近些年来随着城市的人口的增长，交通问题的日益严峻，城市地下工程迅速发展。而地下工程的施工势必会由于地层损失和应力重分布等众多原因而引起地层的移动，导致不同程度的沉降和位移。当地层移动和地表变形超过一定的限度时就会造成地面沉陷、基坑垮塌、隧道破坏、周边建筑物损害、地下管线损害等事故，影响到隧道和地表建筑物的正常使用和安全运营，严重时候还会造成工作人员的伤亡，导致严重经济损失及人员伤亡而产生不良的社会影响。因此正确预测城市隧道施工引起的地表变形显得十分必要，可为信息化动态施工提供指导。本文首先分析和介绍了预测隧道开挖引发地表变形的各种计算和预测方法，如经验公式法、随机介质理论、数值模拟方法，统计分析方法和时间序列分析法以及人工神经网络方法等，介绍了各种方法的原理及适用的条件，并举出了各种方法的工程应用例子，指出了各种方法的优缺点，对地变变形研究的方法进行简单的介绍和指出了预测的研究发展趋势。通过对收集的青岛地铁有关的地质资料和监测数据进行学习和分析，在学习介绍人工神经网络原理的基础上，深入分析了人工神经网络的结构，包括神经元模型，网络的激励函数，网络的特征及学习（学习方式及规则），将理论与工程实际相结合,建立了区间隧道开挖引发地表变形量的预测的BP神经网络模型，对隧道开挖引发的地表沉降量进行了预测研究。通过与实际监测数据的对比，证明该方法对于在不同地质条件情况下隧道开挖引发的地表变形量预计有较高的精度。通过对保河区间37个主要监测断面（30个训练样本，7个作为测试样本）的观测数据的处理，对区间不同地质条件下的地表变形量进行初步分析，利用MATLAB神经网络工具箱中的BP神经网络模型，通过建立模型的试验，并进行了预测，得出结论有：（1）区间隧道地表变形量大小与围岩级别关系密切，围岩差的地段即使采用了先进的施工工艺，地表变形量仍比其他地段的要大。表明地质条件对地表变形量的大小起着决定性的作用。（2）不同围岩质量情况下，地表变形量不同。总体上围岩级别越高（完整性越差）地表变形越大。（3）由网络的学习训练过程得出，对于隧道开挖，地表变形的主要影响因素进行分析，得知围岩级别与地下水情况的敏感性较大。本文创新点在于将基于神经网络的函数逼近问题与时间序列预计问题两大变形预测问题结合起来进行预测。预测结果初步表明，网络模型只要有可靠有效的先验性数据，预测的结果是能够满足要求的。最后，本文指出了存在的问题和进一步可能的研究工作，通过本次的研究学习工作，结果表明，利用神经网络建立预测模型是可以达到较为理想的预计精度，实时指导信息化施工的。