一种基于参数归一化的面波频散曲线智能反演方法

本发明公开了一种基于参数归一化的面波频散曲线智能反演方法，涉及深度学习技术领域。本方法首先在基准地下模型空间中生成多组训练数据对，随后用基于改进Transformer的PADIT模型对训练数据对进行预训练，后将实测瑞利波频散曲线映射到基准地下模型空间中，并利用预训练的PADIT模型对其进行预测，最终利用失配值选择较优的反演结果。本发明的方法，解决了现有技术中深度学习方法依赖于特定尺度样本的缺陷，极大地提高了地震数据瑞利波频散曲线反演工作的效率和模型的通用性；同时，本发明采用的深度学习模型能够直接处理可变长度的频散曲线数据，无需对输入数据进行插值或截断等预处理，更符合实际应用中数据长度多变的情况，具有更好的灵活性和鲁棒性。