微震初至波到时准确拾取是实现震源定位的前提,传统的人工拾取方法效率低、耗时长,而自动拾取方法中常用的长短时窗能量比值(STA/LTA)法对低信噪比信号的拾取准确率较低.针对上述问题,提出了一种基于随机森林的微震初至波到时自动拾取方法.首先,提取微震数据的振幅、能量及相邻时刻振幅比作为特征,并对每个样本进行特征类别标记;然后,构建随机森林模型以识别微震初至波;最后,采用随机森林模型计算每个测试样本属于某一类别的概率,将概率不小于0.5的第1个数据采样点判定为微震初至波到时采样点.采用煤矿井下巷道深孔中的微震监测数据进行实验,结果表明当随机森林算法中决策树的数量和最大深度分别为137,6时,该方法对微震数据样本分类的准确率达98.5％,对微震初至波到时的平均拾取误差为23.1 ms,拾取精度优于STA/LTA方法.