-
题名优化损失函数的低信噪比微地震信号去噪方法
- 1
-
-
作者
高宏宇
宋雪岩
张译文
郝枫桦
-
机构
东北石油大学人工智能能源研究院
东北石油大学电气信息工程学院
-
出处
《石油物探》
北大核心
2025年第3期522-532,共11页
-
基金
国家自然科学基金区域联合基金项目“基于分布式算法及大数据驱动的微地震信号去噪与反演研究”(U21A2019)资助。
-
文摘
检波器采集的实际微地震数据所包含的噪声类型复杂,数据的信噪比极低,传统的去噪方法无法清晰识别有效信号和噪声。为此,提出了一种优化损失函数约束的融合残差注意力的深度卷积自编码网络(RADNet)去噪方法。该方法使用深度卷积自编码结构对含噪数据进行局部特征提取并融合全局特征,利用注意力机制对不同特征进行权重分配,同时引入优化后的损失函数指导网络训练,最后基于残差网络构建去噪后的有效信号。为验证所提方法的有效性,分别将RADNet方法应用于仿真和实际微地震数据处理,并与现有的去噪方法进行对比分析。实验结果表明,RADNet去噪方法相较于基准的去噪卷积神经网络(DnCNN)和深度卷积自编码网络峰值信噪比(PSNR)分别提升了2.783 dB和8.099 dB,结构相似度(SSIM)分别提升了0.031和0.065。此外,与同类方法相比,提出的RADNet去噪方法均方误差(MSE)更低,并且能够更好地保留微地震数据中的有效信号及同相轴波形纹理细节。
-
关键词
卷积神经网络
微地震
随机噪声
低信噪比
损失函数
深度卷积自编码
-
Keywords
convolutional neural network
microseismic
random noise
low signal-to-noise ratio
loss function
deep convolutional auto-encoder
-
分类号
TE
[石油与天然气工程]
P631
[天文地球—地质矿产勘探]
-
