基于U-net深度神经网络多任务学习的重力梯度数据位场转换方法及系统

本发明公开了基于U‑net深度神经网络多任务学习的重力梯度数据位场转换方法及系统，涉及重力场数据转换技术领域，方法包括以下步骤：构建地下模型的地质模型体，并对所述地质模型体进行正演，构建分量数据集；利用所述分量数据集训练U‑net多任务网络，得到数据转换模型；将实际重力数据输入至所述数据转换模型中，得到转换后重力数据。本发明不仅可以快速的进行梯度分量转换，还可以对复杂地质体模型的重力场图进行预测。足以说明该网络具有很强的泛化性。