区域三维速度模型在认识强震孕育环境、提高地震定位精度、评估地震灾害等方面都具有重要的支撑作用，而模型的精度是提升支撑效能的重要因素。长期及密集的观测数据是提升三维模型成像精度的关键。

中国地震局地球物理研究所王伟涛团队发展了基于人工智能的新型的快速轻量级神经网络，对台阵数据进行了深入挖掘，基于人工智能方法快速、可靠地获取了密集台阵记录到的地震走时信息，可用于构建更高分辨率的速度模型，加深对地壳结构的认识。基于中国地震科学探测台阵ChinArray I期、II期、川西台阵观测数据，研究团队在中国科技大学姚华建团队构建的川滇地区公共速度模型1.0版基础上，双方团队合作，融合多个台阵的数据，通过体波面波走时联合反演方法构建了川滇公共速度模型2.0版。新数据的加入以及方法改善提高了模型的分辨率，测试结果表明上地壳的横向分辨率可达20公里，中下地壳的横向分辨率可达30~50公里，相对于上一版本50~75公里横向分辨率有较大提升。对应的高精度公共速度模型为泸定地震等强震孕震环境分析提供了重要参考。

同时，研究团队还开展了对中国地震科学探测台阵南北地震带北段、华北地区台阵近1000台密集台阵上的走时提取和地震目录构建工作。相关研究利用新的人工智能技术，深入挖掘了中国地震科学探测台阵密集台阵的数据潜力。所得结果和形成的数据集可加深地震活动性认识，实现高分辨率的公共速度模型构建，利用数据驱动的研究范式更好的服务强震孕震背景分析、地震定位、灾害评估等地震学研究，有力的支撑防震减灾工作。

图1 利用适用于密集台阵的人工智能网络进行震相拾取

图2 密集台阵震相识别获取更多的走时数据

图3 构建川滇地区公共速度模型2.0版本的固定及密集流动台站体波走时数据

图4 川滇公共速度模型2.0揭示的2022年泸定6.8级地震的深部速度结构

SWChina-CVM2.0：https://github.com/liuyingustc/SWChinaCVM-V2.0