本文对地震和爆破的识别研究进行了回顾和总结,并研究了地震和爆破的快速识别判据以及用模式识别方法和决策方法进行多特征综合识别的方法,取得较好的识别结果。将本文的研究成果应用到“识别天然地震与人工爆炸的分类决策支持系统”(Decision Support System for Recognizing Earthquakes and Explosions,简称为DSSREE)的研制中,构建了系统的特征提取、模式识别和决策三个核心模块。此外还进行了小波包判据的研究,定义并选取分类效果较好的小波包能量比判据。1、从快速识别要求出发,提取量取较为方便的判据：初动方向、P波初动振幅与S波最大振幅比值Pc/Sm、P波最大振幅与S波最大振幅比值Pm/Sm、P波最大振幅与尾波持续时间比值Pm/Tc、S波最大振幅与尾波持续时间比值Sm/Tc。定义了初动判据准则,并求取了5个判据分类的最佳阈值和正确识别率,得出单判据分类效果最好的是Pm/Sm,正确识别率为92%,初动方向和Pc/Sm次之,正确识别率分别为91%和84%。表明这三个判据能反映天然地震和人工爆破的本质区别,对低震级事件的识别效果比较好,作为本地区识别天然地震和人工爆破的判别指标比较可靠。与尾波持续时间有关的判据Pm/Tc和Sm/Tc对本地区事件的识别效果不好,可能与小震级事件衰减规律有关。2、结合模式识别中的最小距离法、ICHAM方法、Fisher方法三种方法进行多特征综合识别,结果显示Fisher方法对5特征、3特征综合识别的C检验的正确识别率分别为97%和95%,U检验的正确识别率分别为93%和97%,均高于单判据最高的正确识别率,识别效果较好；ICHAM识别效果次之,3特征较5特征的C检验结果好,正确识别率分别为95%和92%；最小距离法识别效果最差,仅3特征的C检验结果高于单判据最高正确识别率；对比可见,Fisher方法对5个特征和3个特征的综合识别结果都比较理想,有较好的应用前景。3、将运筹学中的决策方法引入地震与爆破识别中,结果显示决策方法对5个特征的正确识别率可达97%,U检验的正确识别率达93%,与模式识别方法中识别效果最好的Fisher方法结果一致；舍弃一个特征后正确识别率的变化表明在此区域初动方向和Pm/Sm特征在识别中占有重要的作用；最终选取的最优决策方案是舍弃Pm/Tc或者Sm/Tc特征进行4个特征综合决策,其正确识别率为97%,而U检验方法正确识别率为100%；以上表明决策算法应用于地震和爆破识别中效果较好。4、将小波包变换应用到地震和爆破的识别中,利用sym5小波包基函数对XBZ台站的地震和爆破记录进行4层小波包分解。提出并定义了P/S能量比,结果表明对地震和爆破识别效果较好。对最终选取的识别效果较好的并且可在实际中应用的35个P/S能量比判据分析得出：低频P主要集中在节点[4,2]、[4,3]、[4,6]、[4,7],对应的频段是3.125Hz-6.25Hz和9.375Hz-12.5Hz,高频S主要集中在节点[4,9]到[4,15],对应的频段在14.0625Hz-25Hz,表明在这些频段上,爆炸事件在低频P波和高频S波差异要大于地震事件的低频P波和高频S波的差异。作为小波包判据研究的补充,也提取了P波段和S波段能量比,最终选取的可在实际中应用的有5个P/P能量比和15个S/S能量比,分析得出的结果进一步支持了P/S能量比的结论。能量比判据的识别结果表明通过小波包变换能够为地震和爆破的识别提取较为有效的判据。5、本论文所研究的快速识别判据、模式识别方法、决策方法等为DSSREE系统的研制提供了技术支撑,分别构建了DSSREE系统的特征提取、模式识别和决策3个核心模块,同时DSSREE系统对论文中所研究的特征、模式识别方法、决策方法也起到了实际应用的作用。地震和爆破的快速、准确识别,是地震核查应急的要求。本文研究的快速识别判据量取方便,能反映天然地震和人工爆破的本质区别；模式识别方法与决策方法的多特征综合识别可以有效地提高地震和爆破的正确识别率；波形记录的小波包变换反映了地震与爆破不同的频率特征,提取并定义的小波包能量比判据可以有效地识别本地区地震和爆破。本文的研究成果为实现地震和爆破快速准确识别的DSSREE系统的研制提供了技术支撑,也对地震目录编制、地震学研究和地下核实验监测有重要的意义。