目前,地震预测仍是一个世界性科学难题,人类对地震成因和孕育规律还未取得科学的认识,地震预测研究尚处于探索阶段。地震预测研究的实践证明:地震的孕育和发生是很复杂的,是宏观自然界中大规模的深层变动过程,可能涉及到地球物理学、地质学、测量学、地球化学、气象学等学科中的各种异常现象。在探索研究的过程中,人们逐步发现地震之前异常出现的种类多少、持续时间与地震震级的大小有一定关系,这种关系具有较强的不确定性,是一种非线性映射关系,很难通过简单的表达式进行解析,这给地震预测带来了很大的难度和一定的局限性。因此,面对多年积累的大量观测资料,如何准确地识别出核心的、关键的异常信息,如何构建泛化能力强的模型来模拟这些异常信息与地震之间的非线性关系,是地震预测研究领域中亟待解决的问题。粗糙集是一种新颖、有效的软计算方法,能够分析和处理不确定问题。主要思想是在保持分类能力不变的前提下,删除不相关或不重要的属性,最终保留那些对分类起决定作用的核属性。人工神经网络是对大脑生物神经网络的模拟,是一种将若干具有处理功能的神经元节点按一定结构连接起来而构成的网络模型,适用于处理模糊的、不精确的数据和复杂的非线性映射问题。因此,将粗糙集与人工神经网络理论引入地震预测研究领域中,对识别关键的地震异常指标、分析异常指标与地震之间的非线性映射关系等问题无疑是很好的选择。《中国震例》系列丛书合计收录了1966～2002年间中国大陆发生的所有5.0级以上地震(后又增补了4条4.5~4.9级的地震)的震例研究报告,书中对每个震例的地震基本参数、地质背景、震前异常等都做了详细的总结和分析,是迄今为止最完整、最丰富的震例资料,是探索地震规律和研究地震预测的重要科学资料。针对地震预测研究中存在的难题,充分认识到粗糙集和人工神经网络在解决相关问题上的优势,本文提出一种基于两者相结合的地震预测系统模型。首先,系统地分析整理了《中国震例》记载的震例数据信息,并存储到使用SQL SERVER 2000建立的震例数据库,作为研究分析和实验预测的数据源。其次,调用震例数据库,获得包含异常信息的震例数据,并对其进行数据离散化等相关预处理。再次,用Java语言实现基于可辨识矩阵的属性约简算法,用来完成从大量的震例数据中提取核心地震异常属性。最后,在Matlab环境下,通过构造BP神经网络模型来建立核心地震异常指标与地震震级之间的一种非线性映射关系,从而尝试对地震进行预测。通过对该系统的研究和实现,期望可以为地震预测提供更合理、更客观的指导,进而对预测准确度的提高有一定帮助。