搜索到104篇“ 随机噪声衰减“的相关文章
基于无监督学习网络的三维地震随机噪声衰减方法研究
2025年
随机噪声会干扰地震数据中的有效信号并降低数据的信噪比,进而影响地震数据的后续处理。常规基于监督学习的深度学习噪声衰减方法需要大量的标签来训练网络,但是,在真实地震数据中制作无噪声的标签用于训练深度神经网络是非常具有挑战性的工作。因此,提出端到端的无监督学习框架来衰减随机噪声,并提取多维地震资料中的有效信号信息。首先,建立由全连接模块、编码器模块和解码器模块组成的深度神经网络框架,并在编码器和解码器之间添加类似残差结构的跳跃链接以提高去噪表现。为了提高网络的去噪表现,使用适用于地震资料的数据增强方法,将输入的多维大尺度含噪地震数据分割为大量的小尺度一维数据进行迭代。对地震数据进行数据增强时,选择合适的切分和滑动尺寸将提高网络的计算效率和去噪效果。合成数据和渤海油田实际数据的应用结果表明,相较于传统地震噪声衰减方法,本文提出的方法具有更好的随机噪声衰减能力和有效信号提取能力。
周东红
关键词:随机噪声无监督学习噪声衰减
随机噪声衰减计算方法及装置
本发明提供了一种随机噪声衰减计算方法及装置,该方法包括:获取三维关键字参数和地震数据;根据三维关键字参数和地震数据确定多个子地震数据;根据GPU设备个数生成多个GPU控制线程;根据主线程和多个GPU控制线程并行获取子地震...
薛贵仁张旭东王嘉琪杨志昱张丽梅薛红刚
深度学习随机噪声衰减技术在环县三维中的应用
随机噪声衰减是地震资料处理的重要环节之一,基于深度学习的噪声衰减方法能够自适应压制不同水平的噪声,是当前研究的热点。U-Net的多尺度特征提取特性使其广泛应用于地震资料处理研究,二维离散小波变换(Dwt)能够突出地震数据...
赵全波侯芳韩利魏代云李小辉
关键词:离散小波变换随机噪声衰减
基于二次神经元网络的地震数据随机噪声衰减
地震数据在采集的过程中会受到随机噪声的干扰,导致后续成像产生畸变伪影。目前已有大量传统滤波方法和深度学习方法成功应用于地震数据去噪。但现有的深度学习方法大多基于线性神经元搭建网络框架,其对于具有非线性特征的数据拟合能力尚...
李晓彤马坚伟
关键词:随机噪声衰减地震数据神经元网络
基于深度学习的地震随机噪声衰减方法研究进展被引量:2
2023年
分析了卷积神经网络(CNN)、去噪卷积神经网络(DnCNN)、U⁃Net深度神经网络、前反馈(BP)神经网络、空洞卷积神经网络(DCNN)、残差网络(ResNet)、迁移学习等为代表的深度学习方法的概念、发展现状、方法原理、去噪效果以及优缺点等;对比了传统去噪方法、字典学习及深度学习方法的去噪效果;展望了深度学习技术在地震去噪领域的发展前景。获得以下认识:①深度学习方法的实际去噪效果优于传统方法和字典学习方法,不需要设定结构模型,泛化性更强,且计算时间短、精度更高。②深度学习方法存在诸多不足:实际数据的去噪效果往往差于合成数据;普适性不强;神经网络的“黑匣子”特性使其物理可解释性大大降低;网络性能与训练数据的泛化性密切相关;用于训练网络的数据集因人而异,难以评价网络性能。③期待深度学习在以下方面取得进展和突破:搭建适用于不同噪声的去噪神经网络结构,并将更优的网络结构引入地震随机噪声压制;将地震信号转换到变换域构造网络的损失函数;改进学习策略的同时制作更具代表性的数据集,尽可能地使训练数据覆盖所有类型的解,提高网络泛化性;自动化的参数调优;结合模型驱动与数据驱动的方法。
崔扬王燕楠陈万利张虹朱丹丹白敏
关键词:数据驱动字典学习随机噪声衰减卷积神经网络
基于U-Net网络的二维小波域地震数据随机噪声衰减被引量:5
2023年
