典型文献
基于循环神经网络的微地震数据降噪方法
文献摘要：
针对微地震信号中存在大量噪声干扰,导致其识别困难的问题,提出一种深度双向门控循环单元循环神经网络的方法,并将其应用于微地震数据降噪中.首先,构建多层双向门控循环单元循环神经网络模型,并设计该模型的网络结构及训练算法;然后,采用Ricker子波正演模拟微地震数据验证模型的有效性,并将该方法与其他4种方法进行对比;最后,将真实的含噪声微地震数据输入到训练好的模型中,即可得到降噪后的微地震数据.仿真实验结果表明,利用该方法降噪后与降噪前信号的峰值信噪比相比约提高36 dB,且信号之间的相关系数值由0.0886上升至0.9335.实际应用结果也表明,该方法可有效降低实际微地震数据中的噪声.
文献关键词：
微地震;数据降噪;循环神经网络;门控循环单元;深度学习
中图分类号：
作者姓名：
李盼池;石彤;李学贵
作者机构：
东北石油大学 计算机与信息技术学院,黑龙江 大庆 163318
文献出处：
引用格式：
[1]李盼池;石彤;李学贵-.基于循环神经网络的微地震数据降噪方法)[J].吉林大学学报（理学版）,2022(03):685-696
A类：
B类：
微地震,地震数据降噪,降噪方法,地震信号,噪声干扰,双向门控循环单元,门控循环单元循环神经网络,循环神经网络模型,训练算法,Ricker,子波,正演模拟,数据验证,验证模型,练好,峰值信噪比,dB,系数值
AB值：
0.261296
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
