叠前随机噪声深度残差网络压制方法

• 作者: 吴杰 常德宽 李海山 陈德武
• 来源期刊: 石油地球物理勘探
• 关键词: 深度学习 卷积神经网络 深度残差网络 随机噪声 去噪
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 智能地球物理
• 页码范围: 493-503
• 页数: 11页
• 分类号: P631
• 语种: 中文
• DOI: 10.13810/j.cnki.issn.1000-7210.2020.03.002

摘要

深度残差网络作为一种先进的深度学习算法,近年来得到学术界和工业界的高度关注.针对叠前地震记录中随机噪声的智能高效压制问题,首先根据深度残差网络原理设计了一种深层非线性去噪网络,然后利用构建的高质量随机噪声训练集对该网络进行训练,在高维空间实现对随机噪声特征的自动学习,从而拟合出合噪声地震记录与随机噪声之间的非线性映射关系,实现随机噪声自动压制.模型数据测试和实际资料应用均证明了文中方法的有效性.尽管其去噪能力与标签数据获取方法相当,但去噪效率及适应能力明显优于标签数据获取方法,为应对TB级叠前地震数据的去噪问题提供了一种可借鉴的思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴杰		39	162	7.0	10.0
2	陈德武		8	9	2.0	3.0
3	李海山		14	83	5.0	9.0
4	常德宽		5	22	2.0	4.0