共查询到18条相似文献，搜索用时 140 毫秒
1.
基于深度学习的地震数据噪声压制方法是当前地震数据去噪处理的重要方向。深度学习方法突破了传统滤波处理的局限,在对常规地震数据的噪声压制中表现出效率高、信噪分离效果好的特点。但针对深部弱有效反射数据,当前的深度学习方法特征提取能力有限,难以取得较好的去噪效果。笔者等结合深反射地震数据特点,针对当前深度学习噪声压制方法在特征提取及对数据集依赖上的局限,提出了基于注意力循环生成对抗网络(Attention Cycle- Consistent Generative Adversarial Networks,A- CGAN)的深反射地震数据随机噪声压制方法。借助循环一致生成对抗网络(Cycle- Consistent Generative Adversarial Networks,Cycle- GAN)的域映射思想,降低对数据集的要求。为了构建适用于深反射地震数据的去噪网络,从3个方面对Cycle- GAN进行改进：在Cycle- GAN的生成器（去噪器）中加入残差结构和注意力机制,用于加深网络深度和提高其特征提取能力;在Cycle- GAN的鉴别器中使用块判决,提高鉴别精度和准确度;在损失函数部分加入感知一致性损失函数,提升网络模型恢复纹理细节信息的能力。通过合成地震数据和实际深反射地震数据测试,验证了优化算法的有效性,体现了良好的应用价值。 相似文献
2.
随着常规油气藏资源不断枯竭,非常规油气藏的勘探开发已逐渐成为一种必然趋势,从而使得微地震监测技术快速发展。微地震事件的发生持续时间短、声波频率高,使得实际采集到的微地震数据信噪比较低。本文首先简要介绍了微地震监测技术能够在非常规油气藏开发中保证高效的增产,以及微地震噪声压制在微地震监测技术数据处理流程中是关键一步,直接影响着后续微地震研究的准确性和可靠性;并对地面微地震监测数据中的噪声源进行分析,归纳了地面微地震监测中常见噪声：强脉冲干扰、工业交流电干扰、钻井干扰、声波干扰、规则干扰等,分析了其各自的基本特点。然后,概述了地面微地震数据去噪方法已取得的成果,按频率、传播方向、空间分布区域等特性进行分类,分析各种去噪方法在实际应用过程中针对的噪声类型,以及在去噪过程中对有效信号造成的影响等。最后,基于深度学习具有更强的复杂函数表征能力,分析了3种典型深度学习模型的结构及特点;结合在其他相关领域数据去噪问题的成功应用,深度学习可以解决目前微地震数据噪声压制存在的问题,可以作为微地震数据去噪的一种新方法;考虑到目前微地震数据样本数量可能影响深度学习在微地震监测中大规模的应用,本文提出用生成式对抗网络来构建微地震数据样本库以解决该问题,并将其用于后续深度学习过程中的模型训练。 相似文献
3.
具有双曲线特征的非线性外源噪声,会严重影响地震数据的最终成像质量,通常这种外源噪声与有效反射的物理特征差异不大且两者频带近乎重叠,因此常规去噪技术很难取得理想的压制效果。若直接剔除被外源噪声干扰的炮记录将会增加采集成本;反之会在一定程度上降低资料的信噪比,影响资料的后续处理。将分频分时振幅阈值去噪方法应用于渤海地震资料的外源噪声压制,在有效压制外源噪声的同时,能够很好地保护有效信号。同时,测试还表明该方法还可以较好地压制近偏移距多次波。 相似文献
4.
提高地震数据的信噪比是地震资料处理的重要目标之一。传统的地震去噪方法虽然可以有效压制随机噪声,但对非高斯分布的异常值噪声压制效果欠佳。本研究展示了一种基于稳健主成分分析的地震数据异常值噪声压制方法。该方法在频率-空间域通过对地震数据实施稳健低秩近似来求取理想无噪声数据。在目标函数构建方面,采用核范数最小化模型求取理想的低秩近似数据,并使用l1范数最小化模型来估计异常值噪声。此外,运用增广拉格朗日乘子法求解该反演问题。最后,模型数据和实际资料的去噪结果验证了本研究方法的有效性,与传统F-XY域预测滤波法去噪结果进行对比,也显示本研究方法在有效压制异常值噪声的同时能更好地保护有效波能量。 相似文献
5.
