一种基于域分解的物理驱动深度学习反演方法

摘要

本发明涉及一种基于域分解的物理驱动深度学习反演方法，属于地球物理探测领域。所述方法包括：1）初始化待反演的地下介质模型参数空间范围、空间离散步长、初始化域分解次数；2）对模型参数空间进行离散化；3）对离散化的各元素进行正演计算得到对应的观测数据；4）在当前模型参数空间内对观测数据进行机器学习反演得到当前模型参数空间下的反演结果；5）更新域分解次数；6）选取新的模型参数空间并设定新的空间离散步长；7）返回步骤2）并依次执行其后续步骤，直至反演精度达到预期。该方法避开了传统反演方法中存在的问题，同时在域分解的过程中降低了计算内存消耗，提高了反演精度。