1.一种大地电磁的深度学习反演方法，其特征在于，包括：获取目标勘探区域的地质物理信息和岩石物理信息，并基于所述地质物理信息和所述岩石物理信息构建合成电阻率地电模型集；通过大地电磁一维正演对所述合成电阻率地电模型进行计算，得到对应的合成视电阻率和合成相位数据，并基于所述合成视电阻率和所述合成相位数据建立大地电磁合成数据样本集；基于所述合成视电阻率、所述合成相位数据和所述合成电阻率地电模型构建大地电磁一维深度学习反演模型，并通过大地电磁合成数据样本集对所述大地电磁一维反演模型进行训练，得到训练完毕的大地电磁一维反演模型；获取目标勘探区域的实测视电阻率和实测相位数据，通过线性插值将所述实测视电阻率和所述实测相位数据转换为插值视电阻率和插值相位数据，并利用Savitzky-Golay滤波器构建多窗口Savitzky-Golay滤波器集；利用多窗口Savitzky-Golay滤波器集串行平滑插值视电阻率和插值相位数据，得到平滑视电阻率和平滑相位数据，并基于所述平滑视电阻率和所述平滑相位数据构建待反演视电阻率-相位数据集；将所述待反演视电阻率-相位数据集输入训练完毕的大地电磁一维反演模型中得到对应的反演电阻率地电模型集，基于所述反演电阻率地电模型集得到目标电阻率地电模型，并将所述目标电阻率地电模型作为目标勘探区域的电磁数据。
2.根据权利要求1所述的大地电磁的深度学习反演方法，其特征在于，所述获取目标勘探区域的实测视电阻率和实测相位数据，包括：通过大地电磁仪器对目标勘探区域进行现实勘探，采集目标勘探区域的视电阻率和相位数据，并将采集到的视电阻率和相位数据作为实测视电阻率和实测相位数据。
3.根据权利要求1所述的大地电磁的深度学习反演方法，其特征在于，所述基于所述合成视电阻率、所述合成相位数据和所述合成电阻率地电模型集建立大地电磁合成数据样本集，包括：将所述合成视电阻率、所述合成相位数据与所述合成电阻率地电模型集中的数据一一对应，构成用于深度学习模型训练的大地电磁合成数据样本集。
4.根据权利要求1所述的大地电磁的深度学习反演方法，其特征在于，所述基于所述合成视电阻率、所述合成相位数据和所述合成电阻率地电模型构建大地电磁一维反演模型，包括：将所述合成视电阻率、所述合成相位数据作为模型网络双通道输入，将所述合成电阻率地电模型作为模型网络期望输出，构建大地电磁一维反演模型，其中，模型网络输入维度为 ，模型网络的输出维度为 。
5.根据权利要求1所述的大地电磁的深度学习反演方法，其特征在于，所述通过大地电磁合成数据样本集对所述大地电磁一维反演模型进行训练，得到训练完毕的大地电磁一维反演模型，包括：将大地电磁合成数据样本集分为训练集和验证集，并通过线性插值法将训练集和验证集中的视电阻率和相位数据转换为长度为X的训练集视电阻率和训练集相位数据；通过向所述大地电磁一维反演模型输入训练集视电阻率、训练集相位数据和训练集电阻率地电模型进行训练，得到训练完毕的大地电磁一维反演模型。
6.根据权利要求1所述的大地电磁的深度学习反演方法，其特征在于，所述利用Savitzky-Golay滤波器构建目标多窗口Savitzky-Golay滤波器集，包括：设定Savitzky-Golay滤波器的多项式阶次为 ，设置包含 个窗口的窗口集为 ，其中 为窗口长度，最大窗口长度 根据噪声水平来设定；随机生成一个位于1和 之间的整数 ，然后再随机从窗口集 中选取 个窗口，将选取的 个窗口按照窗口长度由低到高排序构成目标多窗口Savitzky-Golay滤波器集。
7.根据权利要求1所述的大地电磁的深度学习反演方法，其特征在于，所述得到平滑视电阻率和平滑相位数据之后，所述基于所述平滑视电阻率和所述平滑相位数据构建待反演视电阻率-相位数据集之前，所述方法还包括：重复利用Savitzky-Golay滤波器构建目标多窗口Savitzky-Golay滤波器集和利用目标多窗口Savitzky-Golay滤波器集串行平滑插值视电阻率和插值相位数据得到平滑视电阻率和平滑相位数据两个操作N次，其中，N为正整数。
8.根据权利要求1所述的大地电磁的深度学习反演方法，其特征在于，所述基于所述反演电阻率地电模型集得到目标电阻率地电模型，包括：对所述反演电阻率地电模型集中的全部电阻率地电模型数据进行求和，并对求和结果取平均值；将计算求得的平均值作为目标电阻率地电模型。
9.一种大地电磁的深度学习反演系统，其特征在于，包括处理器、存储器；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现权利要求1-8中任一所述的方法步骤。
