本发明涉及一种基于高泛化神经网络的地空电磁数据反演方法,依据反常扩散分数阶模型,计算地空电磁响应,建立电磁响应与反常扩散分数阶模型的样本集；优化设计网络结构、选取训练函数、激活函数；限制每个参数矩阵为对角矩阵且Frobenius规范最多为1,采用秩为1矩阵替换秩接近1的参数矩阵,获得由深度r’网络和单变量函数组成的近似神经网络；对单变量函数的Lipschitz函数,所有输入0映射到固定输出；通过的实值损失函数限制神经网络的Rademacher复杂度,限制神经网络的泛化误差上界,获取高泛化神经网络；采用高泛化神经网络对地空电磁数据进行反演,并进行成像。本发明提高了反常扩散多参数的解释准确性。
