实验室地震具有断层力学条件已知可控、易观测、可重复等优点，在实验室地震的基础上开展机器学习预测研究，并探讨将其中的孕震规律迁移到天然地震预测中的可行性，可能成为地震预测这一世界性科学难题的突破口。目前相关机器学习模型训练普遍存在数据类型单一等问题，导致训练模型的预测精度差、普适性不强。鉴于此，本研究采用FDEM数值模拟方法，开展实验室尺度的断层剪切黏滑试验并采集相关数据，采用机器学习多融合模型及考虑多模态特征的深度学习方法进行机器学习预测训练，构建具有强泛化能力的实验室地震机器学习预测方法。相关初步探索期望为实验室地震提供有效的预测方法、模型和流程，为天然地震机器学习预测提供一些思路。