-
题名基于自适应动态粒子群优化的RAK-SVD方法
- 1
-
-
作者
乐友喜
姚晓辰
付俊楠
葛传友
-
机构
中国石油大学(华东)地球科学与技术学院
-
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2024年第3期494-503,共10页
-
文摘
K均值奇异值分解(K-SVD)算法是一种行之有效的地震资料去噪方法,但由于其稀疏分解存在不确定性,需要引入正则项对其改进。为此,在常规粒子群算法的基础上,提出了一种自适应动态粒子群算法优化正则化参数的正则化近似K-SVD(RAK-SVD)去噪方法。首先通过修改字典原子和相关参数,解决了由于常规粒子群算法的惯性参数固定不变,导致后期搜索效率下降的问题;其次将正则化系数引入近似K-SVD(AK-SVD)方法,明显提升了去噪效果;最后利用自适应动态粒子群算法自动优选AK-SVD方法中的正则化参数,提高了稀疏分解的确定性,在对强反射信号进行去噪的同时加强了对弱信号的保护。模型测试和实际应用均表明,该方法有利于弱信号的提取和识别,不仅能够显著改善弱地震信号的去噪效果,还提升了计算效率。该方法具有一定的实际应用价值。
-
关键词
自适应动态粒子群算法
K-SVD字典
正则化
去噪
-
Keywords
adaptive dynamic particle swarm algorithm
K-SVD dictionary
regularization
denoising
-
分类号
P631
[天文地球—地质矿产勘探]
-