《物探化探计算技术》2019,(6)
混采技术可以实现多台震源同时激发产生地震波场,有效提高采集效率,但是混采技术会产生严重的混叠干扰,降低地震数据的信噪比。针对此问题,引入多级中值滤波,设计了一种基于seislet域阈值去噪和多级中值滤波相结合的混叠噪声压制方法。该方法首先采用大步长中值滤波和seislet域阈值去噪相结合的方法得到初始压制混叠噪声的地震数据,再利用混叠算子计算去混叠噪声后地震数据的伪分离数据,然后求取该伪分离数据和原始混叠地震数据的差值,再次应用较小步长中值滤波提取剩余信号,并与上一步骤得到的去混叠后的地震数据相加,并再次进行seislet域阈值去噪,依次循环,直到信噪比达到期望值。通过模拟数据测试,并与F-K域迭代阈值去噪方法和常规seislet域迭代阈值方法相比,本方法在压制混叠噪声的同时,可以更好地保护有效信号。 相似文献
6.
基于离散小波变换的地震资料自适应高频噪声压制 总被引：1，自引：0，他引：1
针对现有的小波变换阈值去噪方法无法适用于地震资料高频噪声压制的缺点,笔者分别对阈值函数和阈值选取方案进行了改进,提出了连续硬阈值函数与自适应阈值相结合的地震资料高频噪声压制方法.连续硬阈值函数兼具软、硬阈值函数的优点,可提高重构地震信号的保真度,减少人为噪声误差;自适应阈值方案可根据非平稳地震数据中的能量时变、空变分布特点,通过引入不同子带小波系数标准差、代数平均值以及几何平均值等统计参数,使阈值能够随不同子带的小波系数能量变化而自动调整,以适应地震资料高频噪声压制的要求.实际地震数据处理结果表明,笔者提出的方法在提高信噪比的同时,可保护陡倾角反射界面信号,提高噪声压制后地震数据的保真度. 相似文献
7.
去噪是大地电磁数据处理的重要一环。为了丰富和发展大地电磁时间序列去噪方法,将循环神经网络中的LSTM网络引入大地电磁时间序列方波噪声处理中,将实测无人文干扰的大地电磁时间序列叠加模拟方波噪声作为网络输入,将无噪原始时间序列作为网络的目标输出,训练了1 500次epoch后,网络从仿真含噪信号提取的时间序列与原始时间序列的归一化互相关系数高达0.971 8,说明网络很好地学习了无噪大地电磁时间序列的特征。通过实测含方波噪声信号的去噪试验,表明了本文方法可以有效压制方波噪声干扰,改善阻抗估计质量,为深度学习在大地电磁时间序列处理的应用提供了新思路。 相似文献
8.
由于U型卷积神经网络（Unet）在地震数据去噪中存在计算量大、网络退化和泛化能力弱等问题,本文为了提高去噪效果以及增强模型的泛化性,提出了一种融合残差注意力机制的卷积神经网络（RAUnet）。该网络结构主要由编码和解码两部分构成,网络的每个卷积层之后都加入了批标准化和带泄露整流激活函数。在编码器中,为了提高对噪声的提取能力,引入了残差结构和卷积块注意力模块。残差结构利用残差跳跃连接的方式减弱了网络退化,降低了特征映射的难度。卷积块注意力模块使用通道和空间的混合注意力权重,能提升相关度高的特征并抑制相关度低的特征。在解码器中,为了提升特征融合的维度恢复能力,选用双线性插值方式进行上采样。实验测试结果表明,对于合成地震信号,本文方法对简单模型和复杂模型随机噪声的压制效果均更有效,并且更好地保护了有效信号;对于实际地震信号,本文方法仍然能在去噪的同时尽量保持有效信号中的细节,对叠前数据和叠后数据都展现出了良好的泛化性。 相似文献
9.
