1.一种微地震有效信号检测方法，其特征在于，包括：步骤S1、采集低噪比环境的微地震信号，利用所述微地震信号制作训练集和测试集；

步骤S2、通过所述训练集训练循环神经网络；

步骤S3、利用所述循环神经网络检测到微地震信号中的有效信号后，将所述有效信号输入到inception网络中，通过所述inception网络提取所述有效信号特征得到特征图；

步骤S4、在所述特征图中标注预定义框，并通过计算所述预定义框的边框回归及前后背景区分，生成区域建议框，其中，所述预定义框用于框选有效信号可能出现的位置；

步骤S5、对所述区域建议框进行ROI池化后得到固定大小的特征图，通过Softmax函数和Smooth L1 Loss函数分别对所述特征图进行分类打分及边框回归加权求取有效信号识别模型的损失值；

步骤S6、优化所述有效信号识别模型的损失值后，利用所述有效信号识别模型检测低噪比环境的微地震信号。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1具体为：按时间顺序采集二进制微地震信号，将所述二进制微地震信号直接转换为tfrecords格式，利用tfrecords格式的微地震信号制作训练集和测试集。

3.根据权利要求1所述的方法，其特征在于，所述步骤S4包括：对与ground truth有最高IOU的anchor，及与ground truth的IOU比率大于预设值的预定义框分配前景标签。

4.根据权利要求1所述的方法，其特征在于，所述步骤S4包括：平移并缩放所述预定义框；

根据公式(1)求取所述预定义框的损失值；

i

其中，Lb为边框回归的损失值，为修正量， 为学习的参数，φ(A)为预定义框输入的i特征向量，A为特征向量；

根据所述损失值，选择有效信号输出框，得到区域建议框。

5.根据权利要求1所述的方法，其特征在于，所述步骤S6还包括：步骤S7、利用所述测试集对所述有效信号识别模型进行测试，评价所述有效信号识别模型的识别精度。