目前,射出长波辐射数据（Outgoing longwave radiation,OLR）作为一种卫星遥感数据,已经成为地震研究中的一种重要且有效的资源。但是也存在一些问题:（1）OLR数据的数据量大,可以用于提取和分析序列特征的合适且有效的方法却很少;（2）缺乏大量真实震例的验证;（3）缺少考虑外界因素对实验结果的影响。这些问题使得无法充分发挥OLR数据的真正研究价值。基于上述问题,我们提出三种基于OLR数据的地震异常分析方法,提取OLR数据中隐藏的特征信息,探索OLR数据具有的前兆异常信息和发展趋势。本文主要做了以下工作:1.基于随机漫步算法的异常分析方法通过提取OLR数据的随机概率特征序列,结合基于鞅理论的异常度计算方法,能够放大OLR数据隐藏的特征,挖掘OLR数据中的地震异常信息,有效分析地震异常发展趋势。我们利用该算法来检测中国新疆两次地震的OLR数据中的异常信息。从结果可以看出,所提出的随机漫步方法可以较好地检测到OLR数据的异常变化趋势。通过比较地震发生年与正常年份的最大CD值来挖掘隐藏在OLR数据中的地震信息。我们进一步研究了12年间两个地区地震发生日和地震前后5天内的CD值,发现发震当年的异常值会略高于正常年份。我们还比较了2006-2017年期间新疆地区与非地震带上的华中地区的OLR异常。结果发现,新疆比华中地区的异常信息要明显的多。总之,我们可以得出结论,地震前后OLR的增大趋势较明显,很大可能是与地震活动有关。2.量子漫步算法具有较快收敛的特性。基于量子漫步的异常分析方法发挥了这一优势,通过提取OLR数据的量子概率特征序列,结合基于鞅理论的异常度计算方法,放大异常信号,分析OLR数据中的地震异常信息。我们利用量子漫步算法分析汶川地震和芦山地震的OLR数据,探索OLR异常与地震活动的相关性。并且增加实验,研究从2006年到2014年间国内外的8.0级及以上震例。从结果可以看出,该算法可以较好地呈现OLR数据在地震前后的变化过程。而且越大的地震异常越明显。因此,该算法适用于震前异常挖掘。3.时-空分析法尝试将时间维度和空间维度相结合,提取出具有时-空关联性的OLR特征序列,再计算研究区域的异常度,分析地震序列中的时-空分布特性。该方法可以有效减少由于气候等因素和周边区域对研究区域实验结果的影响,更直观的反映地震前后OLR的变化过程和发展趋势,以及异常分布的时间和空间特征。我们利用该方法分析2008年5月12日的汶川地震,2011年3月11日的日本地震,以及2013年4月20日的芦山地震3个震例,详细阐述该算法的分析方法及实验结果,探索OLR数据中隐藏的前兆信息。并进一步统计国内外40个6.5级以上地震实例,统计异常出现时间,分析异常分布的时间和空间特征。通过实验发现了一些初步的时-空分布规律,这也为进一步探究异常的空间分布规律提供了一些启示。