本文介绍了一种基于深度学习的三维方法，用于反演地下密度和速度模型，以预测地下CO₂羽流。该方法优于仅有重力或仅有地震的反演模型，具有改进的密度和速度重建、准确的分割和更高的R-squared系数。未来的工作将验证该方法的有效性。

我们引入了一种基于深度学习的三维方法，用于反演地下密度和速度模型，预测地下CO₂羽流，作为CO₂封存监测工具。该方法优于仅有重力或地震的反演模型，实现了改进的重建和准确的分割。未来工作将验证方法并进行其他地质封存地点的模拟。

我们引入了一种基于深度学习的三维方法，用于反演地下密度和速度模型，预测地下CO₂羽流，作为CO₂封存监测工具。该方法优于仅有重力或地震的反演模型，实现了改进的重建和准确的分割。未来工作将验证方法并进行其他地质封存地点的模拟。

我们引入了一种基于深度学习的三维方法，用于反演地下密度和速度模型，预测地下CO₂羽流，作为CO₂封存监测工具。该方法优于仅有重力或地震的反演模型，实现了改进的重建和准确的分割。未来工作将验证方法并进行其他地质封存地点的模拟。