月壤地下岩石块的几何结构和电气特性具有很大的不确定性。月球雷达（LPR）获取的回波信号特征复杂，不能有效准确地对月球土壤内部结构进行成像。本文提出了一种基于主成分分析降维的深度学习数据处理方法，用于复杂月球表面下岩石分布结构的快速数字成像，可以直接建立月岩几何拓扑和关联关系的回波信号特征。首先，基于Apollo月球探测任务返回的月球岩石样品照片，利用边缘检测等图像处理方法提取月岩介质的几何轮廓，构建包含月岩块体的地层模型。对于信息冗余的时域回波信号，主成分分析法被用来降低高维空间回波数据的维数，然后，基于均方根转移（RMS-prop），利用反向传播算法建立了月球岩石介质上表面轮廓和位置的拟合预测模型。模拟结果表明，对于几何特征复杂、高度复杂的埋藏整体地层结构，深度学习r-square确定系数可达到0.93，月球岩石上表面轮廓和位置的预测结果与实际模型吻合程度较高。同时，对复杂多变量随机分布模型进行了探索性神经网络几何重构建模和验证。这项工作为后续地质科学领域基于数据驱动模型的地层成像研究提供了初步参考。