多年来,由于我国地理位置极其特殊地处世界两大活跃地震带中间,一直饱受破坏性极强的地震灾害“打扰”,以2018年为例,根据有关部门统计数据显示,全年我国发生三级以上地震灾害共计542次,极大影响了我国人民正常生产生活,严重威胁了我国人民生命财产安全以及造成了巨大的经济损失。因此,如何较高精度预测地震灾害直接经济损失,成为防震减灾领域必须要研究的关键问题,可通过预测结果积极采取防震减灾综合措施,进而最大程度降低地震灾害造成的经济损失。首先,利用灰色关联分析理论,选取我国1996年至2017年部分地震灾害历史统计资料为数据支持,在分析不同因素造成地震灾害直接经济损失影响的基础上,计算不同因素和地震灾害直接经济损失之间的灰色关联度,继而根据灰色关联度结果明确影响地震灾害直接经济损失多少的重要以及较小因素,其中,影响因素共计六个分别为地震灾害发生时间、地震震级、震源深度、受灾人口、烈度区面积以及人员伤亡。其次,以灰色关联理论分析影响地震灾害直接经济损失程度为前提,根据地震灾害数据分别建立了基于支持向量机(SVM)和BP神经网络的两种地震灾害直接经济损失预测模型,通过采用平均相对误差、最大相对误差以及最小相对误差为预测模型评价指标可知,支持向量机模型的预测精度要高于BP神经网络预测模型。通过历史地震灾害统计数据建立的支持向量机直接经济损失模型,说明支持向量机理论可以应用于地震灾害直接经济损失预测领域,而且,与BP神经网络模型相比,该预测模型具有较高的预测精度、可行性以及实用性,可为地震灾害直接经济损失预测研究提供相应的理论参考。图23幅;表9个;参48篇。