技术摘要：
本公开提供了一种平衡孔间敏感性的跨孔电阻率CT深度学习反演方法及系统，包括：通过数值模拟，构建包括多组孔中电极点电位值‑地电模型图数据对的数据库；对电位数据预处理，提取全局特征向量，进而获取局部特征图；在损失函数中增加用于平衡孔间敏感性的补偿项，构造  全部
背景技术：
本部分的陈述仅仅是提供了与本公开相关的
技术实现要素：
信息，不必然构成在先技 术。 跨孔电阻率CT是一种孔中探测物探方法。将多个电极点放置孔中，通过对任意两 个电极点分别供正电和负电，测量其它电极点电位，或进一步计算电位差和视电阻率作为 测量数据，通过反演，获得孔间的电阻率剖面图。该反演方式有两种，一种是线性反演，一种 是非线性反演。线性反演是对目标函数的高阶项省略，进而迭代求最优的方式。该方法强烈 依赖于初始模型参数，且容易陷入局部最优。非线性反演是利用非线性优化算法全局寻找 最优，如蚁群算法、遗传算法等，这些方法通常计算量大，每次求解的耗时长。神经网络能够 通过学习获得数据和模型的映射模型，早期BP神经网络已经实现了二维电阻率反演，但因 为梯度消失和梯度爆炸等问题，反演过程中存在收敛速度慢、过拟合等问题。近年来，随着 激活函数，归一化等手段的提出，深度学习得到了更广泛的应用。目前尚没有发明实现了深 度学习实现跨孔电阻率CT反演。 实现跨孔电阻率CT深度学习反演方法存在以下两个难题： 其一，跨孔电阻率CT技术采集的数据量大，且不同于地表直流电探测技术，无法绘 制视电阻率图像，即无法直接使用卷积神经网络构建数据到地电模型的映射。而又因为数 据量大，使用多个全连接层的未知参数多，计算量巨大，可行性差。 其二，跨孔电阻率CT技术采集的数据对孔附近区域的电阻率敏感，而对孔间区域 敏感性差，导致对远离孔的区域反演效果差。