地震是对社会造成巨大人员、财产损失的最严重自然灾害之一。地震具有严重的破坏性,以及不可预测性。地震发生后,快速获取震区受灾信息,判断出震区受灾情况,对于救灾工作的迅速展开意义重大。通信数据具有能够反映人类社会变化、人类活动变化的特点,通过对通信数据的挖掘可以有效的判断出地震的受灾情况。过往的经验也表明,通过通信数据可以比较准确的判断灾区范围。因此研究使用通信数据对震灾进行判定具有现实意义。本文研究基于通信数据的震灾判定,包括通信数据的预处理、异常检测与震灾判定以及概念漂移检测。具体如下:(1)针对原始通信数据不能直接反映地区通信状况的问题,研究使用Geohash编码,将以用户、时间为主键的数据聚集为以Geohash字符串为基本单位的数据流,方便提取地区整体通信情况数据:(2)针对通信数据流中存在的类别不均衡问题,研究了基于样本空间分布的过采样方法以提高学习算法的综合性能,在UCI数据集上的实验说明,该方法相比以往的算法能够更有效地提高模型的综合性能;(3)为了探究异常检测算法在地震通信异常判断问题上的适用性,研究了 K-sigma算法、基于K-means聚类的异常检测以及基于LSTM的异常检测三种不同算法在地震在该问题上的适用性,并在实验数据集上对比了这些算法的表现;(4)针对通信数据流中存在的概念漂移,本文研究了基于JS散度的集成分类算法,通过集成学习模型的性能变化,对概念漂移进行检测,从而动态的调整模型,使其适应数据流的概念变化。在真实世界的数据集和人工数据集上进行的实验,验证了该概念漂移检测方法的有效性。