El asentamiento de la superficie de los túneles de ferrocarril se actualiza dinámicamente a medida que avanza la construcción, exhibiendo características no lineales complejas. La precisión del método de predicción de ajuste de regresión no lineal en el sitio necesita ser mejorada. Para prevenir el asentamiento de la superficie y el colapso de la roca circundante durante la construcción del túnel de ferrocarril, al mismo tiempo que se garantiza la seguridad del túnel y de las estructuras existentes, proponemos un modelo de predicción recursiva para la tendencia a largo plazo del asentamiento de la superficie utilizando un análisis de espectro singular (SSA), optimización de enjambre de gatos de arena mejorada (ISCSO) y una máquina de aprendizaje extremo de núcleo (KELM). Primero, la descomposición SSA, conocida por su descomposición adaptativa de series temporales no lineales unidimensionales, reorganiza los datos iniciales de asentamiento de la superficie. Se introduce el método de ventana deslizante dinámica para construir el conjunto de datos de predicción, que luego se entrena utilizando el KELM. Se utiliza ISCSO para optimizar los parámetros clave del KELM para obtener las curvas de tendencia a largo plazo del asentamiento de la superficie a través de la predicción de series temporales recursivas. La superioridad y efectividad de ISCSO y del modelo se verifican a través de experimentos numéricos y experimentos de simulación basados en casos de ingeniería, proporcionando una referencia para la alerta temprana y el control del asentamiento de la superficie durante la construcción de túneles similares.