基于U型卷积神经网络的微地震信号降噪方法

降噪后的微地震信号存在波形失真问题，基于U型卷积神经网络，引入膨胀系数的空洞卷积，建立U型卷积降噪模型，利用包络熵作为损失函数，对实际微地震信号进行无监督处理，并将U型卷积神经网络的微地震降噪方法(U-NetNA方法)与小波阈值法、时频峰值法、卷积神经网络降噪方法的降噪效果进行对比。结果表明：U-NetNA方法可以应用于合成和实际微地震数据降噪，具有可行性和有效性。与其他方法相比，U-NetNA方法得到更丰富的有效信号特征，能够有效压制噪声，提高微地震信号信噪比。该结果对微地震事件识别、反演定位和裂缝解释等具有参考意义。