地震网络是以地震所在地区单元为节点,以地震之间根据发生地点、时间、震级等重要信息所确定的关系为连边,形成的一种网络拓扑,是在复杂网络基础之上研究地震系统的一种重要研究手段。地震网络被证明具有无尺度和小世界特性,使人们可以从整体的角度研究系统的结构和功能,探究其内在联系,从而发现地震的本质特征。何璇等人提出了基于时空影响域的地震网络构造方法,本论文研究基于该理论背景。然而,目前复杂网络的众多研究分析工具均不适用于地震网络的研究,因此本文设计了地震大数据网络化分析系统。论文首先介绍了系统中的基本理论知识,然后对系统进行了需求分析和总体设计。针对系统的概率推理模块所产生的问题予以解决。该模块利用贝叶斯网络解决网络中节点之间的依赖关系。然而,网络规模大、节点之间连接紧密使条件概率表的计算复杂度巨大。因此,结合k-核与能量的关系,提取网络的重要节点,从而简化了网络。综合父节点组合和子节点的关系,提出一种样本统计方式,进行条件概率表的求解。最后对地震事件进行预测,用预测精度来评价方法的有效性。接着介绍了系统的实现,该系统分为5个模块,主要实现了以下功能:能够根据地震数据的不同来源和单元格的大小及所使用的网络构造方法生成相应的网络拓扑;能够求解出网络中的10种特征参数;能够对网络进行演化分析;能够求解参数之间相对应的文件,能够对网络节点进行概率推理。最后在系统的基础上进行了功能性测试,分别对地震网络进行了拓扑演化测试和概率推理测试。在演化测试中,进行以大地震发生时间为基点的网络的拓扑特征演化。结果发现,大震来临前后网络的规模、有序程度、社团结构等表现出一定的差异性。同时选择了美国加州1992年的地震数据构造的网络进行多参数融合分析,从全局更好的理解网络的变化情况。在概率推理测试中,通过大量的实验,发现以大震发生的年份作为训练集,预测精度较高。此外,当训练集的时间范围较广时,能普遍提高预测精度,尤其是测试集出现大地震。并且利用2015年的加州地震数据进行了实际应用。论文设计实现的系统已在实验室内部运行,实际运行结果说明该系统对于地震网络的研究及地震事件的分析具有重要的现实意义与应用前景。