-
题名基于PCA与K-SVD的地震数据去噪方法
- 1
-
-
作者
胡海鹏
徐振旺
未晛
郭乃川
卢仙娜
陈伟
-
机构
长江大学非常规油气省部共建协同创新中心
中国石油辽河油田公司勘探开发研究院
北京劳动保障职业学院
中海石油(中国)有限公司天津分公司渤海石油研究院
中国地球物理协会工程物探检测重点实验室
-
出处
《石油地球物理勘探》
北大核心
2025年第2期370-381,共12页
-
基金
长江大学非常规油气省部共建协同创新中心开放基金项目“鄂西页岩储层地震弱信号智能预测方法研究”(UOG2024-19)
成都理工大学数学地质四川省重点实验室开放基金项目“基于循环谱增强技术的复杂叠置致密河道储层预测方法研究”(scsxdz2023-10)联合资助。
-
文摘
噪声干扰严重影响地震信号的质量,研究优秀的地震数据去噪方法是地震勘探领域一项具有挑战的任务。针对传统字典学习K-SVD去噪算法在处理地震数据时的局限性,文中提出了一种结合主成分分析(PCA)和K-SVD的地震数据去噪方法。首先,利用PCA对地震数据降维处理,将高维地震数据转换到更低维度的特征空间,有效提取地震信号的主要特征,减少数据冗余,降低计算复杂度;其次,通过PCA与K-SVD联合将信号表示为一组稀疏的基向量线性组合,捕获地震信号的稀疏性质,有效去除噪声;最后,在模拟数据和实际地震数据集上对比三种方法的有效性。数据试算和实际数据试验结果表明,基于PCA与K-SVD的地震数据去噪方法在去除地震数据中噪声的同时,能够保留地震信号的重要特征,显著提高了地震数据的信噪比,与传统KSVD算法相比,不仅有更低的计算成本,而且能够实现更好的去噪效果,为地震数据的去噪处理提供了一种新思路。
-
关键词
稀疏表示
主成分分析
降维处理
K-SVD
去噪
-
Keywords
sparse representation
principal component analysis
dimensionality reduction
K‑SVD
denoising
-
分类号
P631
[天文地球—地质矿产勘探]
-
