1.一种地表电位还原方法，其特征在于，包括：获取地表电位数据；其中，所述地表电位数据包括地表坐标和电位测量值；根据所述地表电位数据对预先建立的神经网络模型进行训练，得到地表电位还原模型；采用预设的优化算法对所述地表电位还原模型进行优化，获得优化后的地表电位还原模型；将待还原的地表电位数据输入到所述优化后的地表电位还原模型，得到地表电位衰减曲线；所述根据所述地表电位数据对预先建立的神经网络模型进行训练，得到地表电位还原模型，具体包括：将所述地表电位数据按预设的第一比例划分为第一训练样本和第一测试样本；采用所述第一训练样本对所述神经网络模型进行训练，得到训练后的神经网络模型；采用所述第一测试样本对所述训练后的神经网络模型进行测试，得到所述地表电位还原模型；所述采用所述第一训练样本对所述神经网络模型进行训练，得到训练后的神经网络模型，具体包括：选取一组所述神经网络模型的模型参数；将所述第一训练样本组织成小批量数据样本，并根据所述小批量数据样本，采用预设的反向函数计算第一小批量随机梯度；将所述第一小批量随机梯度与预设参数的乘积作为所述模型参数在本次迭代的减小量，以根据所述减小量优化所述模型参数；迭代地执行以上操作，直至达到预设的迭代次数；基于迭代后的模型参数，获得所述训练后的神经网络模型；在所述根据所述训练样本对预先建立的神经网络模型进行训练，得到地表电位还原模型之前，还包括：基于SGD算法建立所述神经网络模型；所述采用预设的优化算法对所述地表电位还原模型进行优化，获得优化后的地表电位还原模型，包括：当所述优化算法为Adam算法时，将所述地表电位数据按预设的第二比例划分为第二训练样本和第二测试样本；其中，所述第二训练样本的样本容量小于所述第一训练样本的样本容量；根据所述第二训练样本，计算第二小批量随机梯度；基于所述Adam算法对过去各时间步的第二小批量随机梯度的权值进行偏差修正，得到修正后的时间步动量变量、修正后的指数加权移动平均变量及修正后的第二小批量随机梯度的权值；根据所述修正后的时间步动量变量和所述修正后的指数加权移动平均变量，将模型参数中每个元素的学习率通过按元素运算重新调整；基于调整后的学习率和所述修正后的第二小批量随机梯度的权值对所述地表电位还原模型进行训练，得到优化后的地表电位还原模型；采用所述第二测试样本对所述优化后的地表电位还原模型进行测试；所述采用预设的优化算法对所述地表电位还原模型进行优化，获得优化后的地表电位还原模型，包括：当所述优化算法为LAD线性回归算法时，将所述地表电位数据按预设的第三比例划分为第三训练样本和第三测试样本；其中，所述第三训练样本的样本容量小于所述第一训练样本的样本容量；基于所述LAD线性回归算法和所述第三训练样本对所述地表电位还原模型进行训练，得到优化后的地表电位还原模型；采用所述第三测试样本对所述优化后的地表电位还原模型进行测试。
2.一种地表电位还原装置，其特征在于，包括：数据获取模块，用于获取地表电位数据；其中，所述地表电位数据包括地表坐标和电位测量值；模型构建模块，用于根据所述地表电位数据对预先建立的神经网络模型进行训练，得到地表电位还原模型；模型优化模块，用于采用预设的优化算法对所述地表电位还原模型进行优化，获得优化后的地表电位还原模型；地表电位还原模块，用于将待还原的地表电位数据输入到所述优化后的地表电位还原模型，得到地表电位衰减曲线；所述根据所述地表电位数据对预先建立的神经网络模型进行训练，得到地表电位还原模型，具体包括：将所述地表电位数据按预设的第一比例划分为第一训练样本和第一测试样本；采用所述第一训练样本对所述神经网络模型进行训练，得到训练后的神经网络模型；采用所述第一测试样本对所述训练后的神经网络模型进行测试，得到所述地表电位还原模型；所述采用所述第一训练样本对所述神经网络模型进行训练，得到训练后的神经网络模型，具体包括：选取一组所述神经网络模型的模型参数；将所述第一训练样本组织成小批量数据样本，并根据所述小批量数据样本，采用预设的反向函数计算第一小批量随机梯度；将所述第一小批量随机梯度与预设参数的乘积作为所述模型参数在本次迭代的减小量，以根据所述减小量优化所述模型参数；迭代地执行以上操作，直至达到预设的迭代次数；基于迭代后的模型参数，获得所述训练后的神经网络模型；在所述根据所述训练样本对预先建立的神经网络模型进行训练，得到地表电位还原模型之前，还包括：基于SGD算法建立所述神经网络模型；所述采用预设的优化算法对所述地表电位还原模型进行优化，获得优化后的地表电位还原模型，包括：当所述优化算法为Adam算法时，将所述地表电位数据按预设的第二比例划分为第二训练样本和第二测试样本；其中，所述第二训练样本的样本容量小于所述第一训练样本的样本容量；根据所述第二训练样本，计算第二小批量随机梯度；基于所述Adam算法对过去各时间步的第二小批量随机梯度的权值进行偏差修正，得到修正后的时间步动量变量、修正后的指数加权移动平均变量及修正后的第二小批量随机梯度的权值；根据所述修正后的时间步动量变量和所述修正后的指数加权移动平均变量，将模型参数中每个元素的学习率通过按元素运算重新调整；基于调整后的学习率和所述修正后的第二小批量随机梯度的权值对所述地表电位还原模型进行训练，得到优化后的地表电位还原模型；采用所述第二测试样本对所述优化后的地表电位还原模型进行测试；所述采用预设的优化算法对所述地表电位还原模型进行优化，获得优化后的地表电位还原模型，包括：当所述优化算法为LAD线性回归算法时，将所述地表电位数据按预设的第三比例划分为第三训练样本和第三测试样本；其中，所述第三训练样本的样本容量小于所述第一训练样本的样本容量；基于所述LAD线性回归算法和所述第三训练样本对所述地表电位还原模型进行训练，得到优化后的地表电位还原模型；采用所述第三测试样本对所述优化后的地表电位还原模型进行测试。
3.一种地表电位还原设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1所述的地表电位还原方法。
4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1所述的地表电位还原方法。
