一种基于多任务机器学习的莫霍面结构预测方法

摘要

本发明涉及一种基于多任务机器学习的莫霍面结构预测方法，包括如下步骤：S1、利用基于卷积神经网络的样式迁移技术从真实数据中学习噪声特征，将真实接收函数噪声样式迁移至模拟数据中，从而生成带噪声的模拟数据集；S2、利用基于应参数共享的多任务卷积神经网络完成预测模型训练，得到可以预测单台下方莫霍面结构的预测模型，其中莫霍面结构包括深度、走向、下倾角；S3、利用加速贝克曼与阈值迭代方法对缺失的方位角的实际预测数据中进行重建；S4、对单台的莫霍面结构进行预测。该方法改变传统思路和处理流程，结合深度神经网络，通过清晰、简洁的流程化的策略，实现了对地球深部莫霍面的准确预测。