数据集概述
本数据集包含基于混合密度网络（MDN）的面波频散曲线反演机器学习模型，采用两步法：先用常规神经网络分类地下100米内的地层数量，再通过训练好的混合密度网络输出深度估计及横波速度结构的概率分布解，可区分2-7层结构，包含训练好的模型文件压缩包。
文件详解
- 文件名称：Trained_Networks_Keil_and_Wassermann(2023).zip
- 文件格式：ZIP
- 字段映射介绍：压缩包内包含基于Keil and Wassermann (2023)的训练好的分类神经网络和混合密度网络模型文件，用于面波频散曲线反演的地层数量分类、深度估计及横波速度结构概率分布计算。
数据来源
论文“Machine Learning Models for Surface Wave Dispersion Curve Inversion using Mixture Density Networks”
适用场景
- 地质勘探数据分析: 利用训练好的模型进行面波频散曲线反演，快速获取地下100米内地层数量、深度及横波速度结构的概率分布。
- 地球物理反演方法优化: 对比传统反演方法，评估基于混合密度网络的机器学习模型在面波频散曲线反演中的精度与效率。
- 地层结构概率分析: 通过模型输出的概率分布解，量化地下地层结构参数的不确定性。
- 地质工程勘察应用: 为地质工程勘察提供地下浅层结构的快速反演工具，支持工程选址与地基稳定性评估。
