在元素测井数据处理中,一个重要的步骤就是通过元素标准谱对混合能谱进行解谱求取元素产额,进而得到元素干重。传统的解谱方法主要是最小二乘法及其改进后的算法。深度学习是基于神经网络的一种机器学习,相比于传统的神经网络,它具有更深层次的结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。这种方法可以通过大量的样本学习,得到元素测井混合谱和元素干重之间的规律,得到计算模型,从而比较精确的计算元素干重和矿物干重。本文构建了全连接的深度神经网络,采用人工构造的样本数据,对神经网络进行训练,在训练好的深度神经网络输入混合谱,便能输出各元素的干重。研究了不同信噪比的样本对计算结果的影响。并将计算结果与传统加权最小二乘法的计算结果进行对比。