地震勘探作为一种资源探索的方法一直都是学者们研究的热点。随着国家对矿产资源需求量的增多,并且能够被开采的资源不断减少,地震勘探的应用难度越来越大。地震勘探工程的基础是从品质好的地震记录出发开展后续环节。消减地震勘探随机噪声提高信噪比(SNR)是改善地震记录品质的关键。近年来,常规油气勘探资源日益紧缺,储备量丰富的非常规油气勘探已经成为全球油气开采的新热点。微地震监测是一种非常规油气勘探技术,但由于实际接收到的微地震信号总是被大量噪声所干扰,并且实际的微地震有效信号能量十分微小,导致有效信号无法人工识别。而沙漠地带常年被沙土覆盖,其产生的随机噪声极其复杂,具有低频性、变化的非平稳性、非高斯性、非时限性、非均匀变相波动特性等。这类噪声限制了已有优秀的消噪技术的效果。本论文基于Shearlet(剪切)熵与SVM(Support Vector Machines,支持向量机)开展地震信号随机噪声消减研究,主要针对微地震信号和沙漠地震信号展开去噪处理。根据微地震信号与沙漠信号各自的特性,本文通过提取不同的特征量来实现信噪的分离。使用Shearlet变换将微地震信号与沙漠地震信号映射到变换域进行处理,Shearlet变换多尺度多方向的特点可以使这两种信号在Shearlet域实现稀疏表示,有利于后续的信号特征提取。根据微地震信号的特点,先利用Shearlet变换尺度间相关性增强信号与噪声的差异,选取相关性最强的方向,对该方向系数求能量熵并得到该系数中每段能量占总能量的比例。而在沙漠地震勘探中,计算各Shearlet系数的近似熵,将分解后的所有方向根据近似熵分为信号优势方向和噪声优势方向。在两个不同的优势方向上,采用不同的策略提取信号特征进行识别。最后对于两种信号来说,我们都可以使用SVM代替传统阈值,解决阈值在信噪比低或信噪十分相似的情况下分类准确率低的问题,对于微地震信号来说,Shearlet能量熵作为特征量输入SVM,若SVM判定结果为该信号含有有效信号则结合能量比可确定有效信号的位置。对于沙漠地震信号来说,SVM根据信号特征确定每个系数点是信号或是噪声。保留有效信号系数,并去除噪声系数,最后通过Shearlet反变换得到去噪记录。在微地震信号检测中,本文通过大量的实验验证了所提出算法的有效性,在-8d B下仍有80%左右的准确率,同时与长短时窗平均值比和Akaike信息准则作对比突出本文方法的优越性;而沙漠地震记录去噪也通过模拟与实际记录的处理说明了本文方法的可靠性,信噪比提高12d B左右,与Shearlet硬阈值、fx反褶积作对比,也可以看到本文方法的优势。