新疆地处印度洋板块和欧亚板块碰撞的前沿地带,主要有五大地震带,分别是阿尔泰地震带、北天山地震带、南天山地震带、西昆仑山地震带和阿尔金山地震带。频度高、震级大、范围广是新疆地震的特点,但新疆大多数地震发生在山区,距城市较远,与我国东部几条地震带相比,造成的人员和财产损失较小。为探索新疆地震发生频数与时间的隐性关系,运用机器学习中的BP神经网络算法,根据新疆近十年地震目录数据,对地震频数作出预测。为从理论上探索精河地壳形变的运动规律,根据精河地震台监测近十年整点时的形变数据,构建ARIMA预测模型,预测地壳变化趋势。根据新疆地区2009至2018年的地震目录数据,预测地震频数,分析频数与时间的隐性关系。本文选用地震频数的对数作为BP神经网络输出,预测新疆地区在2017、2018年3、4、5级地震发生的频数。地震目录数据的预处理中,首先筛选地震发生的时间及震级,统计新疆各年份3、4、5级地震的发生次数,对统计后的频数取对数;其次为减少BP神经网络的训练时间,避免出现收敛太慢的问题,对网络输入值归一化处理。根据处理后的数据,运用软件训练网络模型,同时调整网络权值,在网络权值基本收敛时,回归性预测,新疆地区2017、2018年的地震频数,结果显示预测的精度较高,误差较小。验证新疆发生地震的频数与时间存在线性或非线性关系,同时验证BP神经网络模型对这种关系表达的可行性和相关价值。最后运用可公度性方法作出6级以上地震的可公度式,对2017年8月9日精河地震作出预测,验证新疆发生强震具有一定的规律。本文根据地壳形变的整点时数据,截取2009年1月1日00时-2019年1月27日23时数据,进行噪声处理,建立ARIMA模型。运用软件分析形变数据,应用时序图判断序列平稳性,ADF检验进一步判定序列为非平稳序列,用差分法让非平稳序列平稳化,应用模型识别和模型检验,得出预测模型。根据水管NS、EW向均采用ARIMA（1,1,1）模型,水平摆NS和EW向分别采用ARIMA（5,1,8）模型和ARIMA（4,1,2）模型,伸缩仪NS和EW向分别采用ARIMA（1,1,8）模型和ARIMA（1,1,5）模型,所有模型的R~2（29）0.95,显著性?（27）.00 1,BIC的值也很小,各个AR、MA各自的?（27）.001,T值也很显著,通过残差检验和异方差检验,表明模型拟合较好,可以刻画地壳形变的规律。通过建立ARIMA模型对地壳形变变化趋势预测,对比观测值和预测值,根据水管、水平摆、伸缩仪数据在地震（2017年8月9日）发生前后误差大于平常。由此看出,ARIMA模型提供的判别地壳形变异常的变化背景是可靠的。对新疆地震的分析有助于发展地震预测与数值预报的研究,从而说明新疆地震台的监测环境较好,监测仪器监测的数据也比较准确。