在跨流域调水工程、区域水资源配置工程和重点水源工程为框架的三横四纵、南北调配、东西互济的水资源配置格局形成过程中,水利工程的安全建设是重中之重。在工程建设过程中也带来了许多岩石力学问题,尤其岩爆问题日益严重。微震监测技术作为一种动态空间实时监测的技术,已经快速发展成为各种地下工程领域灾害预警的重要手段之一。由于实际监测工程环境的复杂性,监测到的微震信号往往含有不同类型的噪声,这些含噪声的微震数据占比较大,对于信噪比较低的微震信号通常舍弃,数据的利用率降低。如果直接使用这些数据会给后续的分析和研究造成重大影响,因此这就需要对含噪声的微震信号进行去除噪声。所以本文以含噪微震信号为研究对象,结合微震监测技术、传统降噪算法、人工智能技术,以陕西省引汉济渭输水隧道为工程实例,开展了基于小波变换和深度学习的隧道围岩微震信号降噪研究。本文获得如下主要成果和认识:构建引汉济渭秦岭输水隧道微震监测系统,实现了对开挖掌子面附近微震事件的无间断、可移动式实时监测。借助快速傅里叶变换通过对监测到的含噪微震波形时频分析初步区分和识别。对含噪微震信号类型分类,并以此有针对性进行降噪。提出了改进小波阈值降噪算法,对提出的算法参数通过实验对比进行优劣讨论。为了验证降噪算法的有效性,实际监测到的纯微震信号与噪声信号通过Matlab合成不同类型的微震噪声信号,使用改进小波阈值算法和其他对比算法分别对微震噪声合成信号进行降噪实验。通过降噪效果结合评价指标说明本文提出的改进小波阈值算法的优越性。为了验证降噪算法的适用性,进行工程应用分析,使用真实含噪微震信号降噪,从而评价改进的小波阈值算法降噪性能。结合人工智能使用深度学习算法构建了一种基于深度自编码卷积神经网络的降噪模型。该模型采用无监督自适应训练方式,只需设置初始参数。通过实验对比说明增强训练集的重要性,从训练和验证结果中可以看出模型的训练拟合程度。使用该网络模型对含噪合成信号降噪,从而判断降噪效果。同时进行真实信号降噪实验,通过可视化的降噪结果和评价指标分析该模型降噪性能。