叠前随机噪声深度残差网络压制方法

发布时间：2024-01-28 08:09

　　深度残差网络作为一种先进的深度学习算法,近年来得到学术界和工业界的高度关注。针对叠前地震记录中随机噪声的智能高效压制问题,首先根据深度残差网络原理设计了一种深层非线性去噪网络,然后利用构建的高质量随机噪声训练集对该网络进行训练,在高维空间实现对随机噪声特征的自动学习,从而拟合出含噪声地震记录与随机噪声之间的非线性映射关系,实现随机噪声自动压制。模型数据测试和实际资料应用均证明了文中方法的有效性。尽管其去噪能力与标签数据获取方法相当,但去噪效率及适应能力明显优于标签数据获取方法,为应对TB级叠前地震数据的去噪问题提供了一种可借鉴的思路。

【文章页数】：13 页

图2深度残差网络的架构示意图

图3含随机噪声数据模型

图4含随机噪声数据模型的f-k谱

图5网络Ⅰ去噪结果(a)及预测的随机噪声(b)

本文编号：3887354