-
题名基于轻量化网络和多域损失函数的随机噪声衰减方法
- 1
-
-
作者
陈伟
李安禹
李韵竹
未晛
张庆臣
金彦
魏龙海
-
机构
非常规油气省部共建协同创新中心·长江大学
气象信息与信号处理四川省高校重点实验室·成都信息工程大学
数学地质四川省重点实验室·成都理工大学
中国石油川庆钻探工程有限公司地质勘探开发研究院
北京劳动保障职业学院城市安全学院
武汉市工程科学技术研究院新技术研发中心
中交第二公路勘察设计研究院有限公司
-
出处
《天然气工业》
北大核心
2025年第4期60-69,共10页
-
基金
国家自然科学基金项目“基于经验模态分解的自由表面多次波衰减方法研究”(编号:41804140)
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检测方法研究”(编号:UOG2024-19)
+1 种基金
武汉市科技计划重点项目“基于水平钻的隧道围岩性态全域探测技术与装备研发”(编号:2023010402010609)
深地国家科技重大专项项目“地球深部探测与矿产资源勘查”(编号:2024ZD1001003)。
-
文摘
随机噪声的存在严重影响了地震数据的质量,对地震解释和反演解析带来了严重干扰,特别是在深层油气勘探过程中有效信号相对较弱的情况下问题更为突出。为了提高地震资料信噪比,设计了具有多尺度特征提取能力的轻量化网络架构,采用并行多尺度大核空洞卷积模块捕获跨尺度局部特征,结合通道—空间双注意力机制建立全局特征关联,然后构建时频域联合优化目标函数,通过自适应权重系数平衡时域均方误差与频域能量损失,在去除随机噪声的同时减少有效信号损失,最后利用数据分块训练策略,将大规模地震数据分割为可并行处理的训练样本集,提升模型泛化能力,最终形成了一种联合轻量化网络与多域损失函数来去除地震数据中随机噪声的方法。研究结果表明:①多域损失函数通过优化时域和频域内的损失值,确保了在抑制噪声的同时最大限度地保护原始信号的完整性和局部细节特征,有效提高了资料的信噪比;②与前馈去噪卷积神经网络(DnCNN)相比,提出的方法在参数量(Params)、浮点运算次数(FLOPs)和训练时长方面均有明显改进,将Params减少了约14.29%,FLOPs减少了约15%,并且训练时间缩短了约40.88%;③多尺度平行大核卷积通过并行3种尺度的空洞卷积,实现了跨尺度局部特征的协同提取,可以更好的处理复杂地震数据。结论认为,提出的新方法不仅能够有效去除地震数据中的随机噪声,而且通过优化网络结构实现了更低的计算成本和更快的训练速度,对提高地震勘探效果有着重要的实践意义。
-
关键词
地震资料处理
地震数据去噪
随机噪声
深度学习
多尺度
轻量化
-
Keywords
Seismic data processing
Seismic data denoising
Random noise
Deep learning
Multi-scale
Lightweight
-
分类号
P631.3
[天文地球—地质矿产勘探]
-
