微震初至波到时准确拾取是实现震源定位的前提，传统的人工拾取方法效率低、耗时长，而自动拾取方法中常用的长短时窗能量比值（STA/LTA）法对低信噪比信号的拾取准确率较低。针对上述问题，提出了一种基于随机森林的微震初至波到时自动拾取方法。首先，提取微震数据的振幅、能量及相邻时刻振幅比作为特征，并对每个样本进行特征类别标记；然后，构建随机森林模型以识别微震初至波；最后，采用随机森林模型计算每个测试样本属于某一类别的概率，将概率不小于0.5的第1个数据采样点判定为微震初至波到时采样点。采用煤矿井下巷道深孔中的微震监测数据进行实验，结果表明当随机森林算法中决策树的数量和最大深度分别为137，6时，该方法对微震数据样本分类的准确率达98.5％，对微震初至波到时的平均拾取误差为23.1 ms，拾取精度优于STA/LTA方法。