对采矿引起的地表沉陷进行预测,传统的预测方法有动力学方法和数理统计方法,这些方法的共同特点是先建立数据序列的主观模型,然后根据主观模型对地表沉陷变形进行计算和预测,这些方法对线性问题是很有效的,但如果系统演化进入混沌状态,这些方法就不合适了,甚至会出现很大的误差。混沌动力学的非线性时间序列预测系统在地表沉陷领域的研究比较少,与工程的实际应用有一定的距离,开展这方面的研究有一定的意义。地表沉陷受多个因素的作用,各个因素相互协同又相互竞争,因此地表沉陷的演变具有复杂的混沌特性。鉴于在实际工程中,地表沉陷的观测点的下沉值时间序列比较容易获取,本文利用地表沉陷下沉时间序列进行研究,主要研究内容有:在对混沌理论进行分析的基础上,研究了适用于地表沉陷时间序列的相空间重构方法,利用相空间重构理论,确定了相空间的嵌入维数以及延迟时间,并在相空间重构的基础上对地表沉陷的混沌特性进行了分析。在具体的分析应用中,计算出了地表沉陷时间序列的关联维数、延迟时间和最大李雅普诺夫指数,证明了地表沉陷时间序列具有混沌的特性。在对BP人工神经网络的网络设计以及学习训练函数和参数选区的基础上,本文建立了地表沉陷混沌时间序列的BP人工神经网络预测模型,利用此模型对重构后的地表沉陷相空间中的相点进行了学习、训练,并对地表沉陷时间序列进行了预测,得到了较为满意的预测效果。总之,将混沌理论与人工神经网络与地表沉陷预测相结合,能够较好的反映地表沉陷的特性,为地表沉陷预测理论与方法注入了新的活力。