深度学习和迭代图拉普拉斯提升的阻抗反演

通过混合使用深度学习与迭代图拉普拉斯方法，在声波勘探的常规过程中对声学阻抗进行反演，将神经网络应用于获得声学阻抗的初步近似，并利用 Tikhonov-like 变值方法以迭代图拉普拉斯为基础的正则项，获得比神经网络的初始预测更准确和稳定的结果，经过几次迭代后收敛到更精确的重构结果，实验证明该方法在存在噪声的情况下改善了重构质量。