본 연구에서는 수동 탄성파 탐사(passive seismic) 자료를 활용하여 표면파의 분산 스펙트럼을 이용한 S 파 속도 역산에 기계학습을 적용하여 수행하고자 한다. 표면파를 이용해 지하 속도구조를 파악하기 위해서는 분산 스펙트럼에서 주파수에 따른 분산 곡선을 발췌하고, 레일리 특성 방정식을 사용하여 S 파 속도 역산을 수행하는 과정이 필요하다. 그러나 이 방법은 많은 시간과 비용이 필요하다는 단점이 있다. 이러한 단점은 분산 곡선을 자동으로 추출하는 기법으로 어느정도 해소할 수 있지만 기존의 자동추출기법들은 정확도가 떨어져 선호되지 않는 방법이다. 이를 보완하기 위해 CNN(Convolutional Neural Network)과 MLP(Multi-Layer Perceptron)를 결합한 기계학습 모델을 활용하여 2 차원 분산 스펙트럼 이미지에서 1 차원 S 파 속도를 추정하는 모델을 개발하였다. 기계학습 모델은 다양한 층서 속도 모델로부터 모델링한 탄성파 합성자료를 이용하여 훈련시켰으며 훈련된 기계학습 모델을 현장자료에 적용하여 검증하였다. 합성 자료에 대한 적용 결과는 평균 5.4% 정도의 오차를 갖는 정확도로 S 파 속도 모델 예측이 가능함을 확인하였다. 수동 탄성파 탐사 현장 자료를 이용하여 역산을 수행하였고, 검증을 위해 능동 탄성파 탐사 자료를 사용하였다. 수동 탄성파 탐사 자료에 교차 일관성(cross coherence) 연산을 적용하여 얻어진 가상 송신원 모음의 S 파 속도 역산을 수행하였고, 능동 탄성파 탐사로 얻어진 S 파 속도와 유사함을 확인하였다.