基于深度学习的重力异常反演

针对传统反演方法中存在着依赖初始模型和计算耗时较长等问题,提出了一种全新的基于深度学习的重力异常反演方法。首先基于先建立出大量重力异常体模型,然后对其进行正演模拟产生样本数据集;其次,设计出一种新的全连接反演网络,使用产生的样本数据集训练新的FCN反演网络,再对网络中的参数不断优化;最后,对理论模型和实测数据进行反演实验以此来检验文中方法的真实性和准确性。实验结果表明,该方法可以真实的反演出重力异常体的位置和重力化强度有一定的,学习能力强且有一定的泛化能力,能切实地解决重力异常数据的反演问题。