1.一种基于卷积神经网络的三维地质异常体的分割提取方法，其特征在于，包括以下步骤：步骤1，将输入的三维数据立方体分割为数个大小相同的三维河道数据，并对所述三维河道数据进行标注得到标签向量；

步骤2，对所述三维河道数据进行切片，得到二维河道训练数据；

步骤3，构造卷积神经网络，输入所述标签向量和二维河道训练数据对卷积神经网络进行训练，得到所述卷积神经网络的训练权重；

步骤4，选取所述三维数据立方体中所有像素点，将每一个像素点设为中心点，扩展为大小与所述三维河道数据相同的立方体，对每一个立方体进行切片，得到测试集；

步骤5，输入所述测试集至所述卷积神经网络，得到结果标签向量，根据所述结果标签向量对所述卷积神经网络进行参数调整，得到最优参数和结果。

2.如权利要求1所述的基于卷积神经网络的三维地质异常体的分割提取方法，其特征在于，所述步骤1中对所述三维河道数据进行标注的过程为：检测所述三维河道数据是否有河道，对所述三维河道数据中心点属于河道的标注为1，对所述三维河道数据中心点不属于河道的标注为0。

3.如权利要求1所述的基于卷积神经网络的三维地质异常体的分割提取方法，其特征在于，所述步骤2包括以下流程：对所述三维河道数据分别从xy、yz、xz三个平面进行切片，切片的间隔为1个像素距离，切片后得到的二维河道数据的标签和所述三维河道数据的标注一致，得到二维河道训练数据。

4.如权利要求1所述的基于卷积神经网络的三维地质异常体的分割提取方法，其特征在于，所述步骤4包括以下流程：选取所述三维数据立方体中所有像素点，将每一个像素点当作中心点，扩展为大小与所述三维河道数据相同的立方体，对于靠近所述三维数据立方体外围的像素点不选取或选取后对数据不足部分进行填零操作；

对每一个扩展的立方体分别从xy、yz、xz三个平面进行切片，切片的间隔为1个像素距离，切片后的数据生成测试集。

5.如权利要求1所述的基于卷积神经网络的三维地质异常体的分割提取方法，其特征在于，所述步骤5根据所述结果标签向量对所述卷积神经网络中的卷积核大小、激活函数或dropout值进行调整。