基于物理信息神经网络的直流电阻率与瑞雷波联合反演方法和系统

本发明提供了一种基于物理信息神经网络的直流电阻率与瑞雷波联合反演方法和系统，属于地球物理勘探技术领域。该方法包括：确定目标探测深度范围，同步采集视电阻率序列和频率‑相速度序列；对深度坐标及两类观测序列归一化；构建以归一化深度坐标为唯一输入、输出连续电阻率函数和横波速度函数的共享特征神经网络；利用自动微分计算电场方程与瑞雷波频散方程的物理残差，得到双重物理约束损失；联合数据拟合损失与物理约束损失训练网络，输出最优电阻率模型和横波速度模型；生成连续物性剖面并自动识别地层界面。本发明无需预设层数、初始模型或搜索区间，通过双重物理约束显著降低反演多解性，实现高精度、全自动的浅地表分层。