基于双重残差网络的地震数据随机噪声压制

摘要：

地震信号的随机噪声压制是地震信号处理中的重要问题.卷积神经网络(Convolutional Neural Network,CNN)近两年在地震信号去噪领域展现其巨大的潜力.该方法可以突破先验约束,从大量的数据中学习噪声模式,可以高效智能地实现地震数据去噪.为了进一步提高去噪效果,本文提出基于双重残差结构的CNN网络地震数据随机噪声压制方法.该网络借助于双重残差框架,允许不同层配对操作的两个算子之间任意组合,可以提取更丰富的特征,有助于提高去噪性能.针对去噪问题,选用多尺度卷积核作为配对算子.合成数据和实际数据结果表明,相较于经典的F—X预测滤波、Curvelet变换以及基于深度学习的DnCNN方法,本方法能更好地压制随机噪声并保护有效信号,具有更高信噪比.

关键词：地震数据去噪、双重残差网络、深度学习、CNN

所属期刊栏目：18

分类号：P631.4

资助基金：湖北省科学技术研究项目;湖北省重点实验室开放基金项目

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：44-50