1.一种基于MS‑Net网络的微地震有效信号初至拾取方法，其特征在于，包括以下步骤：S1，生成原始数据集；具体包括利用有限差分正演生成不同模型下，主频范围20~

1000Hz的大量模拟信号与实际资料共同构成原始数据集；

S2，数据集标定；具体包括对原始数据集一部分样品进行初至拾取，选出其中每道信号采样点初至和非初至处的信号波形并分别进行标定，另一部分样品不进行标定；

S3，将所述数据集输入到构建好的MS‑Net网络中进行训练，取得最优网络模型参数；具体包括对进行标定的所述一部分样品进行有监督训练，未进行标定的所述另一部分样品进行无监督训练；其中步骤S3中，将所述数据集输入到构建好的MS‑Net网络中进行训练，取得最优网络模型参数具体包括：通过MS‑Net网络结合半监督方法Temporal Ensembling，将无监督损失函数和有监督损失函数加权求和构造总损失函数，取得最小化所述总损失函数；

最小化总损失函数值小于0.1；

S4，逐点计算所述数据集概率分布；具体包括利用softmax函数逐点输出概率，得到所有点的二分类概率，选取初至类别的概率峰值为初至点。

2.一种基于MS‑Net网络的微地震有效信号初至拾取系统，其特征在于，包括：

数据集制作模块，生成原始数据集；具体包括利用有限差分正演生成不同模型下，主频范围20 1000Hz的大量模拟信号与实际资料共同构成原始数据集；数据集标定；具体包括对~原始数据集一部分样品进行初至拾取，选出其中每道信号采样点初至和非初至处的信号波形并分别进行标定，另一部分样品不进行标定；

数据集训练模块，将所述数据集输入到构建好的MS‑Net网络中进行训练，取得最优网络参数；具体包括对进行标定的所述一部分样品进行有监督训练，未进行标定的所述另一部分样品进行无监督训练；其中数据集训练模块中，将所述数据集输入到构建好的MS‑Net网络中进行训练，取得最优网络模型参数具体包括：通过MS‑Net网络结合半监督方法Temporal Ensembling，将无监督损失函数和有监督损失函数加权求和构造总损失函数，取得最小化所述总损失函数；最小化总损失函数值小于0.1；

输出模块，逐点计算所述数据集概率分布；具体包括利用softmax函数逐点输出概率，得到所有点的二分类概率，选取初至类别的概率峰值为初至点。