基于深度学习融合驱动的微震稀疏台网定位方法，构建定位波形数据集，在此阶段利用收集到的井下台站记录的长期微震波形数据，将井下划分成多个可能的微震区域，构建微震定位数据集，基于已构建的微震定位数据集，研究台网稀疏情况下基于深度学习的区域定位模型，该模型通过对波形数据的处理，将输出待预测微震发生位置概率最大的区域，利用已经监测出的区域内所有曾发生过的微震位置和其震波数据，通过震波的速度和p波s波到差时计算获得与台站的距离，并由此来计算每一对微震之间的位置，最后经由构建微震坐标系和矩阵计算的方法获得目标微震的位置。本发明能够在井下台站数量少于四个的情况下进行矿山微震震源准确定位。