基于LinkNet的3D重力异常反演

重力异常反演是一种利用重力数据估算地下密度分布的技术。本文提出了一种新的基于LinkNet网络的三维重力异常反演方法。与二维重力异常反演相比,三维重力异常反演能准确地描述地下空间的密度分布。与传统方法相比,神经网络方法不需要选择初始参数,在预测阶段可以快速预测出地下的密度模型。同时采用Tversky函数作为损失函数来提高边界上的反演精度。通过对比FCN,Unet与本文所提LinkNet网络在模拟数据上的反演,LinkNet网络得到的模型重建误差与重力数据拟合效果为最好,分别为0.3526和0.0521。实验结果表明该方法可以实现精确的重力异常反演。为进一步说明算法的有效性,以墨西哥圣尼古拉矿床为例,将所提方法与改进的预处理共轭梯度算法进行比较。结果表明,该方法得到的地质体位置和形态趋势与钻井资料吻合较好。