典型文献
数据增广的编解码卷积网络地震层间多次波压制方法
文献摘要：
层间多次波压制是地震资料去噪领域的一项前沿技术挑战,对获取高质量数据、了解地下真实构造具有十分重要的意义.现有的层间多次波压制方法耗时长,对人工参数调整要求高,处理低信噪比数据时可能导致层间多次波泄露.为此,提出一种基于数据增广的编解码卷积神经网络层间多次波压制方法.首先,利用基于虚同相轴的层间多次波压制方法从原始数据中估计出一次波和层间多次波,生成一次波标签数据.然后,构建两种增广训练集:一方面,通过改变训练样本中层间多次波的振幅、极性及旅行时,进行层间多次波波场数据的增广,提高层间多次波压制网络的泛化能力;另一方面,通过对原始数据添加不同信噪比的高斯噪声进行噪声注入的数据增广,提高网络的抗噪性能.最后,结合去噪卷积神经网络(DnCNN)和U形全卷积神经网络(U-Net)的优势搭建了适合层间多次波压制的深层编、解码网络,进行神经网络训练和预测.合成数据和实际数据的处理结果表明,该方法能够有效压制地震层间多次波并保护一次波,具有较强的泛化能力和抗噪性能,可显著提高计算效率.
文献关键词：
层间多次波压制;虚同相轴;卷积神经网络;编解码网络;数据增广
中图分类号：
作者姓名：
刘小舟;胡天跃;刘韬;魏哲枫;谢飞;安圣培
作者机构：
北京大学地球与空间科学学院,北京100871;中国石化石油勘探开发研究院,北京100083
文献出处：
引用格式：
[1]刘小舟;胡天跃;刘韬;魏哲枫;谢飞;安圣培-.数据增广的编解码卷积网络地震层间多次波压制方法)[J].石油地球物理勘探,2022(04):757-767
A类：
层间多次波压制,虚同相轴
B类：
数据增广,卷积网络,地震资料,前沿技术,技术挑战,质量数据,参数调整,低信噪比,比数,网络层,原始数据,一次波,标签数据,训练集,训练样本,中层,旅行时,波波,泛化能力,高斯噪声,抗噪性能,去噪卷积神经网络,DnCNN,全卷积神经网络,Net,神经网络训练,合成数据,实际数据,处理结果,高计算效率,编解码网络
AB值：
0.16478
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。
