基于去噪卷积神经网络的面波噪声压制方法

• 作者: 唐杰 韩盛元 刘英昌 张文征 孟涛
• 来源期刊: 石油物探
• 学科: 地球科学
• 关键词: 面波压制 去噪卷积神经网络 残差学习 批量标准化 深度学习 智能去噪 人工智能
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 人工智能(AI)专题|Artificial Intelligence
• 页码范围: 245-252
• 页数: 8页
• 分类号: P631
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1441.2022.02.006

摘要

提高地震资料的信噪比是地震数据处理的重要任务之一,与依赖信号模型及其相应先验假设的传统地震噪声衰减算法相比,基于大型训练集的深度神经网络的去噪方法通过对大型数据集进行学习,训练完成后可以对面波进行自适应智能降噪.根据叠前高密度地震数据的特点,建立面波去噪训练库,通过去噪卷积神经网络来衰减地震数据的面波噪声.为了准确高效地提取地震数据面波噪声的特征,采用残差学习和批量标准化相结合的方式来加快训练过程并提高算法的面波去噪效果,去噪卷积神经网络能够有效处理未知噪声水平的面波降噪.模型数据和单点高密度地震数据测试结果表明,常规带通滤波及变分模态分解方法对有效信号损伤较大,而去噪卷积神经网络在高效去除面波噪声的同时能够较好地保护有效信号.