微地震监测技术作为近年来发展迅速的地球物理勘探技术，能够实现储层压裂裂缝监测、油藏驱动实时监测等，在油气田勘探开发中具有重要意义。通过监测井中或者地面布设的检波器阵列接收生产活动中诱发或者产生的微震事件，反演微震源位置等压裂参数，并应用它们对生产活动进行监测和指导。但多数地球物理反演属于多极值目标函数优化问题，使得线性或类线性理论的反演方法易陷入局部极值，结果不可靠。本文遵循生命科学与工程科学相互渗透、交叉以及促进的近代科学发展趋势，消化吸收国内外学者关于非线性最优化问题研究成果，提出BP神经网络和遗传算法相结合的混合算法，应用于微震源定位反演问题。第一部分首先介绍了经典Geiger定位法、纵横波与同型波时差法和非线性反演算法等震源定位方法。主要介绍了非线性反演算法中的遗传算法和BP神经网络算法的基本概念、构成要素、理论基础和运算机制及特点，针对传统算法的缺点和局限性，分别提出了改进措施。第二部分利用射线路径追踪方法设计了各种不同介质模型正演模拟算法。建立的模型主要包括层状均匀介质模型、层状弯曲介质模型和复杂介质模型；正演算法主要应用了试射法中的二分法和基于网格思想的微变网格法。第三部分是本文的重点。首先回顾了遗传算法和BP神经网络算法在微震反演中的发展和应用现状。通过深入分析和研究两种算法在反演问题中的优劣势，提出了将GA和BP算法相互渗透和融合的混合算法策略及方案，目的改善非线性全局寻优方法的搜索性能，提高其在微震参数反演中的运算效率和反演精度。第四部分设计了matlab平台BP-GA混合优化算法，并将它应用于模拟微震源定位反演仿真实验。主要步骤：首先建立层状均匀介质模型下的正演模拟，获取各假设源至检波器阵列的到时差数据样本，然后利用样本训练经GA算法优化后的神经网络，使其能够在最优化权值和阈值的约束下预测微震源位置坐标。