受多种地球物理因素的影响，重力异常(GA)/垂直重力异常梯度(VGG)与海底地形(ST)在中波长内存在显著相关性。本研究利用深度神经网络（DNN）结合多源重力数据预测日本海（37°N-42°N,130°E-138°E）中波段(15-160 km)的ST。将垂线偏差、经带通滤波处理的GA、VGG和船载测深数据作为训练数据，并设计了特定结构的DNN框架和训练策略。结果表明：在测试点上DNN训练模型与topo_25.1模型的精度相当，相差约2-5m；经船测约束后，DNN训练模型的精度优于topo_25.1模型13-14 m。利用三条独立航线作为检核，检核精度显示：融合GA、VGG和垂线偏差的DNN模型精度最优，RMSE为81.58m，优于重力地质法反演模型7.2m；融合GA和VGG的DNN模型精度反而低于两者单一数据的训练精度；垂线偏差的加入对于ST模型精度的提升是有益的。
 

海底地形，多源重力数据，深度神经网络，日本海，中波段，船载测深数据