本发明公开了一种卷积神经网络结果的重力多参量数据密度加权反演方法，包括以下步骤：搭建深度学习的神经网络结构，并针对目标地质体构建训练集；训练普通参数；训练最优网络模型；将实测异常输入到神经网络中，并将其预测结果作为下一步反演的初始模型；采用三维正则化反演方法，并引入密度权进行约束，正则化反演问题通过寻找最小化目标函数的优化问题来解决，对参数反演结果进行正演，检验反演拟合程度，并进行多次迭代反演，直至得到高精度的反演结果，本发明通过将深度学习引入到重力数据反演当中，提出了基于深度学习结果的物性反演方法，在获得较为精确的地下地质体分布的同时，大大提高了反演的效率。