当今,全球经济快速发展,自然灾害的预防和应急能力也在不断增强。然而,对于地震的预测,人类如今还未掌握它的活动规律。如何有效地监测和预测地震对世界各地在应对自然灾害方面都是重中之重。综合国内外文献,本文采用现代计算机技术、神经网络综合实现改善地震因子指标,这对于地震预测、预警工作具有重要意义。主要工作如下:1.通过地震目录的统计,分析震级-频率关系验证了古登堡-克里特定律。实现地震目录中所有震级在经纬坐标上分布,归纳、分析出地震带上六个高频地震区。2.实现基于最小二乘法求b值等地震因子的建模。针对神经网络难以快速收敛的问题,使用主成分分析法（Principal Components Analysis,PCA）对多维地震因子权值分析来减少神经网络的输入数量且不会丢失原数据的信息。3.提出粒子群优化递归网络（Particle Swarm Optimization Recursive Neural Nerwork,PSO-RNN）的方法,实现地震的预测。实验结果和结论:第一,通过各个评价指标对比,说明PSO-RNN预测模型更好。第二,对不同震级阈值下R值对比,找到预测模型中最佳阈值。第三,使用相同的预测模型研究不同区域的预测性能,得出地震完整目录等级越小,该地区在PSO-RNN网络中的预测性能越好。第四,预测与实际位置偏差分析。4.实现地震因子可视化分析系统。通过该系统的四个功能模块对地震进行有效预警。本文通过对地震因子建模和训练网络预测模型,实现地震预测指标的改善,并在理论的基础上,建立可视化分析系统,实现对地震因子实时监测,达到地震预警的目的。