由于地表变形、气候、人为等因素的影响,可使得监测点遭到破坏或观测工作无法进行,这导致矿区地表变形监测数据往往出现间断现象,当间断数据较长时会对地表变形趋势的预测造成了较大的影响。目前,对变形监测数据处理方法有很多,如灰色系统理论、回归分析法、人工神经网络等,灰色模型适用于小样本数据,而回归分析与神经网络则对大样本数据处理效果较好,但是每种处理方法都有其局限性,根据矿区地表变形数据的有限性与发展变化趋势,本文对灰色神经网络组合模型进行了研究。论文首先对非等间距灰色模型与BP神经网络模型的原理及不足进行分析,根据矿区地表变形数据离散程度大,样本数据小等特点,提出一种灰色神经网络组合模型,以**矿区22001工作面的部分地表变形数据模拟矿区监测数据的间断情况,采用灰色模型、神经网络及其组合模型对间断数据进行插补分析。分析结果表明组合模型的插补结果精度较高,反映了矿区地表变形的趋势,得到了较为满意的结果。然后,将改进组合模型应用于矿区铁路变形监测间断数据的处理,将插补数据填补到原始数据中,并绘制矿区地表变形图,对矿区地表变形特征进行分析,检验改进组合模型对矿区变形数据处理的适用性。通过研究表明,灰色神经网络组合模型对矿区地表变形监测的间断数据插补是可行的,对于地表变形数据的短期预测符合矿区地表变形规律。