重力的正反演问题是解释重力勘探资料的核心内容之一,深度学习近年来发展迅猛,在诸多学科领域取得很大成果,其在地球物理领域地震勘探解释反演等多有应用,研究深度学习应用于重力正反演具有开创性意义。深度学习作为一种机器学习方法,需要大量的数据,手动去创建数以万计的重力模型不太现实,观察到公开数据集MNIST数据集与重力模型的相似性,故在深度学习正演计算中,把MNIST数据集作为重力模型,作为深度学习的训练数据集,用基于网格节点密度的重力正演方法得到的重力和重力梯度异常作为标签,作为输出,在Tensor Flow平台上搭建全连接神经网络进行训练学习。训练得到调好参数的神经网络模型,把验证数据输入训练好的神经网络模型,得到的结果和基于网格节点密度的重力正演方法得到的结果比较,可以发现两个结果几乎一样。同理,把MNIST数据集作为输入,把重力梯度异常作为输出,可以训练得到重力梯度异常神经网络模型。另外,把MNIST数据集作为输入,把重力异常和重力梯度异常同时作为输出,也可以得到重力和重力梯度异常神经网络模型。把重力异常作为输入,把MNIST数据集作为输出,搭建神经网络并训练,这就是基于深度学习的重力反演,得到的模型没有正演那么准确,但是也比较不错。通过把重力异常和重力梯度异常同时作为输入,搭建并训练出来的神经网络效果有所提高。通过把MNIST数据集作为重力模型,训练得到重力正反演神经网络模型,同时把重力梯度异常加进重力的正反演,可以发现基于深度学习的重力正反演方法的可行性。