典型文献
基于DBBCNN的沙漠区地震资料随机噪声衰减方法
文献摘要：
由于沙漠地区采集环境恶劣、地表地质条件复杂,勘探资料信噪比普遍较低;同时,沙漠区随机噪声与有效信号存在频谱混叠现象,噪声压制难度较大,给后续反演、成像和解释等工作带来了不利影响.近年来,以去噪卷积神经网络(Feed-forward Denoising Convolutional Neural Networks,DnCNN)为代表的深度学习去噪方法已应用于复杂随机噪声抑制,但传统降噪网络一般是根据单一尺度信息提取数据特征,导致针对复杂勘探记录的处理能力可能会下降.为实现沙漠地区复杂噪声的有效衰减,提出一种新型多分支去噪卷积神经网络(Di-verse Branch Block Convolutional Neural Networks,DBBCNN).与传统的 DnCNN 相比,DBBCNN 将不同尺度、不同复杂度的分支结合在一起,丰富了特征空间,并且采用长路径操作融合全局特征和局部特征,提升了网络针对弱信号的特征表达能力.模拟和实际数据实验结果表明,DBBCNN可有效压制沙漠地震资料中的复杂随机噪声,且处理后的记录信噪比显著提升.
文献关键词：
沙漠地震;卷积神经网络;DnCNN;去噪网络;信噪比
中图分类号：
作者姓名：
钟铁;陈云;董新桐;李月;杨宝俊
作者机构：
现代电力系统仿真控制与绿色电能新技术教育部重点实验室,吉林吉林132012;东北电力大学通信工程系,吉林吉林132012;吉林大学仪器科学与电气工程学院,吉林长春130026;吉林大学通信工程学院,吉林长春130012;吉林大学地球探测科学与技术学院,吉林长春130026
文献出处：
引用格式：
[1]钟铁;陈云;董新桐;李月;杨宝俊-.基于DBBCNN的沙漠区地震资料随机噪声衰减方法)[J].石油地球物理勘探,2022(02):268-278
A类：
DBBCNN,沙漠地震
B类：
沙漠区,地震资料,随机噪声,噪声衰减,减方,沙漠地区,环境恶劣,地质条件,勘探,噪声压制,去噪卷积神经网络,Feed,forward,Denoising,Convolutional,Neural,Networks,DnCNN,去噪方法,噪声抑制,降噪,一尺,尺度信息,信息提取,提取数据,数据特征,处理能力,复杂噪声,多分支,Di,verse,Branch,Block,不同尺度,合在一起,特征空间,长路,全局特征,局部特征,弱信号,特征表达,表达能力,实际数据,去噪网络
AB值：
0.387465
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。
