摘要：从地震波形数据中快速准确地提取各个震相的到时是地震学中的基础问题.本文针对上述问题提出了利用深度神经网络拾取到时的新方法，建立了用于地震到时提取的17层Inception深度网络模型，在对原始三分量数据进行高通滤波和归一化处理后输入网络直接输出到时信息.整个过程基于神经网络自适应提取波形特征，自动输出结果.通过对100组加了不同强度的噪声数据进行了可靠性检验，相比于其他方法神经网络方法对于噪声具有较高的容忍度以及稳定性，并且与地震目录数据有较高的相似性.相比于AR-AIC+STA/LTA，深度神经网络虽然运算速度稍慢，但整个过程不需设定时窗与阈值，同时具有更高的可用性，并且可以迭代升级以提高精度.此方法作为人工智能方法，为波形到时拾取提供了新思路.