中国是地震多发国家,地震的发生给人类带来了严重的生命和财产损失,因此,地震的预测是非常重要的一个话题。引发地震的相关性因素很多,产生机理的复杂性、孕育过程的非线性和认识问题的困难性,都使得很难建立比较完善的物理理论模型。相对于传统的方法,神经网络在处理上述问题中有着自身独特的优势,因此在很多领域有着广泛的应用。本文旨在把神经网络应用在地震预报上在分析地震时间序列的基础上,提出新的方法,最后借助MATLAB工具箱得以实现。由于地震数据的海量、非线性、高维性、缺值和干扰等特点,造成了使用目前正在使用的各种分析预报方法很难得出正确的结论,因此本文其中一个重要任务就是对数据进行预处理,首先将文件格式转化成常用的格式,其次对噪声数据进行处理,另外将范围限制在固定的区域,通过程序可以选定任意时间范围,任意地理位置,任意震级的地震数据,从而可以减少工作量。对于神经网络而言,预测因子的选取非常重要,本文提出了以不同震级段的地震变化率作为神经网络的输入,以相邻两次大地震的发生时间间隔作为神经网络的输出,从而对下一次大地震的发生进行预测。本文构建了新的BP神经网络模型,在MATLAB中对非线性的输入输出神经模型进行训练,最后进行仿真预测,本文选取了地震多发区域台湾和四川地区作为研究对象,同时选取了我省所在的华东地区进行研究。在研究过程中,筛选恰当年份的地震数据时间序列,这样才能得到比较理想的结果。首先要完成区域的选择,研究该区域最近几十年的地震发生频度,其次要对输入因子进行相关的计算,由于是以两个震级段的地震变化率作为输入,在本文中引入了震级标签来确定分段震级,然后把归一化之后的数据样本代入建立的BP神经网络模型,通过不断的调整参数,不断地学习,直到达到满足的误差为止。最后进行反归一化,得到想要的预测结果,研究最后发现,地震发生变化率有潜在的规律可循,从而对该模型在实际应用中的合理价值性进行验证。