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，提出一种基于卷积神经网络的磁异常反演方法。该方法首先设计大量磁异常体模型，进行正演模拟产生样本数据集；接着借鉴经典的卷积神经网络VGG-13设计了一种全新的VGG磁异常反演网络(VGGINV);然后使用样本数据集训练该网络，并优化网络参数；最后对理论模型和实测数据进行反演实验。实验结果表明，该方法可以准确地反演出磁异常体的位置和磁化强度，具有较强的学习能力和一定的泛化能力，能有效解决磁异常数据反演问题。
科研之友
微信
新浪微博
Facebook
分享链接
