作为自然灾害之一的地震其破坏力极为巨大,地震的发生往往也是在不经意中,而带来的是重多的人员伤亡事故和巨大的经济损失。同时我国又为世界上发生地震活动较多的国家之一,做好地震预测工作为我国走可持续发展之路的必然选择。对于地震,为了更好的预测出地震的发生,各国的研究人员都在探究地震发生的原因和规律。而从这么多年来对地震的历史研究中可以看到,某个地区发生地震的可能存在一定周期性,即对于该地区的地震活动时间序列来说有着相关的重复性和规律性。这种周期性为研究地震的发生提出一个较好的思路。研究地震发生的方法有很多种,对于小波函数来说可以反映非平稳信号时频域的特征,本文首先对我国的强震活动所释放能量的时间序列应用小波分析的方法,得到地震活动在不同时间尺度上的特点。应用小波分析得到的小波系数和由此得到地震活动中潜在的活跃周期来对我国强震活动进行进一步的预测分析。地震活动有着样本离散、有限等特点,对于小样本的地震事件,很难用确切的公式或解析方法把其中的规律性表示出来。而支持向量机克服了传统方法中存在的不足,同时还有着良好的预测能力,适合地震离散数据的建模和预测研究,与此同时,研究还发现,支持向量机的预测(泛化)能力要优于神经网络方法和传统的统计学习方法。改进的支持向量机回归算法简化计算的复杂度,将改进的支持向量机回归算法应用到地震预测中,通过实验得到,在保证回归精度条件下,和原始的支持向量机回归算法相比学习速度和时间上有一定的优势,对于地震预测来说是种较为不错的选择。本文所做的工作主要如下：(1)首先用小波函数对地震能量的时间序列进行预处理,由此得到地震活动中潜在的活跃周期来对我国强震活动进行进一步的研究。小波变换拥有频域和时域都能良好局部化的特征,以及有着频域和时域多分辨功能的特点。小波分析方法可以很好的反应出隐藏在时间序列中的变化周期以及其在不同时间尺度上的变化趋势。(2)改进的支持向量机回归算法通过对超平面的表达式进行改造,减少了约束条件,提高了学习速度,同时也保证了回归精度。(3)利用小波分析得到的活跃周期作为时间窗长,应用改进的支持向量机回归算法对我国的最大震级进行预测和分析。对于支持向量机训练选择与地震活动密切相关的地震活动参数：频次N、最大震级Mmax。、平均震级M、折合能量N’作为样本的输入。和实际震级进行比较,结果较为良好。同时和神经网络方法相比较,报准率相对较高。