中国是全球地震灾害最严重的国家之一,地震对人类社会造成的危害不仅体现在建筑物和基础设施的损坏,更表现在火灾、泥石流、山体滑坡等引发的次生灾害。由于我国的地震活动具有分布范围广、强度大、震源浅等特点,一旦有大地震发生在人口密集的城市,将会造成巨大的人员伤亡和财产损失。因此,我们要从“防、避、抗、救”等全面提升城市的抗震防灾能力。地震预警可以在地震发生后,赶在破坏性的地震波到达预警目标区之前,提供数秒至数十秒的预警时间并采取相应的应急处置措施,它是近二十多年来新发展起来的减轻地震损失、降低地震次生灾害、减少人员伤亡的有效手段。本文所做的研究工作主要是为我国地震预警技术服务,现将本文主要工作概括如下:（1）首先,本文搜集了1999-2011年日本kik-net强震台网记录到的612次地震以及我国发生的集集地震与汶川地震,并对它们进行层层筛选和预处理。包括基线校正、利用STA/LTA法和AIC法分别对P波进行粗略捡拾和精确捡拾、计算所挑选台站的仪器地震烈度以及截取P波触发后20秒的加速度时程等准备工作。（2）然后,本文选择了多层感知器和卷积神经网络两种分类预测算法进行仪器地震烈度的预测。考虑到低烈度与高烈度所对应的加速度记录在P波触发后20秒内的变化趋势不同,所以本文采用分步预测的方法,且每一种神经网络分别建立了三个模型。第一步用“判断模型”预测烈度属于低烈度还是高烈度;第二步用“低烈度模型”或“高烈度模型”预测具体的仪器地震烈度值。本文分别统计了实时预测结果和5秒平均的预测结果进行对比,推荐使用5秒平均的预测结果,该结果更优且更稳定。（3）最后,本文选择了尹之潜（2010）提出的一种基于半经验半理论的城市建筑群震害预测方法,并将这种方法与循环神经网络分类预测算法相结合,使其可以应用在地震预警中实时预测城市建筑群的震害情况。本文挑选了6类典型建筑、4种防御标准、4种设防烈度,一共可以组合出96种情形的建筑结构。为了使神经网络模型的训练和预测效果更好,将6类典型建筑分开进行训练和预测。本文分别统计了实时预测结果和5秒平均的预测结果,推荐使用5秒平均的预测结果,该结果表现更优且非常稳定。