基于RCSST和CNN的微弱地震信号噪声压制方法研究
发布时间：2021-02-20 08:19
地震勘探是处理油气勘探的主要方法,经过观察和剖析人工激发的地震波在地下的传播规律,帮助人们探寻到地下的油气资源。但是在检波器检测到的地震信号中,常伴有很多的干扰噪声,这严重地影响到有效地震信号的识别。同时由于常规油气田已经到达了开采末期,人们逐步的把目光转向非常规油气田,由此获得的勘探信号中有效信号能量更低,噪声能量更高,地震信号的噪声压制问题也变得更加困难,这极大地增加了地震资料的解释难度。因而抑制地震信号中的干扰噪声,提升地震资料的信噪比（signal to noise ratio,SNR）是地震勘探数据处理的关键环节。本文研究重点是山地地区地震信号和沙漠地区地震信号的噪声消除问题,针对两种地震信号的不同特征,本文基于Shearlet去噪算法提出了两种改进思路,并通过合成记录和实际记录的仿真实验,验证了改进算法的有效性。基于硬阈值的Shearlet变换充分利用了Shearlet变换和硬阈值的优点,在处理地震信号干扰噪声的过程中取得了一定的效果。但是这种方法是通过选取固定的阈值来压制噪声的,因此在去除噪声的同时很容易过度扼杀有效信号。而且去噪后的地震信号会出现虚假同相轴,影响去噪效果...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
神经网络结构图
图 2.1 特定条件下的频域支撑 Shearlet 变换的应用当中，为了满足计算机对信号进行处理的要求，需要对理，对连续的 Shearlet 变换中的参数采取抽样处理，获得结果。jjjjkjjjajZslakl 2( ); 2, 2 22···········earlet 变换的表达式如下[44]：{()2():0,221,}223,,xBAxkjlkZljjjjjlk ·····取 02400A A， 01110B B.
20图 3.2 算法流程图3.4 实验结果3.4.1 地震仿真模型实验分析Ricker 子波作为一种标准的波形[49]，它常被用于地震资料的分析处理中，我们知道零相位的地震子波对应的地震分辨率能够达到最高。但是在实际生产生活中，我们采集到的地震资料，其地震子波并不是零相位的，而是带宽有限的连续谱信号。本文以 Ricker 子波为模型，构建模拟地震记录，并由此进行一系列仿真实验。Ricker 子波可以被表达如下：
【参考文献】：
期刊论文
[1]Shearlet域深度残差CNN用于沙漠地震信号去噪[J]. 郑升,李月,董新桐. 吉林大学学报(信息科学版). 2019(01)
[2]平稳小波域深度残差CNN用于低剂量CT图像估计[J]. 高净植,刘祎,白旭,张权,桂志国. 计算机应用. 2018(12)
[3]沙漠地区地震勘探随机噪声建模及其在噪声压制中的应用[J]. 李光辉,李月. 地球物理学报. 2016(02)
[4]基于频域正则维纳滤波的地震随机噪声压制[J]. 田雅男,李月,林红波,徐学纯. 吉林大学学报(工学版). 2015(06)
[5]国内外微地震监测技术综述[J]. 赵博雄,王忠仁,刘瑞,雷立群. 地球物理学进展. 2014(04)
[6]基于结构自适应中值滤波器的随机噪声衰减方法[J]. 王伟,高静怀,陈文超,朱振宇. 地球物理学报. 2012(05)
[7]提高微地震资料信噪比的频率域极化滤波[J]. 宋维琪,吕世超,郭晓中,刘彦明. 石油物探. 2011(04)
[8]傅里叶变换在应用中的局限性及克服方法[J]. 马耀庭,邵毅全. 内江师范学院学报. 2008(12)
[9]微地震资料频域相干—时间域偏振滤波方法[J]. 宋维琪,孙英杰,朱卫星. 石油地球物理勘探. 2008(02)
[10]叠前地震资料噪声衰减的小波域方法研究[J]. 高静怀,毛剑,满蔚仕,陈文超,郑庆庆. 地球物理学报. 2006(04)
博士论文
[1]微弱地震信号时频消噪算法研究[D]. 张超.吉林大学 2016
[2]陆地地震勘探随机噪声建模与分析[D]. 李光辉.吉林大学 2016
[3]时空二维方向轨线时频峰值滤波消减地震勘探随机噪声研究[D]. 张洁.吉林大学 2015
硕士论文
[1]基于小波变换的地震信号随机噪声压制[D]. 郑成龙.东华理工大学 2018
[2]基于卷积神经网络的遥感图像分类算法研究[D]. 梁晓旭.西安电子科技大学 2018
[3]基于卷积神经网络的人脸年龄估计方法[D]. 张雨.江西理工大学 2018
[4]基于循环平移Shearlet变换自适应阈值消减微震勘探随机噪声[D]. 赵海涛.吉林大学 2017
[5]基于谱多流行聚类的Shearlet变换微地震数据噪声压制研究[D]. 梁小强.吉林大学 2017
[6]基于Shearlet相关性的S变换在微地震初至拾取中的应用[D]. 程瑶.吉林大学 2017
[7]基于卷积神经网络的图像识别[D]. 蒋帅.吉林大学 2017
[8]基于卷积神经网络的立体匹配技术研究[D]. 陈拓.浙江大学 2017
[9]基于匹配追踪算法的地震多子波分解与重构技术研究[D]. 陈晨.东北石油大学 2015
[10]水力压裂微地震事件自动识别与拾取[D]. 魏路路.长安大学 2013
本文编号：3042498
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
神经网络结构图
图 2.1 特定条件下的频域支撑 Shearlet 变换的应用当中，为了满足计算机对信号进行处理的要求，需要对理，对连续的 Shearlet 变换中的参数采取抽样处理，获得结果。jjjjkjjjajZslakl 2( ); 2, 2 22···········earlet 变换的表达式如下[44]：{()2():0,221,}223,,xBAxkjlkZljjjjjlk ·····取 02400A A， 01110B B.
