基于卷积神经网络的地震资料去噪方法研究

• 作 者: 向奎
• 出 处: 中国石油大学(北京)
• 发表日期: 2004年期
• 关键词: 地震道集去噪 超分辨率重构 卷积神经网络

地震资料去噪是地震数据处理流程中非常关键的一步。因为在后续的资料处理和分析中,都需要地震资料具有高信噪比,但野外地震资料的信噪比受许多因素的影响并不能很好地满足后续操作的要求,因此我们需要对其进行去噪处理。针对如何获得更好的去噪效果这个问题,大量的地球物理工作者通过多角度的研究分析,不断改进算法,取得了很多具有实用价值的成果。近年来,深度学习技术在国内外飞速发展,在各个领域得到了很好的应用,其中卷积神经网络由于其强大的特征学习与分类能力,被很多科研人员应用并获得了重要的研究结果。本文作者经文献调研发现:虽然神经网络已经成功应用于很多领域,但是其与地震资料处理结合的应用目前还相对较少。因此,本文深入探究了卷积神经网络的发展历程和基本原理,以及地球物理去噪方法目前的研究现状,在此基础上提出了一种基于卷积神经网络的地震资料智能化去噪方法,利用深度学习框架caffe对模型进行训练。将训练得到的模型用于地震道集的去噪。实验结果表明:利用卷积神经网络对地震资料去噪是可行的。然后讨论了网络模型三个重要参数:卷积核个数、卷积核尺寸大小以及网络层数对去噪效果的影响,确定用于地震资料去噪的网络结构参数。最后,本文针对网络收敛速度慢的问题利用六种不同的梯度下降方法来加快了网络的收敛,针对可能存在的过拟合问题,采用加入正则化项的方法来进行约束,针对去噪质量的问题,利用相邻地震道集相似的结构信息来提高去噪质量。实验结果表明三种改进的算法都能得到更为优越的去噪效果。