近年来,水力压裂技术已经广泛应用于油气田开发过程中,尤其是对于储量巨大的非常规油气的开发,水力压裂已经成为必要的手段之一。微地震监测技术是在地面或者井下布设检波器来接收由于地下岩石破裂产生的微地震信号,通过对记录到微地震事件进行震源定位、震源机制反演等方面的研究,从而对水力压裂的效果进行评估。而通过地震学中震源定位的方法获取微地震事件的震源位置则是微地震监测的基本目标之一。在众多地震定位方法中,基于波形信息的偏移叠加类方法因其具有较好的抗噪性,而广泛应用于信噪比（SNR）相对较低的地面微地震监测数据中。其中绕射叠加（DS）定位方法,根据地下成像点的走时曲线直接对地震波形进行简单的叠加,具有较高的计算效率,因此在微地震实时监测中具有很大的应用潜力。然而,水力压裂过程中产生的岩石破裂包含大量的剪切破裂成分,对于剪切破裂的产生的微地震事件,由于受到自身震源机制的影响,会在地面地震记录中产生P波极性反转的现象。此时按照绕射叠加方法直接依据走时信息叠加波形,无法在真实的震源位置处得到聚焦的成像结果,而是在震源的发震时刻呈现出以震源位置为中心的对称性分布的特征（由于这一特征和震源辐射花样类似,我们称之为类辐射花样）。因此在实际应用中,DS定位方法在地面地震记录出现极性反转的情况下,存在定位不准确的问题。针对上述问题,本文首先提出绕射叠加干涉成像（DSII）定位方法,即使用空间干涉成像条件对震源DS成像中的类辐射花样进行校正。每个时间步的空间干涉算法包括以下步骤:（1）按照给定的空间干涉窗,以任意成像点为中心取出局部三维DS成像结果;（2）在取出的干涉窗内,关于中心对称的两个成像点,将其DS成像值做乘积;（3）遍历所有对称位置,将所有的乘积进行求和,对求和结果取绝对值后作为中心点的干涉成像值;（4）按照步骤（1）-（3）遍历所有成像点,获得空间干涉成像结果。上述空间干涉成像过程,能够将DS震源成像中的类辐射花样聚焦在了对称性分布的中心位置,也就是真实的震源位置。所以提出的DSII方法可以对微地震事件进行准确定位。空间干涉震源成像方法虽然可以通过校正绕射叠加结果进行准确定位,但是震源成像结果却存在很多成像假象而非完美聚焦。本论文提出一种基于机器学习图像识别的地震定位方法:将四维DS震源成像结果作为网络输入,并使用修改后的三维U型网络（U-Net）将其中的类辐射花样拟合为以震源位置和发震时刻为中心的四维高斯分布。DS成像中的类辐射花样主要受震源机制影响,在不同工区中具有较好的一致性。因此可以使用合成数据进行网络训练,然后将训练好的网络用于实际数据预测定位。输出端是以震源为中心的高斯分布,相比于空间干涉成像,网络的预测输出具有更好的聚焦效果。基于偏移理论的叠加定位方法,其绝对定位结果会受到速度模型的影响。而准确的速度模型反演对于微地震数据的信噪比具有较高的要求。本论文在DS震源成像的基础上,提出一种微地震数据去噪的新思路:由于地震信号具有较强的相关性,所以DS震源成像可以将信号的能量聚焦在震源位置周围,形成类辐射花样,而噪声能量则分散到地下成像空间;将聚焦的类辐射花样的能量,反偏移回地面检波器处,就可以对信号波形进行恢复。本论文提出的DSII方法不仅可以对微地震事件进行准确定位,还保留了传统DS方法的抗噪性优势,并且具有较高的计算效率。此外,该方法同样适用于复杂速度模型,在速度模型扰动和稀疏观测的情况下也具有较好表现。论文提出的机器学习定位方法,进一步优化了震源成像结果,并且训练好的网络可以应用于不同速度模型和观测系统,具有较好的泛化性。网络输入之前的DS震源成像过程,使得该方法具有较好的噪声压制效果。在网络预测过程中,输出的成像结果对类辐射花样的特征较为敏感,对于信噪比较低的微地震事件,只要其绕射叠加震源成像中的类辐射花样特征比较明显,就能够得到聚焦效果很好的震源成像结果。论文最后提出的微地震数据去噪方法,不仅可以有效去除随机噪声干扰和规则线性干扰,还能够对剔除的坏道等缺失道集进行补全。恢复的信号波形为后续的震源机制反演、速度模型反演等工作奠定了基础。