-
题名基于MSIPGAN的地震数据随机噪声压制方法
- 1
-
-
作者
罗仁泽
李治岐
-
机构
西南石油大学油气藏地质及开发工程国家重点实验室
西南石油大学电气信息学院
-
出处
《石油物探》
北大核心
2025年第4期653-666,共14页
-
文摘
在地震勘探中,采集得到的地震数据通常会受到严重的随机噪声污染,对后续的数据处理和解释产生负面影响。常规的地震数据噪声压制方法在压制噪声时无法有效分离信号和噪声,导致数据图像细节信息丢失、产生伪纹理等问题。为提高地震图像质量,提出了基于多尺度信息感知生成对抗网络(MSIPGAN)的地震数据随机噪声压制方法。首先,设计了多尺度信息感知生成网络来去除地震数据中的随机噪声,降噪网络以传统的深度卷积神经网络为基础框架,结合并行多尺度模块、多通道信息融合模块、一致性正则化模块来改善纹理结构的准确性并保留更多细节信息;其次,构建了判别网络的判别标签数据并将其与生成网络的生成图像相结合来辅助生成网络的训练;最后,设计了一种复合损失函数指导生成网络,提升生成网络恢复图像细节信息的能力。将该方法应用于大庆油田实际工区的地震数据处理,处理结果表明,与目前的主流模型和工业软件相比,其噪声压制效果提升显著;将该方法应用于荷兰近海的海底F3地震数据的噪声压制,结果表明该方法具有较强的泛化能力。
-
关键词
地震数据噪声压制
随机噪声
深度学习
生成对抗网络
地震勘探
-
Keywords
seismic data noise suppression
random noise
deep learning
generative adversarial network
seismic survey
-
分类号
TE
[石油与天然气工程]
P631
[天文地球—地质矿产勘探]
-
-
题名基于联合深度学习的地震数据随机噪声压制
被引量：18
- 2
-
-
作者
张岩
李新月
王斌
李杰
董宏丽
-
机构
东北石油大学计算机与信息技术学院
东北石油大学人工智能能源研究院
-
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2021年第1期9-25,56,I0007,共19页
-
基金
国家自然科学基金面上项目“基于通信协议的非线性时变系统有限域分布式滤波”(61873058)
黑龙江省自然科学基金重点项目“复杂网络化系统的安全控制与滤波”(ZD2019F001)
+1 种基金
中国博士后科学基金资助项目“基于压缩感知的油气地震勘探数据重建技术研究”(2019M651254)
东北石油大学青年科学基金项目“基于压缩感知的地震数据重建技术研究”(2018QNL-49)联合资助。
-
文摘
噪声压制是地震资料处理中的一项关键任务。根据不同噪声的形成机制、特性,可以采用不同的压制方法,使地震资料的信噪比达到预期,提高后续地震资料处理和解释的效率和精度。现有基于深度学习的地震数据去噪方法,通常仅关注单一时域或频域的特征提取,导致局部过平滑或纹理模糊的现象;此外,传统卷积神经网络的卷积核往往采用固定较小的尺寸,限制了感受野大小,容易导致地震数据特征信息提取不充分。为此,提出一种基于联合深度学习的地震数据随机噪声压制方法。首先,考虑时域和频域两方面的特征信息,利用联合误差定义损失函数,改善特征提取效果;其次,通过分析卷积核大小和网络深度对感受野大小的影响,采用扩充卷积的方式,增加地震数据特征提取的多样性,减少地震数据细节的损失;再次,根据网络输入与输出数据具有相似性的特点,引入残差学习策略;最后,利用批归一化算法加快模型收敛,提高地震数据去噪效率。与同类算法对比实验表明,应用所提出的方法可得到更好的同相轴纹理保持效果和较高的信噪比。
-
关键词
地震数据噪声压制
深度学习
联合损失函数
扩充卷积
残差网络
纹理
信噪比
-
Keywords
noise suppression
deep learning
joint loss function
expanded convolution
residual network
texture
signal-to-noise ratio(SNR)
-
分类号
P631
[天文地球—地质矿产勘探]
-
