[发明专利]基于深度学习的大地电磁-地震波初至时联合反演方法

权利要求书

1.一种基于深度学习的大地电磁-地震波初至时联合反演方法，其特征在于，包括以下步骤：

通过深度神经网络训练电阻率模型与速度模型的映射；

根据所述神经网络的输出得到大地电磁或地震波初至时反演的参考模型；以及

交替更新电阻率或速度，并通过所述参考模型进行大地电磁-地震波初至时的联合反演，联合反演的目标函数为：

其中，ρ为待反演电阻率，s为待反演慢度，待反演慢度是速度的倒数，F为求解大地电磁正问题的前向算子，G为求解地震波正问题的前向算子，d_obs为大地电磁测数据，t_obs为地震波初至时测量数据，R(ρ)和R(s)为描述模型光滑程度的正则项，和为训练后的神经网络，分布完成从慢度到电阻率和从电阻率到慢度的非线性映射；D为待反演区间，α、λ和γ均为调节权重的系数。

2.根据权利要求1所述的方法，其特征在于，还包括：

利用迭代方法极小化所述目标函数。

3.一种基于深度学习的大地电磁-地震波初至时联合反演装置，其特征在于，包括：

训练模块，用于通过深度神经网络训练电阻率模型与速度模型的映射；

获取模块，用于根据所述神经网络的输出得到大地电磁或地震波初至时反演的参考模型；以及

反演模块，用于交替更新电阻率或速度，并通过所述参考模型进行大地电磁-地震波初至时的联合反演，联合反演的目标函数为：

其中，ρ为待反演电阻率，s为待反演慢度，待反演慢度是速度的倒数，F为求解大地电磁正问题的前向算子，G为求解地震波正问题的前向算子，d_obs为大地电磁测数据，t_obs为地震波初至时测量数据，R(ρ)和R(s)为描述模型光滑程度的正则项，和为训练后的神经网络，分布完成从慢度到电阻率和从电阻率到慢度的非线性映射；D为待反演区间，α、λ和γ均为调节权重的系数。

4.根据权利要求3所述的装置，其特征在于，还包括：

处理模块，用于利用迭代方法极小化所述目标函数。

5.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-2任一项所述的基于深度学习的大地电磁-地震波初至时联合反演方法。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-2任一项所述的基于深度学习的大地电磁-地震波初至时联合反演方法。