国家科技期刊平台

相关度

相关度
发表时间

每页显示10条

每页显示10条
每页显示20条
每页显示30条

已找到 18 条结果

生成式对抗神经网络的改进及其在地震数据压噪中的应用北大核心CSTPCD
作者：彭海龙李明孙文钊李列周凡鲁统祥江凡
发表期刊：石油物探 2024年1期
关键词：生成式对抗神经网络U-net神经网络地震数据去噪泛化能力数据细节
摘要：常规的生成式对抗神经网络在地震数据去噪过程中受模型限制,地震数据有效信息还原能力差.因此,对生成式对抗神经网络进行改进,以U-net神经网络为基础建立更深层级的生成器神经网络,优化模型的批标准化层和池化层,提升特征还原能力,搭建多尺度判别器神经网络,提升判别器性能,提出一种包含对抗损失、配准损失和结构信息损失的多层次综合损失函数.改进后的模型结构无需预先估计噪声,能够实现端到端的盲去噪功能,神经网络泛化能力强,对数据细节的保护还原水平…查看全部>>
基于Curvelet域的注意力机制卷积网络地震数据去噪北大核心CSTPCD
作者：包乾宗周梅邱怡
发表期刊：煤田地质与勘探 2024年8期
关键词：地震数据去噪深度学习U-net网络Curvelet变换注意力机制
摘要：[目的]地震资料中的噪声严重影响着对地下地层信息的准确解释.基于地震资料中横向相关性较强的有效信号在Curvelet域分布在特定系数上,而随机噪声在Curvelet域通常会均匀分布于所有系数,可对信号进行更有效的分离.[方法]基于注意力机制卷积神经网络能够聚焦图像的重要特征,自适应提取关键信息的特点,提出一种基于Curvelet变换和注意力机制卷积神经网络(Curvelet-AU-Net)的地震数据噪声衰减方法.首先,将含噪声的地震数…查看全部>>
基于DnCNN与多尺度特征提取的地震数据去噪方法北大核心
作者：刘威徐振旺未晛江源陈伟
发表期刊：西安石油大学学报(自然科学版) 2025年1期
关键词：地震数据去噪深度学习多尺度特征DnCNN
摘要：地震数据中混杂的随机噪声严重影响数据的解释和应用,传统的去噪方法在去除噪音的同时无法避免丢失有效信号,难以满足精准去噪的需求。为此提出了一种基于降噪卷积神经网络(DnCNN)与多尺度特征提取的地震数据去噪方法。在多尺度特征提取模块中加入通道注意力机制、空间注意力机制以及深度可分离卷积,并且借鉴残差网络结构,使得网络不仅可以学习不同尺度的特征,还能够合理分配不同通道和空间的权重,充分利用数据之间的相关性。这种方法不仅显著提升了网络训练的…查看全部>>
基于自适应噪声完全集合经验模态分解算法和Hurst指数的地震数据去噪方法CSTPCD
作者：毛世榕史水平玉壮基苏梅艳李莎何嘉幸符衡张清
发表期刊：地震学报 2023年2期
关键词：地震数据去噪地磁数据去噪自适应噪声完全集合经验模态分解Hurst指数
摘要：在地震观测中,地震数据中普遍包含有噪声信号.由于噪声信号的干扰,地震分析的效率会受到不同程度的影响.传统的去噪方法通常需要噪声的先验知识,并且滤波时会造成部分有效信号丢失.针对这一问题,本文提出一种将自适应噪声完全集合经验模态分解(CEEMDAN)算法与Hurst指数相结合的地震数据去噪方法.首先通过CEEMDAN方法将信号分解为一系列本征模函数(IMF),然后利用Hurst指数对滤波后的IMF分量进行识别,最后对地震数据IMF分量进…查看全部>>
基于一种注意力机制U-Net的地震数据去噪方法北大核心CSTPCD
作者：曹静杰高康富许银坡王乃建张纯朱跃飞
