基于迭代启发网络算法的非平稳随机噪声压制

• 作者: 刘英昌 唐杰 孟涛 张文征 陈学国
• 来源期刊: 石油地球物理勘探
• 关键词: 深度学习 迭代启发网络 非平稳随机噪声 去噪模型
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 智能地球物理
• 页码范围: 957-964,972
• 页数: 9页
• 分类号: P631
• 语种: 中文
• DOI: 10.13810/j.cnki.issn.1000-7210.2020.05.003

摘要

常规滤波方法常常放大了噪声的影响,同时噪声的存在也限制了分辨率的提升,并“平滑”了地震数据中的不连续信息.为此,提出了基于迭代启发网络(IIN)算法的非平稳随机噪声压制方法,利用迭代启发网络压制非平稳随机噪声,网络结构简单、紧凑.IIN由交替方向乘子算法的迭代过程推导而来,利用L1范数优化变分模型.在训练阶段,通过增加一个新的辅助变量,将目标函数的极值转化为增广拉格朗日格式,使用L-BFGS(LargeBroydenFletcherGoldforb Shanno)算法判别、训练所有网络参数,最终得到最优去噪模型.理论模型及实际资料的去噪结果表明:①由训练得到的去噪模型根据有效信号的特征,在去噪的同时可保留同相轴的形状特征;采用的迭代网络简单、紧凑,加快了网络的收敛速度,能够用相对较小的数据集和较短的训练时间快速训练去噪模型,达到预期的去噪效果.②所提方法具有较强的适应性,有效地压制了常规地震数据中的非平稳随机噪声.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈学国		13	44	4.0	6.0
2	孟涛		12	108	6.0	10.0
3	唐杰		3	5	1.0	2.0
4	张文征		1	0	0.0	0.0
5	刘英昌		1	0	0.0	0.0