[发明专利]神经网络反演方法、装置、电子设备及介质

权利要求书

1.一种神经网络反演方法，其特征在于，包括：

建立基本训练集，构建初始神经网络；

针对所述初始神经网络进行神经网络参数更新，获得优化神经网络；

针对目标地震波道集，通过所述优化神经网络，反演获得初始地下结构模型；

针对所述初始地下结构模型进行全波形反演，比较反演结果与已知全波形反演结果的误差，调节所述优化神经网络，获得最终神经网络；

通过所述最终神经网络进行反演。

2.根据权利要求1所述的神经网络反演方法，其中，针对所述初始神经网络进行神经网络参数更新，获得优化神经网络包括：

将所述基本训练集的数据输入至所述初始神经网络，获得输出数据；

计算所述输出数据与地下结构模型的误差，进行神经网络参数更新，获得优化神经网络。

3.根据权利要求1所述的神经网络反演方法，其中，针对所述初始地下结构模型进行全波形反演，比较反演结果与已知全波形反演结果的误差，调节所述优化神经网络，获得最终神经网络包括：

针对所述初始地下结构模型进行全波形反演，获得初始反演结果；

计算所述初始反演结果与已知全波形反演结果的误差，进行神经网络参数更新，调节所述优化神经网络，若所述误差小于设定阈值，则获得最终神经网络。

4.根据权利要求2或3所述的神经网络反演方法，其中，通过公式(1)进行神经网络参数更新：

loss＝λ₁|O-M|₁+λ₂|O-M|₂ (1)

其中，loss为神经网络输出差值，O为神经网络输出，M为地下结构模型，λ₁与λ₂为权重系数。

5.根据权利要求1所述的神经网络反演方法，其中，还包括：

更换所述目标地震波道集，以所述最终神经网络为优化神经网络，对神经网络重复进行学习优化，提高反演精度。

6.一种神经网络反演装置，其特征在于，包括：

初始神经网络构建模块，建立基本训练集，构建初始神经网络；

优化神经网络构建模块，针对所述初始神经网络进行神经网络参数更新，获得优化神经网络；

地下结构模型反演模块，针对目标地震波道集，通过所述优化神经网络，反演获得初始地下结构模型；

最终神经网络构建模块，针对所述初始地下结构模型进行全波形反演，比较反演结果与已知全波形反演结果的误差，调节所述优化神经网络，获得最终神经网络；

反演模块，通过所述最终神经网络进行反演。

7.根据权利要求6所述的神经网络反演装置，其中，针对所述初始神经网络进行神经网络参数更新，获得优化神经网络包括：

将所述基本训练集的数据输入至所述初始神经网络，获得输出数据；

计算所述输出数据与地下结构模型的误差，进行神经网络参数更新，获得优化神经网络。

8.根据权利要求6所述的神经网络反演装置，其中，针对所述初始地下结构模型进行全波形反演，比较反演结果与已知全波形反演结果的误差，调节所述优化神经网络，获得最终神经网络包括：

针对所述初始地下结构模型进行全波形反演，获得初始反演结果；

计算所述初始反演结果与已知全波形反演结果的误差，进行神经网络参数更新，调节所述优化神经网络，若所述误差小于设定阈值，则获得最终神经网络。

9.一种电子设备，其特征在于，所述电子设备包括：

存储器，存储有可执行指令；

处理器，所述处理器运行所述存储器中的所述可执行指令，以实现权利要求1-5中任一项所述的神经网络反演方法。

10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现权利要求1-5中任一项所述的神经网络反演方法。