基于卷积神经网络预测南海海底地形

作者：王怀兵; 万晓云^*; Richard Fiifi Annan

来源：大地测量与地球动力学, 2023, 1-11.

DOI：10.14075/j.jgg.2023.06.155

• 卷积神经网络
• 重力场信息
• 深度学习
• 海底地形
• 频域法

深度学习在海底地形反演中具有重要应用潜力。针对南海区域，使用3种重力信号（垂线偏差、重力异常、垂直重力梯度异常）训练卷积神经网络模型，并将预测结果与船测数据和国外模型结果进行对比分析。将3种重力信号分成4组数据：重力异常，重力异常与垂直重力梯度，重力异常与垂线偏差，以及重力异常、垂线偏差和垂直重力梯度异常。4种组合方式的反演结果与船测水深之间的标准差分别为104.780m、102.778 m、93.788 m、88.289 m，表明随着不同类型重力数据的增加，水深预测的精度有明显提高，并且在深度大于2 000 m时，随着不同类型重力数据的增加，反演结果精度提升效果更为显著。将训练集占总数据集的比例分别设置为80%、70%、60%和50%，得出这4种占比的反演结果与船测水深之间的标准差分别为96.022 m、92.833 m、91.256 m、88.289 m，表明数据量的增多可以有效提高模型学习结果的精度。

• 单位
  中国地质大学（北京）