重力异常AlexNet深度神经网络反演

摘要：

针对传统反演方法存在的初始模型依赖、计算时间较长等问题,提出了一种新的基于AlexNet深度神经网络的重力异常反演方法.该方法首先借鉴经典的深度神经网络AlexNet设计了一种用于重力异常反演的Alex反演网络(AlexInv-Net),接着设计大量密度异常体模型并通过正演计算得到带标签的数据集,然后用该数据集训练AlexInvNet网络,最后将重力异常数据输入训练好的AlexInvNet网络直接得到反演结果.理论模型反演结果表明,该方法相较于全连接网络深度学习反演方法,能够更好地反演出异常体的位置和密度,具有较好的泛化能力和抗噪声能力.实测数据反演结果表明,该方法能有效解决重力异常反演问题.

关键词：重力异常、反演、深度神经网络、Alex反演网络

所属期刊栏目：37

分类号：P631

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-03-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：164-172