Аннотация:Нейронные сети (НС) широко используются при решении различного рода задач интерпретации и обработки геофизических данных. В настоящей работе рассматриваются вопросы применения аппроксимационного нейросетевого (АНС) метода для решения обратных, которые сводятся к нелинейному операторному уравнению 1 рода (соответственно к системе операторных уравнений). АНС метод заключается в построении приближенного обратного оператора задачи с помощью нейросетевых аппроксимационных конструкций (MLP сетей) на основе заранее построенного множества опорных решений прямых и обратных задач.[1-2] В связи с тем, что максимальная горизонтальная детальность первого яруса вносит основной вклад в расчётное электромагнитное (ЭМ) поле. Это значительно снижает отражение в поле отклика от нижележащих ярусов, для которых первый ярус является шумовой составляющей для высоких частот ЭМ поля. Это в свою очередь приводит к значительному снижению качества обучения глубинных ярусов. В данном исследовании предлагается строить аппроксиматоры по двум различным базам данных прямых задач: первая с «загрубленными» первыми ярусами для обучения глубинных ярусов, а вторая для аппроксимации верхних ярусов соответственно с детальной параметризацией первых ярусов.