为进一步提高大地电磁非线性反演的准确度和稳定性,本文将深度置信网络引入大地电磁反演。首先,针对建立的大地电磁二维地电模型数据库设计深度置信网络结构,对网络隐含层数和各层节点数进行优选,网络输入为已知地电模型的视电阻率参数,输出为该地电模型参数;然后,根据优选的网络参数进行深度置信网络学习训练,计算出多种地电模型网络连接权值和阈值的最优解;最后,将网络最优连接权值和阈值对未知模型进行反演测试,网络输入为测试地电模型的视电阻率参数,输出为该地电模型电阻率参数。模型实验表明:相比传统的BP神经网络算法,深度置信网络算法具有全局寻优的能力,在保证较快收敛效率的同时,明显提高了网络收敛成功率和稳定性,在反演测试中能够更加准确地逼近真实模型;相比经典的最小二乘正则化反演法,深度置信网络算法具有较好的泛化性能和自学习能力,反演效率更高,反演效果更精确。