建模分析,得到的结果是PSO-等维递补GM(1,1)模型的拟合精度最好。同时,用时间序列分析的上述三种模型的拟合残差进行建模分析,实现了灰色模型与时间序列模型的结合。将三种组合模型预测结果进行对比,结果表明PSO-等维递补GM(1,1)模型和时间序列模型的组合模型的预测精度最高,能更好的预测沉降趋势。