20图 3.2 算法流程图3.4 实验结果3.4.1 地震仿真模型实验分析Ricker 子波作为一种标准的波形[49]，它常被用于地震资料的分析处理中，我们知道零相位的地震子波对应的地震分辨率能够达到最高。但是在实际生产生活中，我们采集到的地震资料，其地震子波并不是零相位的，而是带宽有限的连续谱信号。本文以 Ricker 子波为模型，构建模拟地震记录，并由此进行一系列仿真实验。Ricker 子波可以被表达如下：
【参考文献】：
期刊论文
[1]Shearlet域深度残差CNN用于沙漠地震信号去噪[J]. 郑升,李月,董新桐. 吉林大学学报(信息科学版). 2019(01)
[2]平稳小波域深度残差CNN用于低剂量CT图像估计[J]. 高净植,刘祎,白旭,张权,桂志国. 计算机应用. 2018(12)
[3]沙漠地区地震勘探随机噪声建模及其在噪声压制中的应用[J]. 李光辉,李月. 地球物理学报. 2016(02)
[4]基于频域正则维纳滤波的地震随机噪声压制[J]. 田雅男,李月,林红波,徐学纯. 吉林大学学报(工学版). 2015(06)
[5]国内外微地震监测技术综述[J]. 赵博雄,王忠仁,刘瑞,雷立群. 地球物理学进展. 2014(04)
[6]基于结构自适应中值滤波器的随机噪声衰减方法[J]. 王伟,高静怀,陈文超,朱振宇. 地球物理学报. 2012(05)
[7]提高微地震资料信噪比的频率域极化滤波[J]. 宋维琪,吕世超,郭晓中,刘彦明. 石油物探. 2011(04)
[8]傅里叶变换在应用中的局限性及克服方法[J]. 马耀庭,邵毅全. 内江师范学院学报. 2008(12)
[9]微地震资料频域相干—时间域偏振滤波方法[J]. 宋维琪,孙英杰,朱卫星. 石油地球物理勘探. 2008(02)
[10]叠前地震资料噪声衰减的小波域方法研究[J]. 高静怀,毛剑,满蔚仕,陈文超,郑庆庆. 地球物理学报. 2006(04)
博士论文
[1]微弱地震信号时频消噪算法研究[D]. 张超.吉林大学 2016
[2]陆地地震勘探随机噪声建模与分析[D]. 李光辉.吉林大学 2016
[3]时空二维方向轨线时频峰值滤波消减地震勘探随机噪声研究[D]. 张洁.吉林大学 2015
硕士论文
[1]基于小波变换的地震信号随机噪声压制[D]. 郑成龙.东华理工大学 2018
[2]基于卷积神经网络的遥感图像分类算法研究[D]. 梁晓旭.西安电子科技大学 2018
[3]基于卷积神经网络的人脸年龄估计方法[D]. 张雨.江西理工大学 2018
[4]基于循环平移Shearlet变换自适应阈值消减微震勘探随机噪声[D]. 赵海涛.吉林大学 2017
[5]基于谱多流行聚类的Shearlet变换微地震数据噪声压制研究[D]. 梁小强.吉林大学 2017
[6]基于Shearlet相关性的S变换在微地震初至拾取中的应用[D]. 程瑶.吉林大学 2017
[7]基于卷积神经网络的图像识别[D]. 蒋帅.吉林大学 2017
[8]基于卷积神经网络的立体匹配技术研究[D]. 陈拓.浙江大学 2017
[9]基于匹配追踪算法的地震多子波分解与重构技术研究[D]. 陈晨.东北石油大学 2015
[10]水力压裂微地震事件自动识别与拾取[D]. 魏路路.长安大学 2013
本文编号：3042498
本文链接：https://www.wllwen.com/kejilunwen/kuangye/3042498.html
