微震监测预警对保障矿井安全具有重要意义，微震信号降噪和P波初至的准确拾取是微震监测结果可靠性的基础。通过观察海量微震信号，我们发现单个微震信号的噪音段具有良好的重复性，由此创新性提出基于预测数据的信号降噪思路。具体地，构建了基于自适应增强(Adaptive Boosting， Adaboost)策略提升长短期记忆网络(Long Short-Term Memory， LSTM)的微震信号预测模型，提出了基于模型预测数据与观测数据之差的微震信号降噪方法，研发了长短时窗均值比(Short-Time Average/Long-Time Average， STA/LTA)与赤池信息准则(Akaike Information Criterion， AIC)联合的P波初至拾取方法(S/L-AIC法)，并使用P波初至拾取误差评估和方法对不同降噪信号和拾取效果进行了比较。含噪Ricker子波理论测试和耿村煤矿微震数据应用均表明，Adaboost＿LSTM模型对于噪音具有很好的拟合性，而对于未进行神经网络训练的微震有用信号拟合性较差，且Adaboost＿LTSM模型的信号预测和降噪效果均优于LSTM模型的结果。基于Adaboost＿LTSM模型的预测数据能近乎完美的去掉微震信号噪音，其降噪效果显著优于小波低频系数重构结果，对非平稳信号的适应性明显增强。小波和Adaboost＿LSTM降噪信号能明显提升微震信号P波初至拾取效果，且Adaboost＿LSTM降噪信号的P波初至拾取效果更优。S/L-AIC法的P波初至拾取效果优于STA/LTA法和AIC法，兼具了STA/LTA法的稳定性和AIC法的准确性特点，本文降噪信号S/L-AIC法P波初至拾取误差整体在10ms以内。综上，本文的矿山微震信号降噪和P波初至拾取方法能为矿山微震监测预警提供重要保障。进一步地，可尝试将本文方法推广至天然地震信号降噪和P波初至拾取。

1 微震信号预测、降噪及P波初至拾取方法
1.1 基于Adaboost＿LSTM的微震信号预测方法
1.2 基于Adaboost＿LSTM预测的信号降噪方法
1.3 P波初至拾取方法
2 Ricker子波理论测试
2.1 含噪音Ricker子波合成
2.2 Adaboost＿LSTM模型训练与预测
2.3 Adaboost＿LSTM模型降噪及应用于P波初至拾取的效果
3 工程应用
3.1 微震监测系统简介
3.2 典型微震信号分析
3.3 典型微震信号拾取效果
3.4 微震信号拾取应用
4 结论