基于多尺度卷积自编码器的地震噪声智能压制方法及应用OA北大核心CSTPCD
An intelligent denoising method based on multi-scale convolutional auto-encoder and its application
针对传统地震噪声压制方法存在的泛化性不足、主观性强以及实际无噪声数据稀缺等问题,利用深度学习方法的泛化特性,在保护有效信号的基础上,建立了一种地震噪声智能压制方法.基于有效利用少量实际无噪声数据的原则,首先通过正演数值模拟地震数据构建数据集,再搭建基于InceptionV4卷积模块和注意力机制的卷积自编码器网络,并利用正演数据对网络预训练.该过程首先依靠数据驱动方法和网络强大的特征提取能力初步获取地震数据的有效特征表达,通过正演数值模拟数据试验分…查看全部>>
To solve the problems of insufficient generalization,lack of objectivity,and scarcity of noise-free data in reality in routine denoising methods,we establish an intelligent approach for noise reduction and signal preservation by using the generalization be-havior of deep learning.According to the principle of utilizing some observed noise-free data,the data set of synthetic seismogram is first derived from forward modeling,followed by the construction …查看全部>>
谢晨;徐天吉;钱忠平;沈杰;刘胜;唐建明;文雪康
电子科技大学资源与环境学院,四川成都 611731电子科技大学资源与环境学院,四川成都 611731||电子科技大学长三角研究院(湖州),浙江湖州 313000油气勘探计算机软件国家工程研究中心,东方地球物理公司,北京 100088中石化西南油气分公司勘探开发研究院,四川成都 610041中石化石油工程地球物理有限公司南方分公司,四川成都 610041中国石化西南油气分公司,四川成都 610041中国石化西南油气分公司工程监督中心,四川德阳 618000
地质学
地震勘探噪声压制卷积自编码器迁移学习注意力机制
seismic explorationnoise suppressionconvolutional auto-encodertransfer learningattention mechanism
《石油物探》 2024 (1)
79-90,12
四川省自然科学基金项目(2023NSFSC0255)和中国石化"十条龙"项目(P20052-3)共同资助.This research is financially supported by the Natural Science Foundation of Sichuan Province(Grant No.2023NSFSC0255)and the Sinopec's"Ten Dragons"Project(Grant No.P20052-3).
评论