传统的数值方法在开展区域尺度精细化地震动模拟时面临计算成本高、效率低的问题，人工智能的发展为解决上述困难提供了新的解决方案。因此，开展基于数据-物理驱动深度学习的地震波场模拟方法及应用研究。首先，提出一种自适应采样和损失函数权重优化的物理信息深度学习方法，实现数据-物理驱动深度学习的地震波场模拟；其次，采用谱元法构建地震波场稀疏数据库，结合自适应物理驱动深度学习方法，开展二维地震波场模拟应用研究，实现二维智能波场全局高效求解；最后，针对更为复杂的三维波场模拟问题，引入U-net网络结构，通过多层编码和解码提高FNO的特征提取能力，建立基于FNO的不同位置点源空间场地地表三方向波场快速预测模型，实现三维场地地震波场的快速智能预测。可为高效精确的大尺度全过程宽频地震波场传播模拟提供技术支持，同时为高速铁路基础设施的震损评估提供新的工具和方法。

地震波场;人工智能;物理信息神经网络;神经算子;高效求解