基于卷积降噪自编码器的地震数据去噪

• 作者: 宋辉 张翔 陈伟 高洋
• 来源期刊: 石油地球物理勘探
• 关键词: 无监督学习 卷积神经网络 降噪自编码器 地震数据 去噪
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 智能地球物理
• 页码范围: 1210-1219
• 页数: 10页
• 分类号: P631
• 语种: 中文
• DOI: 10.13810/j.cnki.issn.1000-7210.2020.06.006

摘要

噪声压制是地震勘探中一个长期存在的问题,虽然一些传统方法能够压制数据中的噪声,但存在有效信号丢失、噪声残留等问题.为此,提出了一种基于卷积降噪自编码器的无监督地震数据去噪算法.该算法首先对地震数据进行一定程度的随机损坏,然后将损坏后的地震数据输送到编、解码框架.编码框架负责捕捉地震数据波形特征,据此消除噪声;解码框架能够对特征图进行扩大并恢复地震数据细节信息,从而得到重构的地震数据.最后,将重构地震数据与原始地震数据之间的误差作为收敛代价进行模型训练.考虑到地震数据的复杂性与特殊性,在编码和解码阶段使用了多尺度卷积模块提取地震数据特征.合成数据与实际数据的验算结果表明,该方法在保护地震信号的同时能够有效压制随机噪声、提高地震信号的信噪比.