基于条件变分自编码的地壳模型构造方法

摘要

本发明公开了一种基于条件变分自编码的地壳模型构造方法，把群速度和相速度同时作为输入，把理论地壳模型作为输出，对多个理论地壳模型进行训练和测试，从而构造出深度神经网络CVAE；再采用这些神经网络对观测群速度和相速度进行反演而得到实际地壳模型。CVAE网络的特点于在输出层重构输入数据，在隐含层学到输入数据的压缩表示，通过学习获得的可表征样本集深层特征的新的表达形式。这种表达形式一方面具有较少的冗余信息，另一方面能够有效地反映输入数据的特性，可以大大提高预测模型的准确度和鲁棒性。深度CVAE神经网络对地壳厚度、速度及密度的估计可广泛应用于沉积矿产、特别是油气资源研究与战略预测、寻找、勘探和开采中。