地震波初至拾取一直是地震数据处理中重要又基础的问题。它的准确度决定着地震数据处理结果的好坏,因此能否找到快速准确的地震波初至拾取方法直接关系着地震数据处理工作的效率。　　截止到目前,前人已经提出许多地震波初至拾取方法,但这些方法一般适用于地质结构较简单的地区。对于沙漠、戈壁、高原、山地等地质结构复杂的地区,则需要研究精度更高、适应性更强的地震波初至拾取方法。　　本文给出了一种基于人工神经网络和小波变换相结合的地震波初至拾取方法。首先,选用小波变换对实际地震波进行消噪预处理,然后将所得信号进行分析。在模式识别中提取六个特征值作为模型输入,使用MATLAB工具分别采用BP(Back Propagation)网,RBF(Radial Basis Function)网和数据依赖性改进的支持向量机(Support Vector Machines)对实际地震数据中提取的小样本和大样本进行训练得到相应网络,然后再用小样本和大样本进行测试,将其结果进行比较。发现在小样本和大样本的情况下,数据依赖性改进的SVM法具有较高的分类能力,所以它的实验准确率明显高于其他两种方法,证明了数据依赖性改进的支持向量机法应用于地震波初至拾取领域的可行性和高效性。