1.一種基于數據和模型雙驅動的走時數據插值方法，其特征在于，包括：
2.根據權利要求1所述的走時數據插值方法，其特征在于，構建所述神經網絡模型的步驟包括：
3.根據權利要求2所述的走時數據插值方法，其特征在于，根據所述訓練數據對預先構建的所述神經網絡模型的初始模型或訓練模型進行訓練，包括：
4.根據權利要求2所述的走時數據插值方法，其特征在于，根據所述速度場以及所述走時場對所述訓練結果進行約束，以構建所述神經網絡模型，包括：
5.根據權利要求4所述的走時數據插值方法，其特征在于，根據所述速度場、所述走時場以及所述訓練結果構建所述走時數據對應的增廣拉格朗日函數，包括：
6.根據權利要求5所述的走時數據插值方法，其特征在于，根據所述待插值點坐標以及預先構建的神經網絡模型生成所述待插值點坐標對應的走時數據，包括：
7.根據權利要求5所述的走時數據插值方法，其特征在于，根據所述速度場、所述走時場以及所述訓練結果確定所述走時數據對應的數據誤差以及程函方程誤差，包括：
8.一種基于數據和模型雙驅動的走時數據插值裝置，其特征在于，包括：
9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現權利要求1至7任一項所述的基于數據和模型雙驅動的走時數據插值方法的步驟。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執行時實現權利要求1至7任一項所述的基于數據和模型雙驅動的走時數據插值方法的步驟。