近年来我国高速铁路进入了一个快速发展阶段，京沪、京津等多条高速铁路相继建成并投入运营。高速铁路安全运行对轨道平顺性和稳定性要求很高，对路基沉降的控制非常严格，由于路基沉降引起的变形只能通过扣件系统进行调整，而扣件系统的调整量非常有限。由此可见，路基沉降的预测与控制在高速铁路建设与运行期间起着至关重要的作用，科学合理的预测工后沉降是确定铺设无碴轨道时机的重要保障，若无碴轨道铺设过早，则路基沉降没有完全稳定，但若铺设过晚，则势必延误工期。　　灰色模型算法简单，利用较少数据即可建模，但对于沉降变形量级较小、波动性数据预测的效果较差，预测的精度随时间的延长而逐渐降低，针对灰色模型应用的局限性，本文建立了两种改进的灰色模型：残差修正模型和等维信息模型，以提高灰色预测模型在路基沉降预测中的适用性和预测精度。　　灰色模型在观测数据较少的情况下即可建模，因而在工程建设领域被广泛应用。人工神经网络模型的自组织学习能力突出，可以逼近任意复杂的非线性函数，因而在沉降预测领域应用广泛。本文尝试将两种预测模型结合，组成灰色人工神经网络组合模型，以提高预测模型的预测精度，通过工程实例证明了灰色人工神经网络组合模型在预测精度方面较灰色模型有了明显的改进，从而为高速铁路路基沉降预测分析提供了依据。