基于时频分析与分数阶最优控制网络的地震数据噪声压制 |
| |
引用本文: | 邵丹,李桐林,韩立国,李月,吴宁.基于时频分析与分数阶最优控制网络的地震数据噪声压制[J].地球物理学报,2023(4):1718-1731. |
| |
作者姓名: | 邵丹 李桐林 韩立国 李月 吴宁 |
| |
作者单位: | 1. 吉林大学地球探测科学与技术学院;2. 吉林大学通信工程学院 |
| |
基金项目: | 国家自然科学基金重点项目(41730422,42174153)资助; |
| |
摘 要: | 在复杂的地表环境,地震勘探采集到的实际地震资料信噪比较低,分辨率较差,接收的噪声能量较强,与有效信号存在频谱的重叠.常规的消噪手段很难在保证有效信号幅值的同时,还兼顾噪声压制的效果.本文采用基于分数阶最优控制(Fractional Optimal Control)理论建立的深度学习神经网络——FOCNet来压制地震数据噪声,并恢复微弱同相轴.不同于传统深度学习网络(DCNN)算法大多为基于经验的网络设计,FOCNet具有坚实的数理基础,它从动态系统的最优控制角度阐述了网络的原理,并采用长期记忆的方式增强了网络的稳定性,提高了系统对噪声的消减能力.针对地震数据有效信号在低频带与噪声重叠严重,且FOCNet对数据中、高频信息保留更好这一情况,本文提出了一种基于理想时频分析与FOCNet相结合的算法(TF-FOCNet)来压制地震噪声,提取有效信号.该算法通过理想时频分析,针对性的提取信噪重叠的低频目标数据成分,并与数据的中、高频成分一起送入网络中进行处理并融合,完成噪声的压制,增强了低频信息的保留能力.模拟及实际的实验结果验证了算法在随机噪声、面波压制及微弱信号恢复上的有效性和优越性.
|
关 键 词: | 分数阶微分方程 最优控制 时频分析 噪声压制 |
|
|