基于深度学习卷积神经网络的地震数据随机噪声去除

• 作者: 周亚同 池越 韩卫雪
• 来源期刊: 石油物探
• 学科: 地球科学
• 关键词: 卷积神经网络 深度学习 地震数据 随机噪声 去噪
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 处理方法技术
• 页码范围: 862-869,877
• 页数: 9页
• 分类号: P631
• 字数: 4748字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1441.2018.06.008

摘要

为了有效去除地震数据随机噪声,提出了一种基于卷积神经网络(CNN)的地震数据随机噪声去除算法.算法的关键在于构建一个适用于地震数据去噪的CNN,包含输入层 、卷积层 、激活层 、输出层等.该CNN以含噪地震数据作为输入层,由多个卷积层提取并处理地震数据,激活层采用修正线性单元(ReLU)获取地震数据波动特征,再借助归一化层加速网络训练收敛速度.CNN通过残差学习获得随机噪声并由网络输出层输出.分别采用小波变换 、双树复小波变换 、曲波变换以及CNN对实际叠前海上地震数据 、叠后陆地数据及复杂陆地叠后数据进行去噪,实验结果表明,CNN能有效去除随机噪声,且与常规去噪算法相比具有更强的去噪能力,验证了算法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	池越	河北工业大学电子信息工程学院	33	66	5.0	6.0
2	周亚同	河北工业大学电子信息工程学院	58	236	9.0	13.0
3	韩卫雪	河北工业大学电子信息工程学院	2	12	1.0	2.0