-
题名基于迭代启发网络算法的非平稳随机噪声压制
被引量：3
- 1
-
-
作者
张文征
唐杰
刘英昌
孟涛
陈学国
-
机构
中国石油大学(华东)地球科学与技术学院
中国石化胜利油田勘探开发研究院
-
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2020年第5期957-964,972,929-930,共11页
-
基金
国家自然科学基金项目“基于微地震数据的致密油气储层裂纹演化分形特征研究”(41504097)
“深度偏移地震数据特征剖析与深度域直接反演方法研究”(41874153)联合资助
-
文摘
常规滤波方法常常放大了噪声的影响,同时噪声的存在也限制了分辨率的提升,并"平滑"了地震数据中的不连续信息。为此,提出了基于迭代启发网络(IIN)算法的非平稳随机噪声压制方法,利用迭代启发网络压制非平稳随机噪声,网络结构简单、紧凑。IIN由交替方向乘子算法的迭代过程推导而来,利用L1范数优化变分模型。在训练阶段,通过增加一个新的辅助变量,将目标函数的极值转化为增广拉格朗日格式,使用L-BFGS(Large-Broyden Fletcher Goldforb Shanno)算法判别、训练所有网络参数,最终得到最优去噪模型。理论模型及实际资料的去噪结果表明:(1)由训练得到的去噪模型根据有效信号的特征,在去噪的同时可保留同相轴的形状特征;采用的迭代网络简单、紧凑,加快了网络的收敛速度,能够用相对较小的数据集和较短的训练时间快速训练去噪模型,达到预期的去噪效果。(2)所提方法具有较强的适应性,有效地压制了常规地震数据中的非平稳随机噪声。
-
关键词
深度学习
迭代启发网络
非平稳随机噪声
去噪模型
-
Keywords
deep learning
iterative scheme inspired network
non-stationary random noises
denoising model
-
分类号
P631
[天文地球—地质矿产勘探]
-
