基于LSTM循环神经网络的大地电磁工频干扰压制

• 作者: 许滔滔 王中兴 肖卓伟 底青云 张文伟 尹雄
• 来源期刊: 地球物理学进展
• 关键词: 大地电磁 工频干扰 LSTM循环神经网络 深度学习 去嗓
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 应用地球物理学Ⅱ(海洋、工程、环境、仪器等)
• 页码范围: 2016-2022
• 页数: 7页
• 分类号: P631
• 语种: 中文
• DOI: 10.6038/pg2020DD0402

摘要

大地电磁测深方法观测天然电磁场信号,具有频带范围宽、探测深度大等优点,被广泛应用于油气资源勘探与地球深部结构探测.但天然场源信号微弱、易受电磁干扰,压制电磁干扰是大地电磁数据处理的关键问题之一.本文提出了一种基于长短时记忆循环神经网络的大地电磁工频干扰压制方法.首先构建双向长短时记忆循环神经网络模型,然后建立数据集对模型进行训练,最后将含有工频噪声的野外实测数据输入训练好的模型,模型的输出为工频噪声,输入与输出的差值即为消噪后的真实信号.模拟数据处理结果表明去噪前后时间序列相关系数达0.9691,实测数据处理结果表明该方法能够有效压制大地电磁信号中的工频干扰,提高数据处理质量.