摘要
磁法勘探是一种研究地质构造和矿产资源的地球物理勘探方法。我们需要在合理的时间和成本内估计地下地质体的水平位置、深度，及其几何形状。由于传统的反演方法依赖于初始模型且计算耗时长，因此，将卷积神经网络（CNN）应用于解决地球物理反演问题成为一大趋势，但该方法在磁法勘探领域的研究尚不多见。 本文提出了一种基于CNN的磁异常反演方法，主要方法及研究成果如下：首先，设计合理的观测系统，将地下网格均匀剖分，并设计大量不同的地下地质体磁化强度模型，正演生成数千个磁异常数据，组成数据集；接着，借鉴VGG-13网络设计了一种全新的卷积神经反演网络（VGGINV网络）；然后，用该数据集训练本文提出的VGGINV网络，并优选最佳的学习率、迭代次数等超参数；最后，把磁异常数据输入到训练好的VGGINV网络中，直接得到反演结果，并与简单卷积神经网络（CNN）的反演结果进行对比。实验结果表明，通过CNN和VGGINV网络反演得到的地下地质体磁化强度模型和磁异常数据都与实际模型和数据相吻合；同时，对数据进行加噪处理，结果表明两种网络都具有一定的抗噪能力和泛化能力，VGGINV网络反演效果更好。最后，将VGGINV网络应用于青海省尕林格铁矿床磁异常实测资料处理中，能快速、准确的定位到异常体的具体位置，证明了该方法在磁异常反演中的可行性。
NETL