基于深度学习的地震数据噪声衰减方法比传统去噪方法更加高效,去噪结果具有更高的信噪比。现有基于深度学习的去噪方法通常在时空域对地震数据进行处理,但小波域中有效信号与噪声之间的特征差异更为明显,有利于网络训练学习及噪声衰减。利用二维小波域地震数据的稀疏性和多尺度性,联合二维离散小波变换与U-Net网络,提出了基于U-Net网络的二维小波域随机噪声衰减方法(Dwt-U-Net)。该方法先对地震数据进行二维离散小波变换,再以二维小波系数作为网络输入和输出进行网络训练,获得去噪后的小波系数,最后将该小波系数进行重构得到去噪结果。模拟数据和实际地震数据测试及与不同方法对比结果显示,在不同噪声水平情况下,Dwt-U-Net方法的去噪结果具有更高的信噪比和保真度。此外,相对于传统时空域U-Net网络去噪方法,Dwt-U-Net方法在提高信噪比的同时,网络训练时间减少一半左右。
邱怡包乾宗马铭刘致水
关键词:随机噪声衰减二维离散小波变换
基于NonIID高斯噪声建模的人工智能随机噪声衰减方法在实际中的应用
1.前言地震数据中含有各种各样的噪声,去噪是地震数据处理中的关键步骤之一。随着人工智能的兴起,深度学习(DL)算法逐渐被引入到地震随机噪声抑制中。基于深度学习的去噪方法(Xie, et al, 2012;Burger, ...
张铁强耿伟锋孙鹏远杨平沙玉博王飞
关键词:随机噪声衰减高斯噪声人工智能
自适应地震随机噪声衰减方法研究
地震随机噪声衰减是地震信号处理的关键步骤。由地面检波器收集到的地震数据受随机噪声的影响,使地震数据具有较低的信噪比,从而影响后期地震处理工作。因此,减少地震数据中的随机噪声也成为地质工作者们工作中必不可少的一部分。本论文...
代倩倩
关键词:地震数据随机噪声
基于CEEMD的自适应阈值随机噪声衰减被引量:2
2022年
为了研究随机噪声压制,将完备集合经验模态分解(complete ensemble empirical mode decomposition,CEEMD)与自适应小波阈值去噪方法相结合,提出一种新的随机噪声衰减方法,引入归一化自相关函数分析,确定需要进行自适应小波阈值去噪的固有模态分量,重构各分量及剩余分量,得到去噪后的地震数据。在进行小波阈值处理时,根据不同层数和小波分解次数选取合适的自适应阈值;并且在传统软、硬阈值函数的基础上改进小波阈值函数,克服传统阈值函数存在的缺陷。数值模拟和实际资料结果表明,相较于常规方法,所提方法具有更好的随机噪音衰减效果。
代倩倩张卫张卫杨浪陈伟
基于深度学习的Curvelet域地震数据随机噪声衰减
基于深度学习的地震数据噪声衰减方法与传统去噪方法相比更加高效,去噪结果具有更高的信噪比。目前基于深度学习的地震数据噪声衰减方法通常在时空域对地震数据进行去噪,而Curvelet域中信号与噪声更明显的特征差异利于网络训练学...
邱怡包乾宗
关键词:CURVELET变换

相关作者

林春
作品数:23被引量:39H指数:3
供职机构:成都理工大学
研究主题:随机噪声衰减 地震 随机噪声 超宽带 阈值
包乾宗
作品数:74被引量:230H指数:8
供职机构:长安大学
研究主题:交错网格 全波形 CURVELET变换 反演 地震勘探
王绪本
作品数:616被引量:2,500H指数:24
供职机构:成都理工大学
研究主题:大地电磁 大地电磁测深 瞬变电磁 电性结构 正演模拟
高静怀
作品数:369被引量:1,808H指数:23
供职机构:西安交通大学
研究主题:小波变换 地震资料 地震 地震信号 地震子波
张旭东
作品数:10被引量:2H指数:1
供职机构:中国石油集团东方地球物理勘探有限责任公司
研究主题:随机噪声衰减 地震数据 关键字 计算方法 线程