| 基于卷积神经网络的井中分布式光纤传感器地震数据随机噪声压制新技术 |
| |
| 引用本文： | 董新桐,李月,刘飞,冯黔堃,钟铁.基于卷积神经网络的井中分布式光纤传感器地震数据随机噪声压制新技术[J].地球物理学报,2021,64(7):2554-2565. |
| |
| 作者姓名： | 董新桐 李月 刘飞 冯黔堃 钟铁 |
| |
| 作者单位： | 吉林大学仪器科学与电气工程学院,长春 130026;吉林大学通信工程学院,长春 130012;吉林大学通信工程学院,长春 130012;北京科技大学计算机与通信工程学院,北京 100083;东北电力大学通信工程系,吉林 132012 |
| |
| 基金项目： | 国家自然科学基金;博士后创新人才支持计划 |
| |
| 摘 要： | 分布式光纤传感器(distributed fiber-optical acoustic sensor,DAS)是一种快速发展的具有巨大应用前景的地震勘探检波器技术.实际DAS地震资料往往会受到大量强能量随机噪声的干扰,通常表现为低信噪比(signal-to-noise ratio,SNR).这一现象给接下来的成像、反演以及解释带来了巨大的困难,因此如何压制DAS地震资料中的随机噪声并提高其SNR成为一个有待解决的技术问题.卷积神经网络(convolutional neural network,CNN)已经被证明是一种有效的噪声压制工具.通常情况下,CNN需要一个理论纯净地震数据集来优化网络,这极大地限制了CNN在DAS地震资料处理中的应用.在本文中,我们采用正演模拟的方法来构建理论纯净DAS地震数据集,通过正演模型的参数多样化增强数据集的真实性,从而获得适合DAS地震资料随机噪声压制的CNN去噪模型.此外,在网络结构方面,我们利用泄漏线性整流单元作为CNN的激活函数增强训练后模型对微弱有效信号的恢复能力;在训练过程中,通过能量比矩阵调节噪声片和有效信号片之间的SNR,增强CNN去噪模型对于不同SNR的DAS地震数据的适应性.模拟和实际实验均表明本文提出的这种正演模型驱动的卷积神经网络(forward-model-actuation convolutional neural network,FMA-CNN)能够有效地压制DAS随机噪声同时完整地恢复有效信号.
|
| 关 键 词： | 随机噪声 低信噪比 分布式光纤传感器地震数据 正演模型驱动的卷积神经网络 |
New suppression technology for the random noise in the DAS seismic data based on convolutional neural network |
| |
| DONG XinTong,LI Yue,LIU Fei,FENG QianKun,ZHONG Tie.New suppression technology for the random noise in the DAS seismic data based on convolutional neural network[J].Chinese Journal of Geophysics,2021,64(7):2554-2565. |
| |
| Authors: | DONG XinTong LI Yue LIU Fei FENG QianKun ZHONG Tie |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
