伴随着我国高速铁路建设的不断发展,如何有效利用高铁这种全新的可重复、宽频带分立谱的人工震源,实现高铁高架桥附近地表结构和物性高精度的探测,具有十分重要的意义。高铁列车行驶激发的高铁地震波存在着明显的尺度效应,即响应与介质微结构特征有关。高铁地震波必能借此感知微结构尺度的变化。因此,运用反演算法从高铁地震记录中,构建微结构尺度参数模型的思路是可行的。本文基于研究组前期结合理论与实际实验数据的研究成果,利用深度学习算法从合成地震数据中提取以介质微孔缝隙结构特征为表征的介质特征尺度参数模型,验证介质特征尺度参数反演的有效性,为后续实现对高铁基础浅地表地质状态的实时监测奠定基础。本文结合研究组前期高铁地震波数值模拟和响应分析的已有研究成果,提出基于全卷积神经网络的介质特征尺度参数反演方法,主要研究内容包括以下几个部分:（1）首先,本文通过对传统量子粒子群算法进行优化,提高了算法的计算效率及搜索精度,提出了一种基于随机增强量子粒子群算法优化的有限差分算子,以压制数值频散（差分算子近似微分算子的误差）对地震数据的干扰,实现高精度的数值模拟。本文应用所推导的优化有限差分算子,实现了弹性波数值模拟,数值模拟实验结果表明,基于随机增强量子粒子群算法优化的有限差分算子可以有效压制弹性波数值模拟过程中产生的数值频散,实现更高精度的波场模拟。高精度的数值模拟方法可以更好地表达介质微结构非连续性对地震波场的影响,也是实现介质特征尺度参数反演的必要手段之一。（2）其次,本文依托研究组已推导的非对称性弹性波方程,在数值模拟时引入介质特征尺度参数模型,应用所提出的基于随机增强量子粒子群算法优化的有限差分算子以及全卷积神经网络方法,提出了一种基于全卷积神经网络的介质特征尺度参数反演策略。该策略包括（1）应用非对称性弹性波方程生成包含有尺度效应的合成地震记录。（2）建立合成地震记录与介质特征尺度参数之间的非线性映射关系,从包含有尺度效应的合成地震记录中提取以介质微孔缝隙结构特征为表征的介质特征尺度参数模型。（3）应用于不同模型,验证介质特征尺度参数模型反演方法的有效性。（3）最后,是介质特征尺度参数反演算例与结果分析,包括速度、密度、介质特征尺度模型构建,合成地震数据的生成,合成地震数据的预处理以及在层状均匀模型、多层盐丘模型上的反演应用分析等研究内容。本文通过对不同介质特征尺度参数模型进行反演,分析比较介质特征尺度参数反演的效果,评估反演方法的有效性。综上,理论和实验结果表明,本文提出的基于随机增强量子粒子群算法的有限差分算子应用于数值模拟,可以有效压制数值频散,并可以更好地表达地震波场的尺度效应;同时,基于全卷积神经网络的介质特征尺度参数反演策略能够实现从地震数据中直接获取地下介质特征尺度参数模型,这表明介质微结构特征对地震波的影响是不可忽略的。本文研究实现的基于全卷积神经网络的高精度地震反演算法,依托于在高铁地震学的研究中,不仅要考虑高铁列车这一特殊移动震源的复杂性,而且还要聚焦于高铁地震波传播过程中和介质的相互作用的认识,将有助于高铁基础浅地表地质状态实时监测等工作开展。