排序方式： 共有5条查询结果，搜索用时 281 毫秒
1
1.
针对传统的地震波初至拾取方法对低信噪比资料拾取精度较低、算法的鲁棒性较差,以及目前提出的基于深度学习的初至拾取方法制作训练样本耗时耗力、训练样本尺寸太大或网络结构太深导致训练和测试网络模型效率较低等缺点,本文对经典的U-Net网络结构进行了改进,将经典的U-Net网络结构中的跳跃连接改为包含多个卷积块的残差连接,减小了网络结构中融合的两个图像特征的差异,并使用自动拾取的小尺寸训练和测试样本,对本文用于初至拾取的经典U-Net网络模型和改进的U-Net网络模型分别进行了训练和测试.结果 表明,改进的U-Net网络模型的训练准确率更高,初至拾取的精度也更高,尤其对低信噪比地震道初至拾取效果较好. 相似文献
2.
本文在常规算法的基础上,提出了一种改进的匹配追踪方法.该方法通过引入新的完备库构建策略,并以雷克子波作为原子,利用原始地震数据最大相关性估计完备库的原子的位置和能量,使得分解精度进一步提高,极大地提高了算法的适应性;为避免原子间隔过小问题,引进了最小原子间距,使得分解效率和分解质量进一步提高.模型试算和实际资料应用表明,本文算法不仅提高了信号稀疏表示的质量,加快了收敛速度,而且算法的适应性和分解精度也得到提高;该方法能够较好地挖掘地震有效信息,提高地震解释精度. 相似文献
3.
常规的反褶积方法通过线性褶积压缩子波提高地震记录的分辨率,其能力受到有效信号频带的限制.随机稀疏脉冲非线性反褶积方法将传统的以子波压缩为核心理念的反褶积方法转移到反射系数位置和大小的检测上来,它直接从地震记录中通过非线性反演方法得到反射系数的位置和大小,突破了地震资料有效频带的限制,能够较大幅度提高地震记录的分辨率.同时通过对反射系数统计特征的有效约束,减小了反褶积结果的多解性.模型实验表明,随机稀疏脉冲反褶积对噪声和子波的敏感性较小,能够较好的保护弱反射信号.在模型实验的基础上,利用随机稀疏脉冲反褶积对实际地震资料进行了实验处理,有效的改善了地震资料的分辨率. 相似文献
4.
针对地震数据随机噪声压制问题,本文提出一种基于非局部贝叶斯(Non-local Bayes algorithm)的滤波方法。NLBayes方法使用高斯模型代替NL-means方法中使用全部相似数据块的加权平均,减少对数据结构细节的平滑效应,从而改善去噪效果。在地震数据去噪处理中,根据噪声的方差自适应的计算数据块的大小和高斯模型中数据块的数量,经过两次迭代实现地震数据去噪。第二次迭代中使用第一次迭代去噪后的数据来计算高斯模型块的无偏差均值和协方差,以提高数据块的相似度,使得去噪效果更理想。通过对模型数据和实际数据测试表明,NL-Bayes方法能有效提高地震数据信噪比和满足数据保真性处理的要求。 相似文献
5.
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
1