检索结果-维普期刊中文期刊服务平台

卷积Mamba模型驱动的地震随机噪声压制方法: 1; 作者韦秀娟刘兴业周怀来《煤田地质与勘探》北大核心 2025年第5期196-206,共11页; 【背景】地震随机噪声压制是提升地震资料质量的关键环节之一,数据驱动的深度学习方法提供了一种智能解决方案。然而,主流的基于卷积神经网络的随机噪声智能压制方法受限于局部感受野特性,导致去噪过程中局部细节与宏观结构的协同优化不... 展开更多; 关键词地震随机噪声压制深度学习卷积神经网络状态空间模型 Mamba; 在线阅读下载PDF 职称材料

基于稀疏冗余表示的三维地震数据随机噪声压制被引量：17: 2; 作者张广智常德宽 +3 位作者王一惠李振振赵阳印兴耀《石油地球物理勘探》 EI CSCD 北大核心 2015年第4期600-606,1-2,共7页; 传统的二维随机噪声压制方法应用于三维地震数据的随机噪声压制时,去噪效果往往不理想,为此提出基于稀疏冗余表示的压制三维地震数据随机噪声的方法。该方法在贝叶斯框架下,通过正交匹配追踪(OMP)和K-奇异值分解(K-SVD)不断迭代更新三... 展开更多; 关键词稀疏冗余表示三维超完备DCT字典三维地震随机噪声压制正交匹配追踪 K-奇异值分解; 在线阅读下载PDF 职称材料

基于广义Beta小波稀疏域混合约束优化的地震去噪方法研究被引量：3: 3; 作者张歧杨阳 +2 位作者魏千盛王治国高静怀《地球物理学报》 SCIE EI CAS CSCD 北大核心 2023年第8期3391-3402,共12页; 地震随机噪声压制是鄂尔多斯盆地黄土塬、沙漠、戈壁滩等复杂地表区域低信噪比地震资料处理的一项重要任务.稀疏反演去噪是地震随机噪声压制的常用方法之一.ℓ_(1)范数和全变分(Total Variation,TV)正则化是稀疏变换域去噪方法中常用的... 展开更多; 关键词地震随机噪声压制广义Beta小波紧标架混合范数反问题; 在线阅读下载PDF 职称材料

基于卷积自编码器的地震数据处理被引量：8: 4; 作者江金生任浩然李瀚野《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2020年第5期978-984,共7页; 引入以深度学习为代表的数据驱动方法,加速地震数据的处理流程,获得更精确的地下介质信息.卷积自编码器方法在地震数据压缩降维的同时,利用数据的空间局部相关性自动提取信号特征,避免数学物理模型的假设依赖.通过设计不同地质模型的地... 展开更多; 关键词卷积自编码器地震道插值地震随机噪声压制深度神经网络稀疏表达; 在线阅读下载PDF 职称材料

题名卷积Mamba模型驱动的地震随机噪声压制方法: 1; 作者韦秀娟刘兴业周怀来; 机构成都理工大学地球物理学院; 出处《煤田地质与勘探》北大核心 2025年第5期196-206,共11页; 基金四川省自然科学基金项目(2024NSFSC1990,2024NSFSC1984)。; 文摘【背景】地震随机噪声压制是提升地震资料质量的关键环节之一,数据驱动的深度学习方法提供了一种智能解决方案。然而,主流的基于卷积神经网络的随机噪声智能压制方法受限于局部感受野特性,导致去噪过程中局部细节与宏观结构的协同优化不足,进而影响噪声压制精度。广泛应用于全局特征提取的Transformer模型通过自注意力机制能够有效捕获长距离依赖关系,理论上可弥补卷积神经网络在全局建模能力方面的局限性。但其计算慢,资源占用大,应用受限。【目的和方法】针对上述问题,提出了融合卷积Mamba的地震数据随机噪声压制网络(CMUNet)。基于二维选择性扫描技术(沿水平、垂直双方向遍历输入数据),通过状态空间方程构建全局动态系统,实现对地震数据时空特征的跨尺度特征提取,借助Mamba模型的硬件感知并行扫描算法降低计算资源消耗,保证去噪效果的同时提升计算效率。针对地震数据的特点,设计卷积-Mamba混合模块,在UNet编码器中构建层次化特征提取路径,即浅层CNN聚焦局部噪声模式识别,深层Mamba捕获大尺度地质结构关联性;进一步引入残差通道注意力门控,强化有效信号与噪声的特征可分性。【结果和结论】对于合成数据测试,提出的方法相较于UNet在信噪比、峰值信噪比和结构相似性上分别提高了2.4 dB、2.4 dB和0.0056,表现出对随机噪声的有效压制能力及对有效信号的保护能力。在野外实际地震数据应用中,局部相似性图像分析结果显示较低的局部相似值,进一步印证了该方法对有效信号的损伤程度低,展现出更优的保幅性,具有良好应用前景。; 关键词地震随机噪声压制深度学习卷积神经网络状态空间模型 Mamba; Keywords seismic random noise suppression deep learning convolutional neural network(CNN) state-space model(SSM) Mamba; 分类号 P631 [天文地球—地质矿产勘探]; 在线阅读下载PDF 职称材料

