10.13810/j.cnki.issn.1000-7210.2020.03.002
叠前随机噪声深度残差网络压制方法
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,从而拟合出合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.
深度学习、卷积神经网络、深度残差网络、随机噪声、去噪
55
P631
本项研究受中国石油天然气集团公司科技项目“深层及非常规物探新方法新技术”;中国石油天然气股份有限公司科技项目“智能化地震噪音压制技术研究;在塔里木沙漠区的应用”
2020-07-10(万方平台首次上网日期,不代表论文的发表时间)
共11页
493-503