基于双重残差网络的地震数据随机噪声压制

作者：方文倩,李志明

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。

发文机构：中国地质大学数学与物理学院

关键词：地震数据去噪双重残差网络深度学习CNNseismic data denoisingdual residual networkdeep learningCNN

分类号： P631.4[天文地球—地质矿产勘探]