摘要:地震前兆数据的异常信号识别是地震预报与前兆研究的基础.近年来随着计算机技术的发展与大数据平台的逐渐完善,前兆识别的研究方法也从对"震源的机理模型解析"转向"数据分析"发展.但传统的前兆数据分析方法在实际使用中存在局限性:观测精度和采样率的大幅提高导致数据量激增,数据呈现的形态和变化更趋复杂多样(王秀英等,2015);高维度的海量观测数据蕴含着地壳动态变化的复杂规律(严尊国,陈俊华,1999),但逐日逐台处理分析数据,依赖研究人员人工归纳推导前兆异常模式的传统方法,既不能充分利用大数据的优势,也难以获取准确的假设模型,即异常指标的先验统计学模型不能有效描述地震活动的前兆规律;地壳运动的不可逆性使得在一次地震前观测到的前兆现象,在下一次地震前可能观测到的特征状态不同,具有新型前兆特征的震例不断涌现.如何在长时间尺度下,记忆动态时间序列中的震例前兆特征,在下一次地震前"回忆"历史特征并及时预警,是前兆数据分析的难点.