-
题名基于前馈去噪卷积神经网络的地震数据去噪方法
被引量：5
- 1
-
-
作者
王丹荔
周怀来
王元君
吕芬
何坪易
-
机构
成都理工大学地球物理学院
成都理工大学油气藏地质及开发工程国家重点实验室
成都理工大学地球探测与信息技术教育部重点实验室
-
出处
《物探化探计算技术》
CAS
2023年第1期17-27,共11页
-
基金
四川省科技厅重点研发项目(21ZDYF2939)。
-
文摘
随机噪声压制是提高地震数据信噪比的有效方法,这里利用前馈去噪卷积神经网络(Denoising Convolutional Neural Network,DnCNN)的深度学习去噪方法,对地震数据随机噪声的去除进行了研究,同时利用Mish激活函数构建M-DnCNN网络进一步提升网络模型的去噪性能。该方法基于神经网络与统计学原理,通过卷积神经网络自动提取特征,利用单个残差单元来预测噪声,即输入含噪地震数据,经过M-DnCNN学习后输出预测的噪声,将输入与输出噪声作差,得到去噪后的地震数据。在实验部分,首先利用合成地震数据对该方法的去噪效果进行验证,同时将M-DnCNN与均值滤波和f-x域预测滤波方法进行去噪对比,结果表明:M-DnCNN在去除地震数据随机噪声方面优于原始DnCNN,与其他两种去噪方法相比能够更有效地压制随机噪声;随后将M-DnCNN用于实际地震数据的去噪实验,实验证明M-DnCNN在实际地震数据的去噪处理中同样适用,其在保留并突出有效信号的同时可达到较好的去噪效果。
-
关键词
随机噪声
地震数据去噪
Mish激活函数
m-dncnn
-
Keywords
random noise
seismic data denoising
mish activation function
m-dncnn
-
分类号
P631.4
[天文地球—地质矿产勘探]
-
