10.13810/j.cnki.issn.1000-7210.2022.04.002
数据增广的编解码卷积网络地震层间多次波压制方法
层间多次波压制是地震资料去噪领域的一项前沿技术挑战,对获取高质量数据、了解地下真实构造具有十分重要的意义.现有的层间多次波压制方法耗时长,对人工参数调整要求高,处理低信噪比数据时可能导致层间多次波泄露.为此,提出一种基于数据增广的编解码卷积神经网络层间多次波压制方法.首先,利用基于虚同相轴的层间多次波压制方法从原始数据中估计出一次波和层间多次波,生成一次波标签数据.然后,构建两种增广训练集:一方面,通过改变训练样本中层间多次波的振幅、极性及旅行时,进行层间多次波波场数据的增广,提高层间多次波压制网络的泛化能力;另一方面,通过对原始数据添加不同信噪比的高斯噪声进行噪声注入的数据增广,提高网络的抗噪性能.最后,结合去噪卷积神经网络(DnCNN)和U形全卷积神经网络(U-Net)的优势搭建了适合层间多次波压制的深层编、解码网络,进行神经网络训练和预测.合成数据和实际数据的处理结果表明,该方法能够有效压制地震层间多次波并保护一次波,具有较强的泛化能力和抗噪性能,可显著提高计算效率.
层间多次波压制、虚同相轴、卷积神经网络、编解码网络、数据增广
57
P631
国家重点研发计划;国家自然科学基金
2022-10-11(万方平台首次上网日期,不代表论文的发表时间)
共11页
757-767