科研之友
微信
新浪微博
Facebook
分享链接
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(AlexInvNet),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。
-
单位数学学院; 长江大学
