基于深度卷积神经网络的地震数据随机噪声压制
陈天
易远元
中国武汉 430100 长江大学地球物理与石油资源学院
摘要：本文以提高地震数据的成像质量为目标,提出一种智能的卷积神经网络降噪框架,从带有噪声的地震数据中自适应地学习地震信号.为了加速网络训练和避免训练时出现梯度消失现象,我们在网络中加入残差学习和批标准化的方法,并采用了ReLU激活函数和Adam优化算法优化网络.此外,Marmousi和F3数据集被用来对网络进行训练和测试,经过充分训练的网络不仅能在学习中保留地震数据特征,而且能去除随机噪声.首先充分地训练网络,从中提取出随机噪声,并保留学习到的地震数据特征,之后通过重建地震数据估算测试集中的波形特征.合成记录和实际数据的处理结果显示了深度卷积神经网络在随机噪声压制任务中的潜力,并通过实验验证表明了深度卷积神经网络框架有很好的去噪效果.
关键词：随机噪声压制卷积神经网络地震数据深度学习地震信号
分类号：P315.69(大地（岩石界）物理学（固体地球物理学）)
资助基金：华北石油第三轮校企合作项目(HBYT-YJY-2018-JS-507)
论文发表日期：2021-08-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 474-482 )
英文信息