对于低信噪比资料,压制随机噪声,增强有效信号是地震资料处理的首要任务。而传统的奇异值分解去噪算法,在有效信号横向相干性较强时,去噪效果明显,但当有效信号同相轴呈倾斜、弯曲或孤立状态时,其在压制随机噪声的同时,存在滤除部分有效信号的弊端,为此通过对不同时窗内的地震数据进行拉平、奇异值分解数据重构与反拉平等处理方法,对常规奇异值分解算法进行改进,以克服其对包含非水平连续信号资料去噪效果差的局限。理论数据和实际资料的去噪结果表明,改进后的算法去噪效果明显优于常规奇异值分解法,能在保证有效波不被滤除的前提下有效提高地震资料的信噪比。 相似文献
10.
提高地震资料的信噪比是地震资料处理的关键,叠前去噪是进行噪声压制的主要处理技术。小波变换方法由于具有同时在时间域与频率域分析的特点,在信号的分析处理方面得到广泛的应用;笔者采用小波变换把叠前地震数据分为不同的频段,并对包含干扰波的频段采用中值滤波消除干扰,再运用小波反变换来重构去噪后的记录;该技术不仅实现了噪声压制,还达到了保持宽频带的目的,应用于实际资料处理中,取得了很好的去噪效果。 相似文献
11.
地震资料处理是地震勘探中的关键环节,由于地下构造和地表条件的复杂性,地震资料的处理需要经过一系列复杂流程,从而形成多种不同类型的地震数据。不同种类的地震数据具有不同的数据特征,充分利用和发掘其中的数据特征,不仅可以充分发挥处理方法的技术潜力,消除各类非地质因素对地震资料处理质量的影响,同时可以增强地震资料处理的可靠性,改善地震资料的资料信噪比及分辨率,在复杂油气藏勘探开发中具有非常重要的基础作用。叠前地震成像道集（CRP）中的有效信号同相轴近似水平,叠后地震成像数据因为地层沉积的规律性,有效信号相比于随机噪声、成像画弧噪声等干扰具有规律、简单等特点。具体表现为CRP道集及叠后地震资料有效信号具有多尺度自相似性的特征,其高维Fourier （FK或FKK）域主要能量集中在低频、低波数区域。针对上述地震数据的特点,提出一种基于先验信息约束的深度网络地震资料无监督噪声压制方法。受到深度图像先验（DIP）的启发,神经网络的结构可以视为一种特殊的隐式先验信息,合理设计网络结构可以使得网络具有多尺度自相似性特征的提取能力。由于叠前地震成像道集数据和叠后地震成像数据有效信号的多尺度自相似性,而噪声不具备这一特性,因此,特定结构的网络可以从原始数据提取出有效信号,从而达到噪声压制的目的。叠前成像道集和叠后成像的实际数据随机噪声压制试验结果表明,本文方法具有良好的保真性与鲁棒性。此外,由于本文方法具有强大的特征提取能力,因此,对常规方法不易压制的弧状成像噪声也有良好的效果。 相似文献
12.
煤炭高密度空间采样地震勘探方法研究及应用效果 总被引：1，自引：0，他引：1
高密度空间采样地震勘探技术在野外采用单点激发、单点接收,可有效避免野外组合时差对高频的影响及组合产生的接收各向异性问题,并有利于室内对规则干扰进行压制。通过开展高密度空间采样试验,对高密度勘探技术中空间采样密度与分辨率的关系,高密度激发技术、静校正、高保真室内组合方法、噪声压制方法及三维去噪最小数据集抽取方法等关键技术进行了总结。以HNDJ区的高密度地震勘探项目为例,高密度地震勘探获得的新剖面,其各煤层的反射特征都比过去普通三维资料有明显提高,特别是Td波。对该区的高密度空间采样数据利用多种地震属性对断层进行识别,新发现6～8m的断层2条,尤其2m断距的断层显示的也非常清晰,实例表明高密度空间采样地震勘探技术,可提高地震勘探的成像精度。 相似文献
13.
