La inversión de la impedancia sísmica es esencial para proporcionar un análisis estratigráfico de alta resolución. Por lo tanto, mejorar la precisión mientras se asegura la eficiencia del modelo de inversión es crucial para la implementación práctica. Recientemente, los enfoques basados en el aprendizaje profundo han demostrado ser superiores en la captura de relaciones complejas entre diferentes dominios de datos. En este documento, se propone una red densa de atención derivada de Siamese (SADN), que incorpora módulos de predicción y Siamese. En el módulo de predicción, DenseNet sirve como la columna vertebral, y se integra un mecanismo de atención de canal en DenseNet para mejorar el peso de los factores altamente correlacionados con la inversión de impedancia sísmica. Se emplea una estructura de cuello de botella en DenseNet para reducir los costos computacionales. En el módulo Siamese, se emplea una DenseNet con pesos compartidos para calcular la similitud de distribución entre la impedancia predicha y la impedancia real, regularizando efectivamente la similitud de distribución entre la impedancia sísmica invertida y la verdad de campo registrada. Los resultados cualitativos y cuantitativos demuestran la ventaja del SADN sobre las redes tradicionales comúnmente utilizadas para la inversión de impedancia sísmica.