一种基于深度神经网络的实时区域重力场建模方法及系统

本发明涉及深度学习技术领域，公开了一种基于深度神经网络的实时区域重力场建模方法及系统，其中方法包括以下步骤：获取地面重力测量数据，计算地面离散点的原始地面重力异常；引入全球重力场模型，实时得到地面离散点的长波重力异常分量；引入深度全连接神经网络FC‑DNN；实时解算得到地面离散点的短波重力异常分量；引入卷积神经网络CNN；实时预测得到地面离散点的残余重力异常分量；将地面离散点的残余重力异常分量、短波重力异常分量、以及长波重力异常分量三部分融合，完成区域地面重力场模型的建模。本发明具有训练效率高且推理速度快的特点，解决了现有重力场建模中存在的计算效率不足问题。