1.一种基于胶囊神经网络的微地震P波初至拾取方法，其特征在于，包括以下步骤：S1，准备原始数据集；具体包括将全部所述原始数据集加入随机的高斯噪声以增强数据集处理；全部所述原始数据集包括不同主频、不同信噪比的微地震正演信号和实际的地震记录；

S2，制作数据训练集；选取所述原始数据集的一部分样本信号的初至点打上标签，作为有标签的部分，另一部分样本信号作为无标签的部分；

S3，将所述数据训练集输入到组合训练模型中，提取微地震信号特征；所述组合训练模型由胶囊神经网络和半监督学习模型组成；将所述有标签的部分进行有监督训练，将所述无标签的部分进行无监督训练；

S4，对所述微地震信号特征进行目标检测，得到所述微地震信号的初至点；具体包括通过RPN网络规则设置不同尺度的锚点在卷积特征层提取候选框，进行端到端训练。

2.根据权利要求1所述的一种基于胶囊神经网络的微地震P波初至拾取方法，其特征在于，所述S3步骤具体包括：S31，输入所述数据训练集，对全部微地震信号进行卷积操作，得到卷积层，再对卷积层进行卷积操作，得到向量神经元层原始胶囊；

S32，采用动态路由算法将所述原始胶囊层传播到数字胶囊层，得到所述微地震信号特征向量；

S33，通过半监督学习将所述微地震信号的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，通过最小化总损失函数，获取微地震信号特征。

3.一种基于胶囊神经网络的微地震P波初至拾取系统，其特征在于，包括：数据采集模块，准备原始数据集；具体包括将全部所述原始数据集加入随机的高斯噪声以增强数据集处理；全部所述原始数据集包括不同主频、不同信噪比的微地震正演信号和实际的地震记录；

数据训练集制作模块，制作数据训练集；选取所述原始数据集的一部分样本信号的初至点打上标签，作为有标签的部分，另一部分样本信号作为无标签的部分；

数据训练模块，将所述数据训练集输入到组合训练模型中，提取微地震信号特征；所述组合训练模型由胶囊神经网络和半监督学习模型组成；将所述有标签的部分进行有监督训练，将所述无标签的部分进行无监督训练；

输出模块，对所述微地震信号特征进行目标检测，得到所述微地震信号的初至点；具体包括通过RPN网络规则设置不同尺度的锚点在卷积特征层提取候选框，进行端到端训练。

4.根据权利要求3所述的一种基于胶囊神经网络的微地震P波初至拾取系统，其特征在于，所述数据训练模块具体包括：输入所述数据训练集，对全部微地震信号进行卷积操作，得到卷积层，再对卷积层进行卷积操作，得到向量神经元层原始胶囊；

采用动态路由算法将所述原始胶囊层传播到数字胶囊层，得到所述微地震信号特征向量；

通过半监督学习将所述微地震信号的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，通过最小化总损失函数，获取所述微地震信号特征。