重力异常反演和解析延拓是了解地下密度结构和探查地质体特征参数的重要地球物理手段。传统上以模型驱动的重力三维反演速度慢,需要大量的内存和算力开销。而通过数据驱动训练的卷积神经网络模型,可以大大提高反演效率,克服传统技术方法的不足。传统的频率域重力位场向下延拓方法由于高频放大导致计算不稳定,而数据驱动方法通过寻找源场到目标场的近似函数,有效解决了传统解析延拓方法中的不稳定性问题。