层析静校正是目前静校正方法中精度最高的一种方法，在很多地质条件复杂地区的资料处理中得到应用且效果显著。然而，层析静校正的依据是初至波的正确检测。随着地震勘探向沙漠、戈壁、山地等地表复杂地区深入开展，以往的方法已不能满足要求。因此，需要研究精度更高、适应性更强的初至拾取新方法。 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，并在此基础上提出了权值空间初始化二分法，网络隐含层结构自动寻优解，引入遗忘因子法并结合学习速率自调节来实现网络的自适应速率学习，引入随机优化算子以利于经典BP算法跳出局部极小。除此以外，进一步实现了基于pi-sigma模型的模糊神经网络方法，并应用计算机模拟的理论数据验证了神经网络方法初至拾取的可用性。将改进型BP神经网络和模糊神经网络方法应用到地震勘探的实际资料处理中，取得了较好的应用效果。然而，地震资料的数据量相当庞大，尤其是三维地震资料的处理速度需求使单处理器上的串行算法很难满足要求，因此必须研究初至拾取的并行化方法。本文在分析和研究BP神经网络内在并行性的基础上，基于MPI设计与实现了改进型BP神经网络的并行化算法，并实现了地震初至拾取的并行处理。