最小二乘逆时偏移（LSRTM）是一种地震成像方法，具有振幅的高分辨率和相对保真度，但该方法通常需要近十次迭代，每次迭代大约需要两次放炮。因此，计算量非常大。本文采用深度学习领域的自适应矩估计方法来提高LSRTM的计算效率：每次迭代只使用共炮点道集的一部分来计算梯度，并使用动量法来修改梯度。考虑到梯度的不稳定状态，采用传播算法消除了光照不足的影响。自适应矩估计方法结合了这两种方法的优点，不仅减少了每次迭代的计算量，而且提高了迭代收敛速度。该方法易于实现，计算效率高，内存小。这是一种快速有效的梯度预处理方法。自适应矩估计方法不仅适用于LSRTM脉，而且适用于火炮编码的LSRTM脉。SEG/eage-盐丘模型的数值实验表明，自适应矩估计方法可以在两倍的时间内获得高精度和高分辨率的成像结果。计算效率的显著提高有助于将LSRTM方法推广到实际地震资料处理中。