针对传统速度谱分析方法依赖专家经验、效率低且抗噪能力不足的问题,本文提出一种物理引导可变形注意力网络(PGDAN)模型,以实现复杂地质条件下的高精度速度场建模。PGDAN通过动态多尺度预处理模块增强速度谱的语义表征能力,结合可变形卷积与时空注意力机制,有效适应地质构造的局部形变并抑制噪声干扰;同时引入物理约束的混合损失函数,保障速度曲线的空间连续性与地球物理合理性。实验结果表明,相较于U-Net等传统深度学习方法,PGDAN在低信噪比数据中拾取的叠加速度场与人工结果高度一致,且叠加剖面层间连贯性显著提升,验证了其在速度分析和地震成像中的实用性与鲁棒性。本研究为智能化地震数据处理提供了高效可靠的解决方案。