地震是地壳快速释放能量造成震动,期间产生震动波的一种自然现象。每年全球会发生约550万次地震,地震的发生往往会造成严重的人员伤亡和财产损失。我国是一个地震多发的国家,对于地震预测的研究有着非常重要的意义。地震的成因有很多,人类至今对地震的成因和规律还认识得不够。地震学家不能直接观测地球内部,因此非常缺乏影响地震发生过程的种种因素的观测数据。这造成了地震预测的研究进程缓慢,并且准确度不够理想。在计算机技术高速发展的今天,大量的预测算法被开发,这些预测算法无论在效率上还是在准确性上都优于传统的预测方法。本文利用机器学习算法中非常经典的BP神经网络算法,构建一个地震预测模型。地震预测过程中,一个很重要的步骤是对特征的选取。本文的研究内容是以年份为特征,预测某目标地区在该年份发生各震级地震的次数。如果以地震次数作为BP网络的输出,会造成低震级地震的误差所占总误差权重过大,所以本文采取的方法是以地震次数的对数作为BP网络的输出。为了使数据更适合BP网络来训练和预测,必须在将数据输入到BP网络训练之前对历史地震数据进行预处理。这部分的主要工作是将文件中的记录依次读入,再通过地震记录中的时间、经纬度、震级对地震信息进行筛选,统计该地区各年份各震级的发生次数并取对数。最后对输入输出分别做归一化操作,小的输入值可以使网络更容易收敛,使用sigmoid单元的BP阿络输出范围为(0,1),所以也要对输出进行归一化。最后利用本文提出的以地震预测年份作为BP神经网络输入的模型,并利用Matlab工具箱和滁州地震局提供的数据对这种模型进行训练,修改网络权值,经过若干次迭代网络权值基本收敛,再对四川、台湾两个地区进行回归性预测,得出良好的预测效果，验证了该模型的可行性和相关价值。