1.一种基于卷积神经网络的大地电磁非线性反演方法，其特征在于，包括如下步骤：S100搭建卷积神经网络，包含输入层、双卷积层、双池化层、全连接层和输出层；其中，卷积层和池化层交替设置；采用Xavier初始化方法对网络的权值与偏置进行初始赋值，初始权值的参数W [l] 符合均值μ＝0，方差 的正态分布： b [l] ＝0；其中，l为网络层数的序号，n [l-1] 是第l-1层的神经元个数，b [l] 为网络阈值的初始值；S200通过大地电磁二维正演获取样本数据集，样本数据包括视电阻率、相位数据以及地电模型参数；具体的，采用有限单元法，对网格进行双二次插值，并将整个网格划分为两个区域：目标区域和网格外延区域，目标区域为地质体的赋存区域，同时也是数据采集区域，以均匀网格剖分，网格大小NX×NY，网格外延区域的网格步长按二倍递增；在目标区域内，固定围岩及异常体电阻率值不变，地质体按一定步长进行移动，以获取样本数据集，所述样本数据集包括：含N f 个频点，N s 个测点的视电阻率数据 含N f 个频点，N s 个测点的阻抗相位数据 以及相应的地电模型参数 采用零-均值归一化方法对所述样本数据集进行标准化：其中x * 代表归一化后的数据，其均值为0，方差为1；μ和σ代表原始数据的均值和方差，将标准化后的视电阻率 及相位数据 作为卷积神经网络的双通道输入，标准化后相应地电模型参数 作为输出；S300将标准化后的视电阻率、相位数据以及地电模型参数输入卷积神经网络进行训练，包括：S310标准化后的视电阻率、相位数据进入卷积，进行一次特征提取；S320卷积后的视电阻率、相位数据进入池化，进行数据体降维度及二次特征提取；S330标准化后的视电阻率、相位数据经过卷积、池化后进入全连接层，在全连接层中建立提取特征与输出层的映射关系，将得到的地电模型参数与样本数据的地电模型参数做差值，即输出值与理论值的误差；通过重复进行信息正向传播和误差反向传递，直到误差达到期望值或者迭代次数达到预定值，此时网络停止训练并得到最佳权值与阈值；S400将测试集数据输入网络，测试集数据经过卷积、池化以及一次正向传播后，得到所需的地电模型参数。
2.根据权利要求1所述的方法，其特征在于，所述步骤S310包括：将所述步骤S200中的输入数据即标准化后的视电阻率 及相位数据 进行卷积处理，即将每一个位置的输入数据进行卷积变换映射成新值；卷积计算公式为其中 表示第l个卷积层的第j个通道的净激活，它是通过对前一层的输出的特征图 进行卷积求和与偏置操作后得到的，i为输入数据的序号， 表示第l个卷积层的第j个通道的输出，f(·)表示激活函数，M j 表示特征图子集， 表示卷积核矩阵， 表示卷积层的偏置项，“*”为卷积运算。
3.根据权利要求2所述的方法，其特征在于，所述步骤S320包括：采用最大池化法对卷积后的数据进行池化处理，即将池化窗口区域内数据的最大值保留，再通过激活函数激活就可得到结果；池化计算公式为：其中， 表示第l个池化层的第j个通道的净激活，通过前一层的特征图 池化加权、偏置后得到的；β表示池化权重系数， 表示池化层的偏置项，pool(·)表示池化函数。
4.根据权利要求3所述的方法，其特征在于，所述步骤S330中的所述信息正向传播：CNN的输入为a i，l-1 ，信息正向传播算法计算包括：当前是全连接层，则有a i，l ＝σ(z i，l )＝σ(W l a i，l-1 +b l )，其中a i，l 为正向传播输出，W l 为网络权值，b l 为网络阈值，σ(·)为激活函数；当前是卷积层，则有a i，l ＝σ(z i，l )＝σ(W l *a i，l-1 +b l )，其中*为卷积运算；当前是池化层，则有a i，l ＝pool(a i，l-1 )，其中pool(·)为池化运算；对于输出层第L层：a i，L ＝ReLU(z i，L )＝ReLU(W L a i，L-1 +b L )，其中ReLU为激活函数；最后通过损失函数计算出输出层的总梯度误差δ i，L 。
5.根据权利要求4所述的方法，其特征在于，所述步骤S330中的所述误差反向传递：S331前一层的梯度误差为δ i，l+1 ，反向传递算法计算包括：当前是全连接层，则有δ i，l ＝(W l+1 ) T δ i，l+1 ⊙σ′(z i，l )，其中δ i，l 代表第l层的梯度误差，⊙代表Hadamard积；当前是卷积层，则有δ i，l ＝δ i，l+1 *(W l+i ) T ⊙σ′(z i，l )；当前是池化层，则有δ i，l ＝upsample(δ i，l+1 )⊙σ′(z i，l )，其中upsample(·)为上采样函数；S332CNN更新第l层的W l 和b l ，包括：当前是全连接层： 其中α为迭代步长，m为训练样本数；当前是卷积层，对于每一个卷积核有：
6.根据权利要求5所述的方法，其特征在于，所述步骤S400测试集数据输入网络之前，进行如下设置：设置训练集、测试集、验证集比例为98∶1∶1，网络迭代次数为200。
7.一种电子设备，其特征在于，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至6中任一项所述的方法。
