地震记录初至拾取一直是一个基础而又很重要的问题。它在折射波静校正、VSP解释、浅层折射波勘探和层析成像勘探中都起着重要的作用,它的准确与否直接影响到处理结果的好坏。初至拾取在数据处理中所占的工作量是很大的,它的速度直接影响到数据处理工作的效率。到目前为止,已经提出了许多初至拾取的方法:如相关法、能量比法、最大振幅法、分形维法及神经网络法等。对于地震初至简单的地区,用一般的初至拾取方法就能满足要求,但对复杂地区,由于初至波形变化较大,各种波相互干扰,常常难以判断初至时间,这是一直困扰着我们的一个难题,神经网络是一门交叉学科,它以生物大脑的结构和功能为基础、以简单的数学方法完成复杂的智能分析,能有效地处理问题的非线性、模糊性和不确定性关系。神经网络技术以其大规模并行处理、分布式存储、自适应性、容错性等优点被广泛地应用于生物、电子、计算机、数学和物理等领域。本文研究和分析了经典BP神经网络的理论,首先对共炮道集记录和共偏移距道集记录进行了小波整形,再利用高信噪比方法拾取出的初至作为BP神经网络的学习样本,最后分析了基于共炮道集和共偏移距道集的BP神经网络拾取初至的方法,通过实际资料证明了基于共偏移距道集的BP神经网络方法拾取初至效果更好,效率更高。