|
|||||
|
|
| 基于深度学习的2D-3D地下密度异常体反演方法 | |
| 引用本文： | 朱雨菲, 王武星, 曹建玲, 郝梅煊. 2023. 基于深度学习的2D-3D地下密度异常体反演方法. 地球物理学报, 66(12): 4958-4972, doi: 10.6038/cjg2023Q0823 |
| 作者姓名： | 朱雨菲 王武星 曹建玲 郝梅煊 |
| 作者单位： | 中国地震局地震预测研究所,北京 100036 |
| 基金项目： | 中国地震局地震预测研究所基本科研业务费专项（CEAIEF2022010100）,国家自然科学基金项目（41974111）和国家重点研发计划项目（2017YFC1500501）联合资助 |
| 摘 要： |  地下密度异常体反演需要由二维数据反演三维结果,为了高效、高精度地反演地下异常体的位置及密度信息,本文提出2D-3D InvNet深度学习反演方法.方法的编-解码器结构,在编码阶段利用二维卷积网络结构提取地表重力异常及重力梯度异常数据信息,解码阶段利用三维卷积网络结构恢复异常体地下形态,实现了二维和三维网络结构的结合.为了精确地反演异常体密度,提出利用加权均方误差（WtdMSE）作为损失函数,同时为了更好地评估反演结果,引入核密度函数作为评价手段.与均方误差（MSE）相比,利用WtdMSE作为损失函数对异常体密度的反演结果更为准确,异常体所在区域的密度误差减少50%以上.  |
| 关 键 词： | 重力异常 重力梯度异常 深度学习 联合反演 密度异常体 |
| 收稿时间： | 2022-10-14 |
| 修稿时间： | 2023-04-07 |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《地球物理学报》浏览原始摘要信息 | |
| 点击此处可从《地球物理学报》下载免费的PDF全文 | |
