基于U-Net的半航空瞬变电磁降噪方法及应用OA北大核心

【目的和方法】半航空瞬变电磁法(SATEM)是一种高效的地球物理勘技术,在矿产资源勘探、地下水及地热资源调查等方面得到了广泛的应用。然而,所采集的数据常常受到噪声干扰,对后续的数据处理和解释精度产生了显著影响。为了解决噪声残留及有效信号丢失的问题,提升去噪效果,并减少主观因素的影响,将U-Net运用到处理半航空瞬变电磁数据降噪领域,提出一种基于U-Net深度学习架构的半航空瞬变电磁数据降噪方法。该方法使用U型编解码网络结构,通过端到端的训练方式,自动学习并提取数据中的噪声特征。编码结构学习并提取数据中的噪声信息特征,解码结构重组数据特征还原去噪后数据尺寸。通过在编码和解码结构的对称层上引入跳跃连接,有效融合了包含丰富空间信息的低级特征与包含语义信息的高级特征,从而实现对噪声的准确去除。【结果和结论】实际算例表明,经U-Net去噪后的数据信噪比提升约10 dB,与传统去噪方法相比,U-Net在瞬变电磁数据的噪声去除效果上具有明显优势。在广西贺州至巴马高速公路(来宾至都安段)凤凰2号隧道的实测数据降噪工作中,降噪后的多测道图和视电阻率成像结果的可解释性显著增强。证明本方法在半航空瞬变电磁数据降噪中的重要实际意义,为未来的地球物理勘探提供了有效的技术支持。