电性源地空电磁探测方法中发射源是接地长导线,接收装置是搭载在飞行器上的。通过接收装置的测量来得到包含地下电性结构的电磁响应数据。该方法被人普遍应用的优点是在复杂地形条件下可以快速广泛的进行探测。随着电性源地空电磁系统不断应用到实际当中,数值模拟和参数提取等方面也有了新的研究和进展。目前,数值模拟和参数提取方法一般采用均匀半空间模型,但实际地下电性结构存在粗糙介质等模型结构,导致了地空电磁数据参数提取的精确度不足,使得提取结果与实际地质构造的误差相对较大。关于以上问题,本文开展了粗糙介质分数阶模型的电性源地空电磁三维数值模拟和基于Rademacher复杂度的高泛化神经网络的电阻率、粗糙度参数提取的研究,并将基于Rademacher复杂度的高泛化神经网络方法应用于实际探测数据参数提取中。主要研究如下:（1）为了实现粗糙介质模型的电性源地空电磁三维数值模拟,在麦克斯韦方程组中引入粗糙度,推导了电性源三维电磁响应公式。采用均匀半空间粗糙介质模型和层状粗糙介质模型对算法进行了验证,分析了板状和复杂粗糙介质模型的电磁响应特征。（2）为了实现粗糙介质分数阶模型的高精度参数提取方法,采用神经网络来实现时域地空电磁数据的电阻率、粗糙度参数提取。针对神经网络参数提取方法对网络结构的依赖,提出了基于Rademacher复杂度的高泛化神经网络的地空电磁数据参数提取方法。以粗糙介质分数阶模型的地空电磁响应数据为基础构建样本集,设置神经网络结构,用Rademacher复杂度限制神经网络的泛化误差,建立高泛化神经网络,可以提取时域地空电磁数据的电阻率、粗糙度参数。（3）采用均匀半空间粗糙介质模型、层状粗糙介质模型和准三维异常体模型对高泛化神经网络进行验证,证明了基于Rademacher复杂度的高泛化神经网络参数提取方法的有效性。将高泛化神经网络应用到实测数据中,参数提取结果和已有地质资料一致。本文的研究内容有效地提高了时域地空电磁数据的参数提取精度,而且该参数提取方法可以拓展到不同工作方式得到的电磁数据中,为地下电性结构更精确地识别提供了新方法。