本文结合国家863计划项目“空间数据挖掘的神经网络技术研究”，(No.2007AA122228)和江苏省测绘科研基金项目“GPS地壳形变监测信息与地震预测研究”(No.200809)展开研究。本文研究的目标是尝试建立江苏地区的地震预报模型。为此，本文所做的主要工作如下：　　 首先，介绍了数据挖掘技术的概念、组成和发展；系统综述了江苏地区的地震活动特征，介绍了江苏地区的地质状况。然后利用数据挖掘技术分析了地震数据图像，从理论上研究了地震数据与地震之间的相关性，得出了一些地震预报经验，为下一步建立地震预报模型提供帮助。论文重点研究了地震预报的各种方法，包括时间序列法、回归分析法、BP神经网络法。时间序列法能够自动识别，稳定性好，与同层次的预报相比，效能较好，但该方法无法对地震进行量化预报；回归分析法具有模型简单、计算方便、稳定性好等优点，而且可以量化预报，但预报精度不高；BP神经网络法具有非线性映射的优点，地震预报的量化精度较好，但其稳定性需要进一步提高。　　 针对江苏地区的地震特征，本文创新的提出了一种地震预报方法，即基于回归分析的BP神经网络法。该方法综合了回归分析法模型稳定和BP神经网络非线性映射的优点，有效克服了其他预报方法的不足。为了优化该方法的预报模型，本文进行了大量的试验，得出空间集中度C值对江苏地区地震预报最有效的结论，并建立了一个较好的地震预报模型。将优化后的模型应用到具体的地区预报实例中，与其他方法相比，预报效果有所提高，新方法具有广阔的应用前景。