本文首次用基于主成分分析的支持向量机划分地震相。基于主成分分析的支持向量机划分地震相的方法可以提高支持向量机分类的训练速度和预测速度，而且不会改变样本的分布特性，还会保持样本的分类信息，从而可以提高对地震相的划分精度。地震相划分的准确性直接影响油气勘探预测结果的可靠性，可以减少勘探风险，带来巨大的经济和社会效益。 文中介绍了近年来得到广泛关注和研究的支持向量机(SupportVectorMachineSVM)的相关知识，讨论了实现支持向量分类机的算法，尤其深入地分析和研究了序贯最小优化算法，总结出了该优化算法与常用的选块算法和分解算法相比较的优势和特点。 对于支持向量机多类分类算法，本文首先总结了常用的“一对一”和“一对多”算法的优点和缺点，然后提出了基于主成分分析的支持向量机编码的多类分类算法。文中给出了该编码算法的详细步骤，举例说明了该算法的训练和预测过程。通过地震数据的验，证明了本文提出的多类分类方算法比现有的“一对多”和“一对一”算法降低了运算的复杂度、节省了运算时间、提高了预测的精度。运用基于主成分分析的支持向量机编码的多类分类的算法划分地震相，不但分类的速度快而且预测的精度高。此外，在划分地震相的过程中，对庞大的地震数据采取了将数据分块后再划分的方法。 最后，本文对所选取的多项式核函数，还通过试验归纳出了对于地震数据多项式的阶数d与惩罚参数C的最佳匹配。