地震灾害严重威胁人民财产生活安全,灾害预警能力的提高可以避免地震带来巨大的损失,使人民得以安定生活。世界各国地震灾害频发,1980年开始我国统计了200份以上的地震灾害调研报告,其中地震烈度五级以上的地区就超过了3/4,覆盖我国大部分陆上领土。发生自然灾害会重创我国经济,08年我国的汶川地震所造成的经济损失就超过了两千亿。我国位于多板块的交界地带,由于板块活动的剧烈造成我国西南,临海地带地震灾害时有发生,仅21世纪以来就发生了多次较为严重的大地震,地震灾害发生的突发性与未知性还会造成人员巨大伤亡。地震造成的灾害严重,地震预警工作尤为重要,本文重点研究了地震中的异常信息的提取,而地震前兆数据与地震联系紧密,其数据种类多样,来源广,可分析性强,出现异常的前兆数据正是判断地震灾害发生的重要依据,采集前兆数据的设备可以实现定时采集与间隔采集,前兆数据处在不断的更新和变动过程中,所以有必要实现对前兆数据的监测,找到合适的异常数据检测算法。本文完成了异常监测算法研究与地震前兆数据分析,具体的贡献有:(1)完成了数据预处理。使用聚类算法标签化处理地震前兆数据,传统的数据预处理过程只有归一化操作,而地震前兆数据都是无标签的数据,数据缺乏标签会造成支持向量机(Support Vector Machines,SVM)分类不准确。完成数据清洗,数据清洗操作将干扰算法运行的错误数据剔除。(2)完成了改进的粒子群(Partical Swarm Optimization,PSO)结合支持向量机的前兆异常数据检测。使用伊藤引理优化PSO初始化过程,提高粒子变异能力,让初始粒子具有多样性。使用Zigguart算法增加PSO粒子数量,解决系统全局搜索能力与局部搜索能力不平衡的问题。使用自适应速度更新的方法改进PSO算法中粒子的速度与位置更新公式。使用改进后的PSO结合支持向量机方法实现了地震前兆数据在异常检测算法中的应用,选取滁州市地震局采集的实际有地震发生的前兆数据样本通过本文算法检测,得到的异常数据真实有效。(3)搭建了地震前兆数据监测与预警平台。使用基于JAVA语言的B/S架构体系,完成了数据分析,数据在线采集,数据库数据存取,短信联系负责人以及数据显示功能,异常检测系统作为地震前兆数据预警平台的一部分。综上所述,改进后的异常检测算法提高了异常识别率及预测率。与PSO算法,MOPSO/DC算法,PSO-A算法对比,本文算法的收敛性即全局搜索能力、运行的稳定性最佳,算法的适应度值高且拟合效果好;前兆数据经过本文算法的SVM分类后与PSO-SVM算法,SVM算法,GWO-SVM算法相比,有效异常数据识别精确率与识别准确率最佳;搭建的前兆数据监测与预警平台为地震预警提供了直观高效的工具,提出的前兆数据异常检测算法可以有效地提取异常数据。