基于全局上下文和注意力机制深度卷积神经网络的地震数据去噪

• 作者: 杨翠倩 周亚同 何昊 崔焘 王杨
• 来源期刊: 石油物探
• 关键词: 地震数据 全局上下文 注意力机制 噪声压制 深度卷积神经网络
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 处理方法技术|Processing Method
• 页码范围: 751-762,855
• 页数: 13页
• 分类号: P631
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1441.2021.05.006

摘要

在地震数据处理中,随机噪声压制是提高地震数据信噪比的关键.针对目前卷积神经网络大多关注局部特征以及在特征提取方面的局限性,提出了一种结合全局上下文和注意力机制的深度卷积神经网络(global context and attention-based deep con-volutional neural network,GC-ADNet),并用残差学习压制地震数据随机噪声的方法.其中,全局上下文模块(global context block,GCBlock)既关注局部信息,又能提取全局上下文信息;注意力模块(Attention Block)不仅强调关键特征,还能高效提取隐藏在复杂背景中的噪声信息.加入残差学习和批量规范化方法加快了网络的训练和收敛速度,使用扩张卷积扩大上下文信息并降低计算成本.将GC-ADNet应用于合成和实际地震数据处理,并与现有的去噪方法进行了比较.实验结果表明,GC-ADNet能够更有效压制随机噪声,并保留更多局部细节信息.