模型约束下的在线字典学习地震弱信号去噪方法

本文针对噪声成分和噪声结构的复杂性及弱信号的特征,发展了最新的在线字典学习去噪方法.在线字典学习去噪方法是以数据驱动的方式,反复进行学习构建字典方式,求得信号的稀疏性解以实现对信号的去噪,在此基础上,提出了数据驱动与模型驱动联合的模型约束下的在线字典学习去噪方法,先通过模型驱动方式获得一个较优质的学习样本以构建字典再进行去噪处理.通过和传统小波变换进行理论地震合成记录的效果对比,在高噪声比例的弱信号情况下远远优于传统的时频域去噪方法.实际数据去噪处理表明,模型约束下的在线字典学习去噪方法是一种有效的去噪方法,这种联合去噪方式能在高噪声背景下有效地提取出弱信号,具有广阔的推广应用前景.

     

基于学习型超完备字典的地震数据去噪(英文)

基于变换基函数的方法,是地震去噪处理中最常用的技术之一,它利用地震数据在某种基函数变换域内的稀疏性和可分离性来达到剔除噪声的目的。但传统的做法是事先选定一组固定的变换基并在对应域内进行处理,其效果往往并不十分令人满意。为了探索新的改进方法,我们引入学习型超完备冗余字典,即根据地震模型数据进行学习和训练,以寻求最优的稀疏表示字典,而不是只选用固定的变换基。本文在字典学习中融入全变差最小化策略以压制伪吉布斯现象。我们选用离散傅里叶变换作为初始变换,并以随机噪声为例,对单一的全局变换、未经学习的超完备冗余字典和学习型超完备冗余字典做了比较。结果表明,利用经过训练的超完备冗余字典,在对地震数据进行稀疏表示的同时,也达到了有效去除噪声的目的,可视性和信噪比都得到了明显提高。我们也比较了均匀和不均匀字典子块的效果,结果表明,不均匀的字典子块更利于地震数据去噪。     

地震数据去噪中的小波方法

地震资料去噪是地震数据处理中是必不可少的步骤,随着地震勘探的进步和勘探目的层加深,对地震资料的信噪比和分辨率提出了越来越高的要求.小波分析作为一个新兴的数学方法在地震资料去噪中也有巨大的潜力.本文从小波去噪的特点出发,介绍了小波分频和小波域阈值去噪的特点,并详细总结了地震资料去噪中的小波方法,主要有面波的压制和随机噪声的衰减.最后简要叙述了地震资料小波去噪的一些问题和发展.     

双稀疏字典和FISTA的地震数据去噪

地震数据的随机噪声去除是地震数据处理中的一项重要步骤,双稀疏字典提供了两层稀疏模型,比单层稀疏模型可以更好地去除噪声.该方法首先利用contourlet变换对地震数据进行稀疏表示,然后在contourlet域中使用快速迭代收缩阈值算法（fast iterative shrinkage-thresholding algorithm,FISTA）对初始字典系数进行更新,接着采用数据驱动紧标架（data-driven tight frame,DDTF）在contourlet域中得到DDTF字典并通过FISTA得到更新后的字典系数,最后通过DDTF字典和更新后的字典系数获得新的contourlet系数,并对新的contourlet系数进行硬阈值和contourlet反变换得到去噪后的数据.通过模拟数据和实际数据的实验证明：与固定基变换去噪方法相比,该方法可以自适应地对地震数据进行稀疏表示,在地震数据较为复杂时得到更高的信噪比;与字典学习去噪方法相比,该方法不仅拥有较快的去噪速度,而且克服了字典学习因为缺少先验约束造成瑕疵的缺点.

     

基于自适应噪声完全集合经验模态分解算法和Hurst指数的地震数据去噪方法

在地震观测中,地震数据中普遍包含有噪声信号。由于噪声信号的干扰,地震分析的效率会受到不同程度的影响。传统的去噪方法通常需要噪声的先验知识,并且滤波时会造成部分有效信号丢失。针对这一问题,本文提出一种将自适应噪声完全集合经验模态分解（CEEMDAN）算法与Hurst指数相结合的地震数据去噪方法。首先通过CEEMDAN方法将信号分解为一系列本征模函数（IMF）,然后利用Hurst指数对滤波后的IMF分量进行识别,最后对地震数据IMF分量进行重构,从而实现数据去噪。与传统方法的去噪效果对比表明,本文方法可将低信噪比波形的去噪效果提高32%,将高信噪比波形的去噪效果提高6倍。同时对地磁数据的去噪结果表明,本文方法能够较完整地将地铁噪声从地磁信号波形中滤除。     

基于超完备字典学习的缺失地震数据重构方法

地震勘探目标区域环境的复杂多变性导致采集的地震数据存在不完整或者不规则等问题,针对这一问题,本文在压缩感知相关理论的支撑下,提出了基于超完备字典学习的缺失地震数据重构方法.首先利用K-SVD字典学习技术对地震样本数据进行训练,建立超完备字典对地震数据进行稀疏表示,然后引入高斯随机采样矩阵作为测量矩阵对地震数据进行采样;在数据重构阶段采用分段正交匹配追踪算法实现缺失地震数据的重构.通过与传统的地震数据重构方法对比,本文算法的重构效果在峰值信噪比、信噪比等指标上均优于对比算法,证明了超完备字典学习方法能更好的根据地震数据特征进行稀疏表示,从而获得较好的重构效果.     

