川滇地区位于印度板块与欧亚板块碰撞带的东侧,是我国地震最活跃、地震灾害最严重的区域之一,是地震学研究的重点区域。本文应用压缩感知技术、背景噪声监测技术以及机器学习技术在地震数据处理和地震监测方面利用川滇地区的地震数据进行探索。在数据处理方面,我们利用机器学习技术筛选出可靠的分析数据。随着地震数据量变得越来越庞大,人工筛选变得耗时低效。我们利用机器学习技术代替人工完成这项费时耗力的工作。我们以地动分析为例,利用ResNet18网络建立地震波形分选器,筛选出分析地面峰值加速度（PGA）和地震持续时间（Ds）的地震数据,网络的识别准确率分别达到95%和98%。在筛选川滇地区地动分析数据的应用中,地震波形分选器准确、高效的筛选出适合分析的数据,为川滇地区准确的地动分析打下了坚实的基础。常规的地震监测中,地震波走时表以及理论地震波形数据库可以帮助研究人员在地震发生后快速的获得地震震源信息。通常,地震波走时表和理论地震波形是通过已知的区域速度模型,利用地震波传播理论得到的。地震波走时表和理论地震波形的准确与否直接受到模型的影响。在本文中,我们利用压缩感知技术通过历史地震信息,构建出地下每一个网格上的地震波走时和地震波形。压缩感知构建地震信息的方法不依赖于地下速度模型,大大的减小了模型对获得的地震波走时和地震波形的影响。在理论数据和实际数据的测试中,压缩感知方法得到的结果和实际地震信息更接近,而且优于由一维速度模型得到的结果。最后,我们将结果作为数据库应用于地震搜索引擎中,并在云南景谷地区的地震监测中进行测试。介质速度是一个重要的物理量,通常我们在做地震学正演计算时,速度为一个固定值。然而介质的速度值在外界各种因素（动静态应力的变化、地下流体的运移、地震断层的破裂与愈合、地表强震震动等）的影响下发生着微小的变化。介质的速度是很难直接监测,我们利用背景噪声记录提取台站之间的经验格林函数,通过分析经验格林函数中尾波到时的变化来得到介质速度的变化。我们着重分析在四川省龙门山断裂带上芦山地震发生前后介质速度的变化。结果表明在芦山地震发生后,龙门山断裂带的北段介质速度出现明显升高的趋势。结合b值和应力分析,我们认为在芦山地震后,龙门山断裂带北段应力的增加使得介质速度有升高的变化趋势。