地震勘探的有效信号常受到随机噪声的干扰而难以识别,需要进行随机噪声和有效信号的分离。传统Shearlet全局阈值不随方向与尺度变化,在去噪的同时也会损失许多有效信号。Shearlet变换作为一种新的多尺度多方向时频分析方法,具有最优的稀疏表示能力、局部化特征和方向敏感性。本文将含噪地震信号通过Shearlet分解后计算各尺度与方向上Shearlet域系数的L2范数,并对其进行数据重排后发现,随着方向改变L2范数不断减小,进而提出一种基于L2范数的尺度方向自适应阈值计算方法。将其与小波变换、曲波变换、Shearlet全局阈值去噪方法对比,模拟数据与实际地震记录去噪结果表明,本文方法在去除随机噪声的同时,深部弱信号也得到了很好的恢复,地震数据的信噪比比其他3种方法有所提高,在0.929 9 dB条件下提升至11.565 1 dB。 相似文献
14.
自Hinton等使用基于卷积神经网络的深度学习模型赢得Image Net分类比赛以来,深度学习的研究席卷了各个行业。通过介绍深度学习的历史,探索国内地质行业中深度学习模型的使用情况,并介绍深度学习的基础概念(如神经元、神经网络、监督学习和无监督学习等)以及深度学习基础模型中的2个重要网络:深度信念网络(DBN)和卷积神经网络(CNN)。在此基础上,类比深度学习在医学等相关领域的应用,提出了深度学习在地质上的几点应用:利用深度学习在计算机视觉上表现出的强大能力,可以对遥感图像进行聚类、对岩石样品图像进行分类、对岩石薄片数据进行描述;利用深度学习对原始数据表现出的强大识别能力,处理地质异常数据,从而确定成矿靶区的可能位置;利用深度学习的特点,对地震前的声信号数据进行处理,从而判断出地震发生前的剩余时间。 相似文献
15.
深部地震资料的处理和解释方法 总被引：9，自引：1，他引：8
深部地震资料的处理类似于油气地震资料,但也有其自身的一些特点。在水平叠加处理前后,分别使用强有力的去噪和归位处理技术是获取高质量深部地震剖面的保证。在深地震时间剖面上,强能量条带的分布是大地构造格架的反映。综合测区重磁电等物化探资料进行解释,有利于提高解释精度和进一步探讨造山带的构造演化 相似文献
16.
在深部地质调查中,深反射地震剖面发挥了重要作用。一般情况下,在深反射地震调查的数据采集中,采用宽频带接收、适当长的记录长度和测线跨度、大动态范围的地震仪,有利于获取深陡倾斜界面反射波;采用较大的道间距、较长的接收排列和较高的覆盖次数进行数据采集,不但可获取较准确的波速信息、高信噪比的深层反射波,而且也可提高施工效率、降低成本。 相似文献
17.
关于深反射地震剖面采集参数的讨论 总被引：2，自引：0，他引：2
在深部地质调查中，深反射地震剖面发挥了重要作用。一般情况下，在深反射地震调查的数据采集中，采用宽频带接收、适当长的记录长度和测线跨度、大动态范围的地震仪，有利于获取深陡倾斜界面反射波；采用较大的道间距、较长的接收排列和较高的覆盖次数进行数据采集，不但可获取较准确的波速信息、高信噪比的深层反射波，而且也可提高施工效率、降低成本。 相似文献
18.
由于随机噪声是一种频带较宽的干扰波,因此依靠单一的去噪处理方式往往难以获得清晰反映目标体的地震信息。小波变换能够较好的去除高斯噪声,保留有效波中、高频成分,提高记录的信噪比,但去除脉冲噪声的效果却并不理想;中值滤波具有良好的边缘保持特性,虽低频去噪声效果有限,但去除脉冲噪声效果明显。因此可利用二维小波变换与中值滤波优势互补的方法,进行叠前去噪处理,达到去除宽频随机噪声的目的。首先运用二维小波变换的理论,采用自适应门限阀值方法进行去噪,同时结合中值滤波方法联合去噪。模型与实际数据的应用效果表明,联合去噪方法可有效压制噪声能量、保留高频有效信号、提高地震记录信噪比与分辨率。 相似文献