地震预测是基础研究领域的一个重要课题，如果能准确预测即将发生的地震，就可以在地震来临前及时向政府和人民发出预警信号，帮助人们采取有力措施，避免重大的人员伤亡和经济损失。　　在地震的观测过程中，容易得到地震震级这一变量的时间序列，而根据混沌理论可以知道，决定系统长期演化的任一变量的时间演化过程，均包含有系统所有变量的长期演化信息。本文尝试从过去发生的地震震级时间序列寻找地震震级的演化规律，预测未来可能发生的地震震级大小。　　本文首先研究地震震级时间序列的噪声平滑问题，分析噪声的破坏性作用，说明去噪的重要作用。文中介绍了常用的小波去噪方法，在对小波尺度阈值的选择上，给出一种改进后的小波方法。对比这两种方法的去噪能力，采用去噪能力强的改进小波方法对地震震级时间序列进行去噪处理。　　其次，分析地震震级时间序列的混沌特性和相空间重构的重要作用，计算地震震级时间序列的最佳嵌入维数和延迟时间，利用 Takens定理重构地震震级时间序列的相空间。　　最后，介绍常用的前馈神经网络，即BP网络和RBF网络，建立地震震级时间序列的混沌-前馈神经网络模型，进行地震震级时间序列的预测仿真。为了进一步提高震级的预测精度，本文还介绍了小波神经网络，详细分析小波网络的算法过程，针对其初始权值和阈值的选取缺点，采用遗传算法对其进行优化，然后应用小波神经网络和改进的小波神经网络进行地震震级时间序列的预测仿真。比较基于前馈神经网络和基于小波神经网络的地震震级时间序列预测结果，表明：遗传算法改进后的小波神经网络具有较高的预测性能，其震级预测精度明显高于其它神经网络，误差也相对较小。