在矿区沉降监测中,地表沉降动态预报是一项重要的内容。为了进一步指导铁路下、建筑物下、水体下的开采工作,我们需要预报出未来某时间地表受地下采煤引起的的移动变形量。本文在详细介绍了潘一矿东井1252(1)工作面的自然地理条件、地质采矿条件、观测站的布设和观测站的观测情况后,通过建立BP神经网络预报模型、卡尔曼滤波预报模型和卡尔曼滤波预报模型误差改正对潘一矿东井1252(1)工作面走向线连续点高程进行动态预报。在目前众多神经网络模型中,BP神经网络是目前应用最广泛的,是一种多层前馈并按误差反向传播算法训练的网络。本文在详细研究BP神经网络的基础上,用该理论对该工作面走向线连续点高程进行动态预报,并对预报和实测数据分析对比研究,数据表明：当对下沉速度较大的监测点预报时,预报误差较大,从总体上来讲,BP神经网络预报理论满足矿山开采地表移动动态预报的需要。卡尔曼滤波法是一种线性的递推滤波方法,就是利用对现在状态的预测值和现在状态的测量值求出现在状态的估计,卡尔曼滤波预报模型是利用现阶段的卡尔曼滤波最优化估计值来预报未来状态。通过利用该理论对走向连续点高程进行预报,得出当监测点随着工作面推进发生下沉突变时,预报误差较大。为了减小预报误差,本文根据预报误差曲线线型提出卡尔曼滤波预报模型误差改正,数据表明所提出的模型误差改正确实相对的减小预报误差。为了提高运算效率,本文以Visual Basic6.0为开发平台,研制“矿山开采地表移动预报系统”,实现预报自动化。