我国是地震多发国家。地震活动频度高、强度大、分布范围广、震源浅,地震灾害十分严重。由于引发地震的因素很多且各种因素之间具有极不确定的非线性关系。本文通过时间震级序列数据挖掘方法对地震预报展开了一系列的研究。其研究的目的是根据地震数据的特点,把经典的时间序列数据挖掘方法和高性能的计算机技术相结合,研究适合于地震预报的数据挖掘算法,找到地震数据背后的规律,发现潜在,有价值的地震预报知识。地震相关地区相似度匹配研究工作包括以下几个部分：1.对地震数据进行预处理,地震目录数据由发震时间,震中位置,震级等信息组成的数据,若直接进行管理规则挖掘,挖掘出来的结果是一些点与点之间的关系,本文对地震数据进行去噪、分块、画圆、聚类等离散化和主类分析,将地震转化为我们需要的地震数据格式。2.根据地震领域相关知识,定义了时间震级序列相似度,提出一种基于地震相似度的序列相似性匹配算法。该算法引入时间、震级二维阈值匹配思想,能快速地进行序列的相似性匹配,从而在地震序列中发现地震相关地区。3.约束规则的序贯模式度量模型的建立相似度匹配关联算法,其中相似度匹配定义可分为两个部分：粗粒度相似匹配,即在地震源目录中找出地震条数差值在一定的阈值margin下的地震区域；细粒度相似匹配,在粗相似的基础上,把时间、震级、发震地点等信息转化为二维阈值支持数的地震序列,对需查询的地震序列与地震数据仓库中的地震序列记录进行比较,找出具有较高相似度的地震序列。4.实现了基于机群系统的地震预报并行数据挖掘平台。在该平台中对海量数据进行预处理筛选的基础上再进行时间相似性匹配,增加了横向和纵向,多地区和多时间段的匹配：以及不同时间差,阈值的匹配,并通过大量实验对该模型进行反复验证,对我国地震频繁地区近几十年的地震历史数据进行了匹配实验分析,取得了可信度较高的实验结果,验证了所给序列相似性匹配控制策略的有效性、实用性以及算法的优越性。