摘要: 高效的波至拾取在微震和地震数据处理及成像过程中起到重要作用。广泛使用的基于波至拾取算法的短期平均和长期平均比（STA/LTA），对中强度随机环境噪声的敏感程度较低。为了使最先进的波至拾取方法奏效，首先需要对微震数据进行预处理，例如，消除足量的噪声，再由波至拾取法进行分析。为了解决微震或地震事件波至拾取的噪声问题，利用机器学习技术帮助识别微震或地震数据中的地震波形。由于受监督机器学习算法对大量设计好的训练数据具有依赖性，本文利用无监督机器学习算法将时间样本分为两组，即波形点和非波形点。已证明模糊聚类算法可以运用于微震拾取。一组复杂程度不同的合成、真实微震和地震数据集表明，即使在中强背景噪声情况下，该方法在拾取微震事件方面比最先进的STA/LTA方法表现得更稳健。