地震预报作为当今世界十大难题之一,对防震减灾有着非常重要的作用。一次准确的地震预报不但能降低人们的伤亡,还能减少国家的财产损失。目前研究发现诱发地震的因素众多且因素之间存在非线性的关系,神经网络理论在解决一些复杂的、非线性问题方面表现出明显的优势。本文基于这一认识,借助MATLAB平台,将神经网络应用于地震震级预报中。本文首先分析了传统地震预报方法的局限性,提出了克服其缺点的方案,即将两种神经网络相结合,同时说明利用遗传优化算法来优化神经网络结构的必要性。选定四川省为研究区域,南北地震带中的龙门山断裂带穿过其中,导致四川成为国内地震最多发地区之一。神经网络对输入因子极为敏感,本文分析现有相关文献后,选取了部分测震学前兆指标作为输入,引入将地电阻率幅度值作为一项输入,通过分析震级同输入指标的相关性,得到地电阻率同震级相关系数为0.65,相关性较好,这验证了可将地电阻率作为一种可靠的前兆这一结论,而其他相关输入指标与震级呈现弱相关,这说明综合利用多方面前兆指标进行地震预报是未来的一个发展方向。然后利用自组织特征映射神经网络(SOM)对选取的震例进行分类处理,填补了反向传播神经网络(BP)在样本越相似,输出结果越好这一特点,通过聚类能增加BP神经网络的抗噪性能和泛化能力,加快神经网络的收敛速度,这从输入数据上面解决了BP神经网络进行地震预报的缺陷。从聚类的结果来看,可以粗略的分为七大类,每一类中都有一些特征,对于聚类结果为震例在同一断层上面的样本,这对预测未来的时间及位置有一定帮助,而对于震级较为相似的样本,对未来预测震级有一定的帮助。但这也说明目前的地震预测方法都带有局限性,即任何方法总有一定的适用范围,在选择时可根据实际情况进行合理的选择。BP神经网络虽然具有较好的预测未来的能力,但是BP神经网络权值对输出结果影响较大,得到一个较好的权值对输出结果是至关重要的,遗传算法(GA)能进行全局搜索,具有很强的鲁棒性。利用遗传算法对BP神经网络的权值进行优化处理,得到一个最优的初始权值和阈值,这是从神经网络结构上改善了输出结果。最后将组合神经网络(SOMGABP)的输出结果反归一化处理,同时比较常用的神经网络的输出结果,得到几种神经网络的输出结果误差曲线图,输出结果一方面说明了将神经网络理论应用于地震预报是可行的;另一方面,本文提出的方法应用于地震震级预报中,得到的验证样本预报准确率达到93.75%,高于其他的神经网络输出结果,认为本文的方法能够协助进行地震震级的预测。此外,本文虽然只是对地震三要素中的震级进行了预测,这也是本文的局限性所在,而实际上在已经使用的前兆数据中隐含了发震时间和位置,由于那是另一个复杂问题,本文未做讨论。