基于在线字典学习算法的地震数据去噪应用

摘要：

为了解决常规去噪方法不能根据地震数据自适应构造基函数,去噪效果无法达到最佳的问题,引入基于稀疏表示的在线字典学习(ODL,online dictionary learning)算法对地震数据进行去噪处理.ODL算法能够快速学习,得到与地震数据高度匹配的字典,该自适应字典代替了传统域变换方法中的固定基函数.同时,结合稀疏表示的思想,使用最小角回归(LARS)算法求解出字典的最优稀疏表示系数,将字典与稀疏表示系数组合,从而得到去噪后的地震数据.理论模型和实际地震数据的去噪应用表明:相比较为先进的curvelet变换方法,ODL算法可以更有效地去除随机噪声、相干噪声,同时很好地保留了数据特征.因此,ODL算法对于地震噪声压制有实际指导意义.

关键词：去噪、自适应、稀疏表示、在线字典学习、字典

所属期刊栏目：26

分类号：TE121;P631.4(石油、天然气地质与勘探)

资助基金：国家科技重大专项专题“时频聚集流体识别”2016ZX05026-001-004

在线出版日期：2019-06-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：177-180