隧道工程在建设和运营过程中，由于地质条件、施工扰动及外部荷载等因素的影响，隧道结构往往会产生变形。准确预测隧道变形对保障工程安全具有重要意义。传统的单一预测模型难以全面反映隧道变形的复杂特征，预测精度有限。本研究提出一种基于趋势项分离的隧道变形组合预测方法，旨在提高预测精度。首先，通过时间序列分解技术将隧道变形数据分离为趋势项、周期项和随机项，以提取不同变形特征。随后，针对各分量的特性，分别构建适合的预测模型，如趋势项采用灰色模型或多项式拟合，周期项采用傅里叶分析或季节性模型，随机项采用机器学习方法（如支持向量回归或神经网络）。最后，通过加权组合或集成学习对各分量的预测结果进行融合，形成最终的隧道变形预测值。该方法能够充分利用不同模型的优势，提高预测的稳定性和准确性，为隧道工程的安全监测与预警提供更可靠的技术支持。研究结果可为类似地下工程的变形预测与风险控制提供参考。