一种全波形反演煤（岩）层异构体区域的深度学习算法

本发明提出一种全波形反演煤(岩)层异构体区域的深度学习算法，包括：利用应力波场的梯度信息指导重采样过程，构建重采样搭配点数据集，减少输入数据量提高样本质量；构建自适应采样的物理信息神经网络模型，同时引入一种损失加权策略动态调整权重，优化模型的收敛速度和精度。通过实例验证，该方法的反演精度优于传统全波形反演，有效降低了数据依赖性，提高了模型性能，可用于煤(岩)层异构体区域的反演分析。