| 基于DMFF-Net的地震随机噪声压制新技术 |
| |
| 引用本文： | 钟铁, 陈云, 卢绍平, 董新桐, 李月, 杨宝俊. 2022. 基于DMFF-Net的地震随机噪声压制新技术. 地球物理学报, 65(11): 4418-4432, doi: 10.6038/cjg2022P0613 |
| |
| 作者姓名： | 钟铁 陈云 卢绍平 董新桐 李月 杨宝俊 |
| |
| 作者单位： | 现代电力系统仿真控制与绿色电能新技术教育部重点实验室,吉林 132012;东北电力大学通信工程系,吉林 132012;东北电力大学通信工程系,吉林 132012;中山大学地球科学与工程学院,广州 510275;南方海洋科学与工程广东省实验室,广东珠海 519000;吉林大学仪器科学与电气工程学院,长春 130026;吉林大学通信工程学院,长春 130012;吉林大学地球探测与信息技术学院,长春 130026 |
| |
| 基金项目： | 国家自然科学基金重点项目(41730422),国家自然科学基金(42074123),博士后创新人才支持计划(BX2021111)及吉林省教育厅科学技术研究规划项目(JJKH20210094KJ)共同资助 |
| |
| 摘 要： | 
地震勘探是油气和矿产资源开发领域使用最为广泛的物探方法之一.由于采集条件的限制,地震记录中通常混杂有大量的随机噪声,导致勘探资料普遍信噪比(Signal-to-Noise Ratio,SNR)较低,这严重影响有效信号辨识的精度,为后续反演、解释等工作带来巨大挑战.此外,地震勘探随机噪声通常具有非平稳、非高斯和与信号存在频带混叠等复杂特性,导致传统方法在处理复杂勘探记录时,消噪性能可能发生退化.针对复杂勘探随机噪声消减问题,本文提出了一种新型的双层多尺度特征融合去噪网络(Double-layer Multi-scale Feature Fusion Denoising Network,DMFF-Net).
该网络具有多尺度网络结构,利用多分支模块提取勘探数据不同尺度和不同分支的潜在特征,提升网络对于勘探记录复杂特征的学习能力.同时,采用跳跃连接实现浅层和深层信息的融合,提升网络对微弱信号的恢复能力.模拟和实际资料处理结果表明,相较传统地震勘探资料消噪方法而言,DMFF-Net可以更加有效地压制随机噪声,完整恢复有效信号,显著提升地震资料信噪比,在信号保幅性和微弱信号恢复能力方面更具优势.
|
| 关 键 词： | 地震勘探 低信噪比 卷积神经网络 多尺度特征融合 噪声消减 随机噪声 |
| 收稿时间： | 2021-08-19 |
| 修稿时间： | 2022-10-12 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《地球物理学报》浏览原始摘要信息 |
|
点击此处可从《地球物理学报》下载免费的PDF全文 |
|
