典型文献
基于去噪卷积神经网络的面波噪声压制方法
文献摘要：
提高地震资料的信噪比是地震数据处理的重要任务之一,与依赖信号模型及其相应先验假设的传统地震噪声衰减算法相比,基于大型训练集的深度神经网络的去噪方法通过对大型数据集进行学习,训练完成后可以对面波进行自适应智能降噪.根据叠前高密度地震数据的特点,建立面波去噪训练库,通过去噪卷积神经网络来衰减地震数据的面波噪声.为了准确高效地提取地震数据面波噪声的特征,采用残差学习和批量标准化相结合的方式来加快训练过程并提高算法的面波去噪效果,去噪卷积神经网络能够有效处理未知噪声水平的面波降噪.模型数据和单点高密度地震数据测试结果表明,常规带通滤波及变分模态分解方法对有效信号损伤较大,而去噪卷积神经网络在高效去除面波噪声的同时能够较好地保护有效信号.
文献关键词：
面波压制;去噪卷积神经网络;残差学习;批量标准化;深度学习;智能去噪;人工智能
中图分类号：
作者姓名：
唐杰;韩盛元;刘英昌;张文征;孟涛
作者机构：
中国石油大学(华东)地球科学与技术学院,山东青岛266580
文献出处：
引用格式：
[1]唐杰;韩盛元;刘英昌;张文征;孟涛-.基于去噪卷积神经网络的面波噪声压制方法)[J].石油物探,2022(02):245-252
A类：
单点高密度,单点高密度地震,面波压制,智能去噪
B类：
去噪卷积神经网络,噪声压制,高地震,地震资料,地震数据处理,信号模型,先验,噪声衰减,减算,训练集,深度神经网络,去噪方法,降噪,立面,残差学习,批量标准化,训练过程,去噪效果,噪声水平,模型数据,数据测试,带通滤波,波及,变分模态分解,分解方法
AB值：
0.242606
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。