基于支持向量机和小波包的金属矿床地震数据去噪

针对深部找矿地震资料信噪比很低的问题,结合小波包和支持向量机的理论,提出了一种新的去噪算法.该算法首先从地震资料中找出噪声干扰极小的和噪声很强的数据,利用支持向量机进行训练学习,提取噪声和有效信号的样本特征.然后将地震资料实施小波包变换得到更加精细和不同频带的信号,利用支持向量机训练出的样本特征对小波包变换后的数据进行...     

小波分析在地震资料去噪中的应用

本文阐述了小波变换和去噪的基本原理,根据模拟信号和实际地震信号的频谱分析,讨论了如何选择小波基,及去噪中的阈值问题,从小波分解出发,利用多尺度分解对地震资进行分析,并基于MATLAB语言和小波工具箱,实现了对地震资料的去噪.     

基于深度卷积自编码网络地震数据去噪方法

在采集得到地震数据中,随机噪声常常与有效信号混合在一起,并且毫无规律,使用常规去噪方法不能够达到理想的效果,影响后续的地震数据处理工作.为有效压制地震数据中的随机噪声,本文根据深度学习的相关理论,提出了一种基于深度卷积自编码网络的数据驱动的去噪方法,可以解决随机噪声难以去除的问题.在卷积自编码器的基础之上,网络使用了较多的层数并加入跳跃连接构造,从而增加了网络的深度,能够提取并结合数据中深层与浅层特征,增强对随机噪声的处理能力,更好地恢复有效信号的细节.经过实验证明该方法对于不同水平的随机噪声的压制均有优异的表现,在去噪的效果上远超中值滤波、小波变换等传统去噪方法,同时也比经典的DnCNN网络更加优秀,能够完整地保留有效信号,极大提升地震数据的质量.     

地震数据智能去噪与传统去噪方法的对比及展望

在油气地震勘探中,提高地震资料的分辨率、信噪比、保真度一直以来都是地震资料处理环节的关键问题.一般来说,高信噪比是高分辨率的前提,只有信噪比达到一定的水平,地震资料处理才可能实现良好的保真度.当今的地震勘探正向着深层、复杂构造和岩性勘探的方向发展迈进,人们相应的对地震资料处理也提出了更高的要求.目前,业界比较流行的去噪手段包括f-x RNA法、f-x-y NRNA法、3D t-x-y APF法和t-x SOPF法等.本文将这些传统去噪方法与压缩感知去噪、卷积神经网络法等先进的智能去噪技术做了对比,并对智能去噪技术的前景做进一步的展望.     

Simultaneous Denoising and Interpolation of Seismic Data via the Deep Learning Method

Utilizing data from controlled seismic sources to image the subsurface structures and invert the physical properties of the subsurface media is a major effort in exploration geophysics. Dense seismic records with high signal-to-noise ratio (SNR) and high fidelity helps in producing high quality imaging results. Therefore, seismic data denoising and missing traces reconstruction are significant for seismic data processing. Traditional denoising and interpolation methods rarely occasioned rely on noise level estimations, thus requiring heavy manual work to deal with records and the selection of optimal parameters. We propose a simultaneous denoising and interpolation method based on deep learning. For noisy records with missing traces, we adopt an iterative alternating optimization strategy and separate the objective function of the data restoring problem into two sub-problems. The seismic records can be reconstructed by solving a least-square problem and applying a set of pre-trained denoising models alternatively and iteratively.We demonstrate this method with synthetic and field data.     

Desert Noise Suppression for Seismic Data Based on Feature Enhancement Denoising Network

Izvestiya, Physics of the Solid Earth - Abstract—Increasing the quality of seismic data is the basis for subsequent seismic data processing and interpretation. In the acquisition of seismic...     

Vibrator Data Denoising Based on Fractional Wavelet Transform

In this paper, a novel data denoising method is proposed for seismic exploration with a vibrator which produces a chirp-like signal. The method is based on fractional wavelet transform (FRWT), which is similar to the fractional Fourier transform (FRFT). It can represent signals in the fractional domain, and has the advantages of multi-resolution analysis as the wavelet transform (WT). The fractional wavelet transform can process the reflective chirp signal as pulse seismic signal and decompose it into multi-resolution domain to denoise. Compared with other methods, FRWT can offer wavelet transform for signal analysis in the timefractional-frequency plane which is suitable for processing vibratory seismic data. It can not only achieve better denoising performance, but also improve the quality and continuity of the reflection syncphase axis.     

