接收函数是一组可有效用于表征地下速度界面的时间序列信号，其方位角特征蕴含着速度界面结构与速度各向异性等信息。我们力求通过一套以深度学习为主的研究策略学习，有效学习单台接收函数图中反射波和多次波排列特征，以此预测出台站下方的莫霍面的深度和产状特征。该策略包含多任务框架、样式迁移算法、压缩感知等多种方法。主要分为三个流程：首先基于卷积神经网络的样式迁移技术，用于仿真模拟接收函数图并生成学习样本；之后，由一个基于硬参数分享的多任务的卷积神经网络负责训练预测模型。最后，采用加速贝克曼和阈值迭代联合方法对方位角缺失的实际数据进行重建后，送入网络完成预测。
      我们将这套策略应用于郯庐断裂带中南段，得到了该区域10个固定台的下方的莫霍面深度和界面结构特征，预测的深度和传统方法计算结果具有较好的可比性，而走向和下倾角的揭示出区域莫霍面呈现起伏的特征。研究发现郯庐断裂带及邻区各个台站下方的莫霍面的总体走向与上地壳正断层的走向基本一致，这有可能指示了郯庐断裂带中南段及邻区的韧性下地壳也如同脆性上地壳一样，保留着大陆伸展所遗留下的演化痕迹，暗示了强烈的拉伸不仅改变了脆性上地壳的构造属性，同样对韧性下地壳起到了明显的塑形作用，可能揭示了如今的区域莫霍面的三维结构中还包含着关于重大地质事件的应力场的方向性指示信息。

 

多任务深度学习，样式迁移，接收函数