题名基于稀疏冗余表示的三维地震数据随机噪声压制被引量：17: 2; 作者张广智常德宽王一惠李振振赵阳印兴耀; 机构中国石油大学(华东)地球科学与技术学院中国石油勘探开发研究院西北分院中国石油华北油田公司地球物理勘探研究院; 出处《石油地球物理勘探》 EI CSCD 北大核心 2015年第4期600-606,1-2,共7页; 基金国家"973"项目(2014CB239201 2013CB228604) 国家油气重大专项(2011ZX05014-001-010HZ)资助; 文摘传统的二维随机噪声压制方法应用于三维地震数据的随机噪声压制时,去噪效果往往不理想,为此提出基于稀疏冗余表示的压制三维地震数据随机噪声的方法。该方法在贝叶斯框架下,通过正交匹配追踪(OMP)和K-奇异值分解(K-SVD)不断迭代更新三维稀疏矩阵和三维超完备离散余弦变换(DCT)字典,利用三维超完备DCT字典作为三维地震数据的稀疏冗余表示,使三维地震数据中随机噪声得到压制。三维模拟数据和实际地震数据试算表明:与常规f-x反褶积法和K-L变换法相比,该方法既提高了三维地震数据体的信噪比,又有效地保护了地震反射信号,而且水平切片的连续性和平滑性很好,构造复杂区域的分辨率也得到提高。; 关键词稀疏冗余表示三维超完备DCT字典三维地震随机噪声压制正交匹配追踪 K-奇异值分解; Keywords sparse and redundant representation,3Dovercomplete DCT dictionary,3Dseismic ran-dom noise suppression,orthogonal matching pur-su; 分类号 P631 [天文地球—地质矿产勘探]; 在线阅读下载PDF 职称材料

题名基于广义Beta小波稀疏域混合约束优化的地震去噪方法研究被引量：3: 3; 作者张歧杨阳魏千盛王治国高静怀; 机构中国石油长庆油田分公司第三采气厂陕西国家应用数学中心西安交通大学信息与通信工程学院西安交通大学数学与统计学院; 出处《地球物理学报》 SCIE EI CAS CSCD 北大核心 2023年第8期3391-3402,共12页; 基金国家自然科学基金(41974137) 国家重点研发计划变革性技术关键科学问题专项(2020YFA0713404)联合资助。; 文摘地震随机噪声压制是鄂尔多斯盆地黄土塬、沙漠、戈壁滩等复杂地表区域低信噪比地震资料处理的一项重要任务.稀疏反演去噪是地震随机噪声压制的常用方法之一.ℓ_(1)范数和全变分(Total Variation,TV)正则化是稀疏变换域去噪方法中常用的两种正则化项.但是,ℓ_(1)范数是对ℓ_(0)范数的松弛,难以提供更稀疏的去噪结果;基于TV正则化项的方法容易引起阶梯状异常结果.因此,为了避免上述缺点,本文提出了一种基于广义Beta小波稀疏域混合范数优化的地震随机噪声压制方法和算法流程实现.首先利用广义Beta小波紧标架加快计算,获得具有更高局域化性的稀疏时频表示.其次是引入包括ℓp范数和TV正则化的混合约束项,克服单一正则化项的缺点.最后,利用鄂尔多斯盆地黄土塬区的合成地震数据、三维叠后地震数据和共反射点道集数据验证了本文去噪方法的有效性.结果表明:本文提出的去噪方法既能够有效抑制随机噪声、显著提高信噪比,让地震同相轴连续光滑;又能够准确保护有效信号,保持波组间的相对幅值,突出有利微小断层和含油气层的振幅形态.; 关键词地震随机噪声压制广义Beta小波紧标架混合范数反问题; Keywords Seismic random noise reduction Generalized Beta Wavelet(GBW) Tight frame Mixed norm Inverse problem; 分类号 P631 [天文地球—地质矿产勘探]; 在线阅读下载PDF 职称材料

题名基于卷积自编码器的地震数据处理被引量：8: 4; 作者江金生任浩然李瀚野; 机构浙江大学地球科学学院; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2020年第5期978-984,共7页; 基金国家自然科学基金资助项目(41674123) 浙江省自然科学基金资助项目(LY19D040002) +1 种基金多方法大数据智能反演技术及软件研发基金资助项目(2018YFC0603604).; 文摘引入以深度学习为代表的数据驱动方法,加速地震数据的处理流程,获得更精确的地下介质信息.卷积自编码器方法在地震数据压缩降维的同时,利用数据的空间局部相关性自动提取信号特征,避免数学物理模型的假设依赖.通过设计不同地质模型的地下速度结构,利用波动方程正演模拟构建大量不同特征的地震数据训练集和测试集.与模型驱动的地震随机噪声压制和地震道插值方法不同,数据驱动下的卷积自编码器方法能够从含随机噪声地震数据和地震道缺失数据中,直接识别和提取出其中的有效地震信号,从而压制随机噪声以及重建原始地震数据,实验结果验证了该方法的有效性.卷积自编码器方法不需要人工阈值控制,具有更高的处理效率.; 关键词卷积自编码器地震道插值地震随机噪声压制深度神经网络稀疏表达; Keywords convolutional autoencoder seismic data interpolation seismic random noise attenuation deep neural network sparse representation; 分类号 P3 [天文地球—地球物理学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	卷积Mamba模型驱动的地震随机噪声压制方法	韦秀娟刘兴业周怀来	《煤田地质与勘探》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于稀疏冗余表示的三维地震数据随机噪声压制	张广智常德宽王一惠李振振赵阳印兴耀	《石油地球物理勘探》 EI CSCD 北大核心	2015	17	在线阅读下载PDF 职称材料
3	基于广义Beta小波稀疏域混合约束优化的地震去噪方法研究	张歧杨阳魏千盛王治国高静怀	《地球物理学报》 SCIE EI CAS CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料
4	基于卷积自编码器的地震数据处理	江金生任浩然李瀚野	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2020	8	在线阅读下载PDF 职称材料