摘要：高效的波至拾取在微震和地震數據處理及成像過程中起到重要作用.廣泛使用的基于波至拾取算法的短期平均和長期平均比(STA/LTA),對中強度隨機環境噪聲的敏感程度較低.為了使最先進的波至拾取方法奏效,首先需要對微震數據進行預處理,例如,消除足量的噪聲,再由波至拾取法進行分析.為了解決微震或地震事件波至拾取的噪聲問題,利用機器學習技術幫助識別微震或地震數據中的地震波形.由于受監督機器學習算法對大量設計好的訓練數據具有依賴性,本文利用無監督機器學習算法將時間樣本分為兩組,即波形點和非波形點.已證明模糊聚類算法可以運用于微震拾取.一組復雜程度不同的合成、真實微震和地震數據集表明,即使在中強背景噪聲情況下,該方法在拾取微震事件方面比最先進的STA/LTA方法表現得更穩健.