基于结构台阵记录的地震响应分析

为了研究土-结构相互作用对高层建筑地震响应数值模拟的影响．选择一栋具有地震观测记录的高层建筑（结构台阵）作为研究对象．利用Abaqus有限元软件和2009年姚安地震加速度记录,并假定了水平成层和有倾角成层的2种土介质模型．进行土-结构动力反应分析。结果表明：有倾角成层土-桩-结构相互作用模型的计算结果与观测资料相比有明显的放大现象,在NS方向体现的更加明显。这说明,就高层建筑的抗震分析而言,土介质模型对计算结果影响很大,在进行地震作用下土-结构地震响应分析时．土层模型应尽可能与真实土层相符。否则其计算结果会产生较大误差。     

基于数学去噪后模拟地震信号测试混凝土结构抗震性能的研究

针对当前混凝土结构建筑抗震性能测试方法存在的测试结果准确率较低的问题,提出一种新的测试方法,利用小波函数的伸缩平移操作得到一个函数族,对模拟地震信号进行小波变换。当函数族组成一个标准的正交基时,从连续小波变换中对地震信号进行重构,将去噪后的地震信号作为检测混凝土结构建筑抗震性能的信号样本。利用单自由度体系的动力平衡方程对地震的位移反应、速度反应加速度反应以及恢复力进行求解,通过强度折减系数计算公式和结构最大弹性反应计算公式,计算混凝土结构建筑的强度折减系数和结构最大弹性反应,最后在震动台上对混凝土结构建筑抗震性能进行测试。测试实验结果表明,所提方法可以实现对混凝土结构建筑抗震性能的测试,且测试结果准确程度较高。     

小波理论及其在地震数据处理中的应用

小波理论已成为一个新的数学分支，小波分析已成为地球物理、信号处理、图象处理、理论物理等诸多领域的强有力工具，本文综述了小波理论在地震数据预处理、反演、偏移成像、解释四方面应用研究的最新进展。     

一种基于大数据云计算的地震房屋损失评估模型

针对地震房屋损失评估问题,提出一种基于大数据云计算的评估模型,该模型采用HBase数据库存储采集到的地震房屋损失数据,运用Hadoop Mapreduce分布式计算模型对数据库进行计算操作,最后得到地震房屋损失的评估值。     

基于改进环形生成对抗网络的浅地层剖面去噪方法

为解决浅地层剖面数据噪声多、分辨率低问题,本文将环形生成对抗网络的方法应用于浅地层剖面资料的去噪,实现智能去噪。首先,选择具有特殊对称生成对抗网络循环机制以及“循环一致性”损失的环形生成对抗性网络,并对其进行结构改进,提升网络学习和训练的性能。然后,基于优化的浅地层剖面样本集训练网络,实现对于浅地层剖面数据随机噪声的去除,提升数据的信噪比。通过对实验和实际资料的试算,以及与传统带通滤波方法的对比,验证本文方法对浅地层剖面数据去噪的有效性和适应性。     

SVD与EMD联合去噪方法在地震勘探数据处理中的研究与应用

将基于倾角扫描的奇异值分解与经验模式分解法相结合应用到地震资料随机噪声压制中。首先利用经验模式分解法消除部分噪声,增强地震道有效信号的相关性,再利用奇异值分解对地震信号进行同相轴自动追踪,截取小时窗数据体,并进行同相轴拉平处理,经SVD计算小时窗数据中心点的值来代替计算样点的值,最终实现随机噪声的压制。理论模型试算和实际资料处理表明,本文提出的EMD-SVD方法简单易行,比单一的SVD方法去噪效果更显著有效地消除了地震资料中的随机噪声,提高了地震资料的信噪比,并改善了叠加剖面的质量。     

基于DBSCAN的地震电离层扰动异常数据检测方法

电离层扰动变化可以作为地震的短临前兆,为提升电离层扰动数据分析准确性,剔除异常数据,提出了基于DBSCAN的地震电离层扰动异常数据检测方法。首先利用DBSCAN方法的中心思想,分析电离层扰动数据,结合无线传感器网络数据的特点,将欧式距离设定为指标,对比不同电离层扰动数据并进行划分聚类,然后计算地震电离层扰动数据相似度。再利用DBSCAN方法提取相关的环境特征集,通过特征集实现地震电离层扰动异常数据检测。最后实验分析与传统方法相比,运行时间、误报率、漏报率以及检测率的对比结果。结果表明：所提方法的所需时间短,误报率和漏报率明显降低,检测率大大提高。