基于深度学习的地震偏移噪声压制研究     

诸峰  程前  李帅帅  高红伟 《地球物理学进展》2022,(2):746-755

高信噪比成像对于油气勘探具有重要意义,压制偏移产生的噪声可以提高地震成像的信噪比.本文提出了一个基于卷积神经网络压制地震偏移噪声的方法,网络结构主要包括编码器和解码器,编码器用于提取特征,解码器用于恢复图像,该方法通过直接对地震剖面学习实现了地震偏移噪声压制的自动化.实际数据的实验结果验证了本文方法的有效性.本文的方法不仅可以保留地震剖面的主要特征,而且有效的压制了偏移噪声,对提高地震剖面信噪比和提高地震数据处理的效率具有重要意义.  相似文献   

基于深度学习的空间尘埃碰撞实时自动检测     

刘润逸  诸峰  王健  叶生毅 《地球物理学报》2023,(2):485-493

准确快速地检测航天器上发生的尘埃碰撞事件能帮助我们更好地了解空间环境的尘埃分布以及减少航天器因尘埃碰撞受到的破坏.现有人工识别或基于尘埃碰撞引起的电势差信号波形特征的机器识别尘埃碰撞事件的方法虽然有较高精度,但效率低下,迫切需要高精度且自动化方法识别航天器收集的海量电势差信号.深度学习模型在信号分类和识别具有较强能力,本文把空间尘埃碰撞引起的电势差信号检测问题建模成信号分类问题,构建了一个卷积神经网络模型,该模型可以自动提取信号特征并根据特征对信号分类,同时为了训练模型和测试模型预测准确率,构建了一个由尘埃碰撞引起的电势差信号和非尘埃碰撞引起的电势差信号组成的数据集,模型在训练集上准确率为99.46%,在测试集上准确率达到98.68%,查全率为99.44%,查准率为97.95%,threat score为97.41%.实现了高精度且自动化的尘埃碰撞事件检测.  相似文献