本文利用圣安德烈亚斯断层的分布式光纤声波传感（DAS）记录，通过被动微震和背景噪声提取P波与S波速度模型。结果表明，DAS在成本和分辨率上优于传统的VSP，首次揭示了该区域的速度结构和异常，为断层监测提供了新方法。

本文提出了一种基于生成扩散模型的全波形反演优化方法，结合地下速度模型与地震观测数据，提高模型重构精度。研究中使用生成对抗神经运算器（GANO）和深度学习技术，开发了条件地面运动合成算法（cGM-GANO），并在南加州地震中心和日本KiK-net数据集上验证了其有效性。结果表明，该方法在复杂地震速度反演中表现优异，能够生成高保真速度模型，提升地下结构的准确性和可靠性。

我们引入了一种基于深度学习的三维方法，用于反演地下密度和速度模型，预测地下CO₂羽流，作为CO₂封存监测工具。该方法优于仅有重力或地震的反演模型，实现了改进的重建和准确的分割。未来工作将验证方法并进行其他地质封存地点的模拟。

我们引入了一种基于深度学习的三维方法，用于反演地下密度和速度模型，预测地下CO₂羽流，作为CO₂封存监测工具。该方法优于仅有重力或地震的反演模型，实现了改进的重建和准确的分割。未来工作将验证方法并进行其他地质封存地点的模拟。

我们引入了一种基于深度学习的三维方法，用于反演地下密度和速度模型，预测地下CO₂羽流，作为CO₂封存监测工具。该方法优于仅有重力或地震的反演模型，实现了改进的重建和准确的分割。未来工作将验证方法并进行其他地质封存地点的模拟。