一种改进卷积神经网络的火星浅表层介电常数预测方法

本申请提供了一种改进卷积神经网络的火星浅表层介电常数预测方法，涉及地质勘探领域及行星探测领域，方法包括：获取火星次表层探测雷达数据并进行预处理；提取火星次表层探测雷达A‑scan数据；构建基于注意力机制和级联的一维卷积神经网络；通过构建的火星次表层地质模型以及火星次表层探测雷达A‑scan数据，对一维卷积神经网络进行训练；通过训练后的一维卷积神经网络，结合预处理后的火星次表层探测雷达数据，对火星浅表层地下介电常数值进行预测。本申请所提方法使用基于数据驱动的改进的一维深度卷积神经网络来代替传统人为判断探地雷达信号中双曲线拟合，实现自主预测火星浅表层的地下介电特性的方法。