神经网络训练方法、模型构建方法、装置、设备及介质

本申请提供一种神经网络训练方法、模型构建方法、装置、设备及介质，在训练双相介质波动特征学习网络时，以储层物性参数为输入，预测样本双相孔隙介质弹性波传播模型的多个预测波方程系数，结合基于平面波分析的物理约束机制，根据预测频散衰减特征和样本双相孔隙介质弹性波传播模型的真实频散衰减特征之间的误差损失，调整双相介质波动特征学习网络的参数，通过反向传播使得网络具备更强的预测稳定性与物理一致性，保障双相介质波动特征学习网络输出的预测波方程系数同时兼顾数据精度和物理一致性要求，从而提升构建的目标双相孔隙介质弹性波传播模型的物理一致性、表达准确性和泛化能力。