-
题名基于深度学习的鲁棒地震数据去噪
被引量：18
- 1
-
-
作者
张岩
李新月
王斌
李杰
王洪涛
董宏丽
-
机构
东北石油大学计算机与信息技术学院
黑龙江省大庆市信息技术研究中心
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
2022年第1期12-25,I0001,共15页
-
基金
国家自然科学基金项目“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)联合资助。
-
文摘
地震勘探数据中包含的噪声比较复杂,基于先验的传统建模方式无法准确地刻画噪声分布。深度学习通过多层卷积神经网络自动提取数据的深层次特征,利用非线性逼近能力自适应地学习而得到一个复杂的去噪模型,为地震数据去噪带来了新思路。但是,目前基于深度学习的去噪方法在样本覆盖不充分的情况下,学习得到的模型泛化能力不强,极大地降低了去噪效果。为此,提出一种鲁棒的深度学习去噪算法。该方法的网络模型由两部分子网构成,分别实现含噪地震数据的噪声分布估计与噪声压制。噪声分布估计子网采用多层卷积神经网络估计噪声分布;去噪子网引入特征融合策略,综合考虑地震数据的全局和局部信息,利用残差学习策略提取噪声特征;两部分子网采用L;范数作为损失函数,增强网络模型的泛化能力。实验表明,与同类算法相比,该算法具有更高的泛化能力;数据处理结果中同相轴纹理保持更好,信噪比更高。
-
关键词
地震数据去噪
深度学习
鲁棒性
L
损失函数
特征融合
残差网络
-
Keywords
seismic data denoising
deep learning
robustness
L1loss function
feature fusion
residual network
-
分类号
P631
[天文地球—地质矿产勘探]
-
