近日，昆明理工大学与北京科技大学的科研人员基于大量岩土工程微地震/声发射监测震源定位案例与相关文献，归纳总结了国内外微地震/声发射监测相关的理论与应用现状，研究指出震源定位问题属于受多因素干扰的复杂非线性反演过程，其定位精度受以下因素影响：(1)应力波噪声去除与到时拾取效果;(2) 速度模型的准确性;(3) 基于速度模型的走时算法精度;(4) 震源定位方法反演性能;(5) 监测设备性能与布设方案设计。作为多学科交叉的复杂问题，目前的震源定位效果仍不能满足微地震/声发射信息定量分析的要求，研究指出了未来研究的5大方向：
(1) 波形信号处理是提取观测数据特征的关键步骤，面对当下监测硬件发展带来的海量数据，发展智能化(自动及自适应)处理方法提高观测信息的处理效率与精度是重要的研究目标。借鉴深度学习等人工智能方法在其他领域去噪及特征提取方面的成功应用，在噪声去除及到时自动拾取中采用深度学习方法，是今后波形信息智能化处理的研究趋势。
(2) 速度模型是影响走时类震源定位方法效果的关键因素。基于岩土工程及岩石试验中岩石的属性，归纳了速度模型的3 个影响震源定位效果的特点：复杂性，各向异性及时变性。应当针对以上属性的影响，提出合理的速度模型建模方法及建立合适的走时计算方法，来准确反映震源定位反演过程中的模型参数和正演计算结果，从而提高定位精度。
(3) 反演策略的选择涉及计算效率及最优解的获取，应根据具体监测项目中震源定位影响因素的权重及观测数据特征，选取不同反演策略以优化震源定位结果。
(4) 实际应用中，传感器的选择与监测阵列的设计对整个监测系统的性能起到至关重要的影响。为了量化监测性能的评价以优化设计方案，提出了震级敏感度、残差分布及误差敏感性3 个指标来表征监测系统定位结果的有效性、准确性和鲁棒性，为实际监测方案的评价与设计提供了思路。
(5) 深度学习技术直接运用在震源定位问题中，本质上改变震源定位原理。将传统的反演问题改变为基于数据驱动的映射建立问题。可大大提高定位效率及对于数据的稳定性，是今后研究中极具前景的方向。
