技术特征：
1.一种基于分层融合的地震低频分量恢复方法，其特征在于，依次包括以下步骤：s1、通过正演方式获得全频段地震记录；s2、将全频段地震记录滤除低频成分，得到对应的带限地震记录；s3、将带限地震记录按照能量相近性做分层处理，为减弱边缘效应，可使相连的两层设置重叠部分；s4、将分层处理后的带限地震记录划分为训练集、验证集和测试集；s5、利用训练集、验证集训练设计好的卷积神经网络，获得训练好的分层网络；s6、将测试集带限数据输入训练好的分层网络，得到预测的分层的全频地震记录；s7、将预测的分层的全频地震记录融合为完整的预测的地震记录，重叠部分在融合时给与不同权重；s8、对完整的预测的地震记录做全波形反演，得到预测速度场。2.根据权利要求1所述的基于分层融合的地震低频分量恢复方法，其特征在于，步骤1正演设置包括地震子波设置为主频为10hz的雷克子波；所用地质模型选择像素点数为155*461的marmousi模型，设置炮数为112，检波点数为461；所用地震波数值模拟方法为有限差分法，使用时域2阶、空间10阶的pml有限差分建模算子，采样时间间隔为0.8ms，采样点数为4001。3.根据权利要求1所述的基于分层融合的地震低频分量恢复方法，其特征在于：步骤3所述分层处理将带限地震记录按照能量相近性共划分了五层。4.根据权利要求1所述的基于分层融合的地震低频分量恢复方法，其特征在于：步骤5所设计的卷积神经网络的工作流程为：s1、输入分层的带限地震记录；s2、将分层的带限地震记录经过一层二维卷积，卷积核大小为640*1，滤波器个数为128，使用prelu激活函数，然后将得到的数据进行批处理归一化；s3、步骤2结果经过一层dropout层，以概率50％舍弃部分神经元；s4、步骤3结果经过一层二维卷积，卷积核大小为640*1，滤波器个数为64，使用prelu激活函数，然后将得到的数据进行批处理归一化；s5、步骤4结果经过一层二维卷积，卷积核大小为640*1，滤波器个数为128，使用prelu激活函数，然后将得到的数据进行批处理归一化；s6、步骤5结果经过一层二维卷积，卷积核大小为640*1，滤波器个数为64，使用prelu激活函数，然后将得到的数据进行批处理归一化；s7、步骤6结果经过一层二维卷积，卷积核大小为640*1，滤波器个数为32，使用prelu激活函数，然后将得到的数据进行批处理归一化；s8、步骤7结果经过一层全连接层，神经元个数等于每层对应的采样点数；s9、得到卷积神经网络预测出的该层对应的全频地震记录。