1.一种基于卷积神经网络的磁异常反演方法，其特征在于，所述基于卷积神经网络的磁异常反演方法包括：

基于磁异常体模型进行正演模拟产生样本数据集，基于产生的所述样本数据集构建VGG磁异常反演网络；

利用所述样本数据集训练构建的所述VGG磁异常反演网络；

将磁异常数据输入到训练好的VGG磁异常反演网络中，得到反演结果。

2.如权利要求1所述基于卷积神经网络的磁异常反演方法，其特征在于，所述基于卷积神经网络的磁异常反演方法包括以下步骤：步骤一，采用Matlab语言设计所需要的大量磁异常体模型，进行正演模拟生成样本数据集；

步骤二，构建VGG磁异常反演网络即VGGINV网络，并利用生成的样本数据集对构建的VGGINV网络进行训练，优化所述VGGINV网络的网络参数；

步骤三，将磁异常数据输入到训练好的VGGINV网络中，得到反演结果。

3.如权利要求2所述基于卷积神经网络的磁异常反演方法，其特征在于，步骤一中，所述采用Matlab语言设计所需要的大量磁异常体模型，进行正演模拟生成样本数据集包括：(1)采用Matlab语言设计观测系统，并基于单个网格单元的磁异常叠加计算多个网格单元在观测点的磁异常；

(2)设计不同性质和尺寸的地质体磁化强度模型，通过移动所述模型位置、设置不同磁化强度正演得到大量数据，共生成8424组数据构成数据集；

所述观测系统包括：

于地表设置101个观测点，并调整观测点的间距；地下网格单元采用均匀剖分方式，观测点间距10米，观测点高度为0.3m，地下空间划分为20×40均匀的矩形单元格，每个单元格

25m×25m，磁偏角和磁倾角分别为90°和60°。

4.如权利要求3所述基于卷积神经网络的磁异常反演方法，其特征在于，所述通过移动所述模型位置、设置不同磁化强度正演得到大量数据包括：利用地质体磁化强度模型m到磁异常数据d的映射关系表示磁异常正演，得到相应数T

据：d＝Gm；其中，m＝(m1，m2，…，mN) ，mi(i∈N)表示第i个网格的异常体磁化强度情况，N表示T

剖分的网格单元数；d＝(d1，d2，…，dM) ，dj(j∈M)，表示地表第j个观测点的得到磁异常数据大小，M是观测点个数；G是核矩阵；

所述地质体磁化强度模型包括：

矩形模型：3×3、4×4、5×5、3×6、6×3、4×8、8×4；

阶梯模型：每层2×3、每层2×5；

多个矩形模型：(左右)4×4、5×5；(上下)3×3；

步骤(2)中，所述设置不同磁化强度包括：设置磁化强度为0.5A/m、1A/m。

5.如权利要求2所述基于卷积神经网络的磁异常反演方法，其特征在于，所述VGG磁异常反演网络包括：

VGGINV网络结构由10层卷积层、5层池化层和3层全连接层组成；神经网络的输入为1×

101的矩阵，输出为800×1的矩阵；

VGGINV网络在进行卷积池化处理时，卷积核的大小为1×3；

所述10层卷积层的第一个卷积层步长为2，其他卷积层步长均为1，通道数依次为64、

64、128、128、256、256、512、512；

所述池化层的池化核的大小为1×2，步长为1，均采用VALID方式进行；

所述3层全连接层通道数均为2000，每层之后都添加一个Dropout层，激活函数为ReLU。

6.如权利要求2所述基于卷积神经网络的磁异常反演方法，其特征在于，所述利用生成的样本数据集对构建的VGGINV网络进行训练，优化所述VGGINV网络的网络参数包括：对样本数据集进行预处理，将数据集随机分为训练集和测试集；设定参数、利用训练集训练VGGINV网络；并利用测试集检查网络是否达到预期效果，如果没有达到，则修改参数，再次训练；如果训练的网络达到预期效果，则输入验证集数据，重构得到地下模型。

7.如权利要求6所述基于卷积神经网络的磁异常反演方法，其特征在于，所述修改参数包括：

1)确定目标函数：

所述目标函数为磁化强度模型拟合误差即目标函数第1项和磁异常数据拟合误差即目标函数第2项；

所述目标函数表达式的如下：

其中λ表示权重衰减系数，系数a，b，c用于平衡模型约束、数据约束和权重约束之间的关系；

2)设置迭代次数为30000次。

8.一种实施权利要求1～7任意一项所述基于卷积神经网络的磁异常反演方法的基于卷积神经网络的磁异常反演系统，其特征在于，所述基于卷积神经网络的磁异常反演系统包括：

样本数据集生成模块，用于采用Matlab语言设计所需要的大量磁异常体模型，进行正演模拟生成样本数据集；

网络训练模块，用于构建VGG磁异常反演网络即VGGINV网络，并利用生成的样本数据集对构建的VGGINV网络进行训练，优化所述VGGINV网络的网络参数；

反演结果获取模块，用于将磁异常数据输入到训练好的VGGINV网络中，得到反演结果。

9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：

基于磁异常体模型进行正演模拟产生样本数据集，构建VGG磁异常反演网络；

利用样本数据集训练所述VGG磁异常反演网络；

将磁异常数据输入到训练好的VGG磁异常反演网络中，得到反演结果。

10.一种信息数据处理终端，其特征在于，所述信息数据处理终端包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1～7任意一项所述基于卷积神经网络的磁异常反演方法。