统计方法的预测精度取决于时空范围内数据的选取、样本数量等问题。一般而言，基于足够的样本数量，建立统计模型，进行短期的预测，有时也可得到满足一定精度的结果。例如根据滑坡位移监测数据，建立回归模型，预测短期内的位移变化是可行的。

    但仅根据统计方法，预测岩土体的破坏与失稳问题是不可行的，因为预测方法如果脱离了岩土体破坏过程的物理机制，预测误差不仅难以控制，而且预测的趋势可能与实际相反。举一个简单的例子，如果把岩石单轴压缩下应力应变峰值强度前的数据给你建立统计预测模型，那么不管你是采用回归方法、灰色理论方法还是BP算法及神经网络方法等，都不可能预测到过峰值点后，随应变的增加、应力会减小的特征，不但预测误差大，而且预测的规律恰恰与实际相反。Rat^[1]（1988）曾坦率地指出，由于缺乏严格的物理基础，统计预测通常是很不可靠和很有“诡计”的。

    在强震预测研究领域，由于过去无法划定孕震时空区域，例如b值的计算就有很大的人为性；采用的时间-破坏预测模型，如AMR、DMR模型等，难以反映断层中多锁固体的渐进破裂过程，在实际预测实践中常常“败下阵来”。

    再者，统计预测还有预测的可靠性问题。例如，有人统计过大旱和大涝后的强震发生概率差不多。你总不能拿这种“五五开”的概率说大旱之后必有大震吧，准确的说法是，大旱之后可能有大震，但也可能没有大震。总之，无论你的预测方法是什么，如果做不到80%以上的高可靠性，就不要“靠蒙”预测地震了。

参考文献

[1] Rat, M.. Difficulties in foreseeing failure in landslides-La Clapière, French Alps[J], in Proceed. 5th ISL, Lausanne 3, 1988, 1503-1505.