地下工程经常引发各种地质灾害,如岩爆等,这些灾害严重威胁着人员和地下结构的安全。微震监测是目前最常用的监测手段以保障施工人员和地下设施的安全。然而,因为监测过程中许多步骤非常依赖人工操作,所以微震监测并不能作为一种自动实时预警手段。虽然先前许多研究已经提出了一些用于微震监测自动化数据处理的算法,但是它们的准确度仍远不如人类专家。鉴于目前存在的问题,本研究主要解决了微震监测数据自动化处理的问题,包括信号识别,微震到时检测和模型迁移三个方面。本研究探讨了先前研究的不足之处,在此基础上对各步骤算法针对微震监测信号数据进行了改进。(1)针对微震信号识别,提出了一种“轻量级”的深度可分离空间通道注意力机制用来与一维的残差连接进行耦合;该机制可以细化网络中的信息流,当处理多通道微震数据时,能够在参数增长量较小的前提下提升网络的表征能力;基于该模块,本文还分别提出了一个单通道和一个多通道的信号识别模型。(2)针对到时检测,为了解决到时点和普通采样点类别不平衡问题,实现了一种高斯分数图的软标签形式,它可以为模型指明优化方向和可视化训练过程。为了解决传统方法对超长微震信号数据处理不高效的问题,本研究提出了一种分割整合多头自注意力机制,以高效对超长序列信号进行建模;本文还基于微震信号本身的特点构建了一种“提取器-编码器-生成器”的模型架构用来进行端到端的到时检测任务;实验结果显示,该注意力机制对于编码超长序列信号贡献很大,且提出的架构已经能达到人工处理的效果。(3)针对模型迁移问题,探讨了目前在视觉领域广泛使用的迁移方法在用于微震监测工程之间迁移时所遇到的问题;提出了一种两级对抗域自适应算法,该算法可以在不指定超参数的前提下对不同难度的任务进行迁移;另外,为了在无监督迁移学习之后能够继续以较少样本标注成本来提升模型性能,本研究实现了一种主动学习机制用以选择信息丰富的样本,结果显示,通过这两种技术的配合,可以实现在新施工现场的快速部署,并且随着地下岩体的开挖不断对模型以较少标注成本进行微调,以适应不同施工段上地质条件的变化。本文解决了智能微震监测的若干关键技术,实现了高精度的微震数据自动化处理,为未来设计基于微震监测的实时预警系统奠定了基础。