SfNet_Based_中国大陆Vs模型更新_面波频散反演数据

数据集概述

本数据集关联深度学习方法SfNet，用于面波频散反演并获取中国大陆更新的Vs模型。训练数据集通过自动生成的样条基Vs模型构建，采用随机采样策略处理频散周期，提升模型泛化能力，包含2个压缩文件。

文件详解

• SfNet_Zenodo.zip
• 文件格式：ZIP
• 内容说明：SfNet相关的主要数据压缩包，具体内容未提供预览，推测包含深度学习模型、训练配置或核心数据文件。
• Li_2022_data.zip
• 文件格式：ZIP
• 内容说明：2022年Li相关的数据压缩包，具体内容未提供预览，推测包含面波频散数据、Vs模型结果或辅助训练数据。

适用场景

• 地震学Vs模型研究: 用于分析中国大陆地壳和上地幔的剪切波速度结构特征。
• 深度学习反演方法验证: 验证SfNet方法在面波频散反演任务中的精度和泛化能力。
• 地球物理数据处理: 探索自动生成样条基模型构建训练集的技术在地球物理反演中的应用。
• 频散数据采样策略优化: 研究随机采样策略对反演结果稳定性和适应性的影响。