发表期刊：石油地球物理勘探 2024年4期
关键词：地震勘探深度学习U型网络地震数据去噪神经网络
摘要：受野外采集过程中设备和环境等多种因素影响,地震数据中往往存在表面波、鬼波、随机噪声等各种噪声,影响了地震数据处理和解释的可靠性和准确性.近年来,基于人工智能的方法以其计算效率高、数值效果好等优点成为地震数据去噪的研究热点.U型网络(U-Net)是一种经典的卷积神经网络结构,常用于图像分割任务;注意力机制(Attention Mechanism,AM)是一种能够让模型在学习过程中更加关注特定区域或特征的技术.通过在U-Net网络中添加A…查看全部>>
基于曲波变换-联合双边滤波的二维地震数据随机噪声去除方法研究CSTPCD
作者：李林峰曹玉苹李哲邓晓刚
发表期刊：石油物探 2023年4期
关键词：地震数据去噪曲波变换弱同相轴联合双边滤波双边滤波随机噪声去除
摘要：在地震数据去噪处理中,曲波变换硬阈值法容易导致弱同相轴模糊,为此,提出了一种基于曲波变换-联合双边滤波的地震随机噪声去除方法.曲波系数尺度分析结果表明,粗尺度信号主要表征地震数据构造特征;中尺度信号通常包含大量的弱同相轴的信息;细尺度信号通常包含噪声信息.曲波变换-联合双边滤波方法对粗尺度信号进行双边滤波处理,对中间尺度信号进行联合双边滤波处理,对细尺度信号应用硬阈值处理.曲波变换可以较好地处理多方向的线状变化特征,而联合双边滤波具备…查看全部>>
加权全变分正则化与ADMM求解的无监督地震数据随机噪声压制方法CSTPCD
作者：王婧陈睿马小琴吴帮玉
发表期刊：石油地球物理勘探 2023年4期
关键词：地震数据去噪无监督学习跳跃连接WTV正则化ADMM
摘要：噪声压制是地震数据处理中的一个至关重要的环节。近年来,随着深度学习的蓬勃发展,其在地震数据中的应用取得显著成效。在实际应用中,收集大量带标签的地震数据(无噪数据)是困难的,为此,基于无监督的深度图像先验(DIP)框架压制二维地震数据随机噪声。首先,探索跳跃连接对网络去噪性能的影响,确定网络架构;其次,在损失函数中加入加权全变分(WTV)正则项,与传统的全变分(TV)正则项所不同的是,WTV正则项的权重系数不再是固定不变的超参数,而是与…查看全部>>
基于深度学习的鲁棒地震数据去噪北大核心CSTPCD
作者：张岩李新月王斌李杰王洪涛董宏丽
发表期刊：石油地球物理勘探 2022年1期
关键词：地震数据去噪深度学习鲁棒性L损失函数特征融合残差网络
摘要：地震勘探数据中包含的噪声比较复杂,基于先验的传统建模方式无法准确地刻画噪声分布。深度学习通过多层卷积神经网络自动提取数据的深层次特征,利用非线性逼近能力自适应地学习而得到一个复杂的去噪模型,为地震数据去噪带来了新思路。但是,目前基于深度学习的去噪方法在样本覆盖不充分的情况下,学习得到的模型泛化能力不强,极大地降低了去噪效果。为此,提出一种鲁棒的深度学习去噪算法。该方法的网络模型由两部分子网构成,分别实现含噪地震数据的噪声分布估计与噪声…查看全部>>
基于密集扩张卷积残差网络的地震数据随机噪声压制方法CSTPCD
作者：高磊沈侯森闵帆
发表期刊：石油物探 2023年4期
关键词：地震数据去噪特征融合卷积神经网络密集块扩张卷积
摘要：地震数据处理过程中压制随机噪声是提高地震数据质量的重要环节之一,其关键是有效压制噪声并尽可能地保留有效信号.针对深度学习方法在地震数据去噪处理时局部特征提取的局限性,提出了一种基于密集扩张卷积残差网络(DDCRN)的去噪方法.DDCRN主要由多个密集扩张卷积特征融合块(DDCFFB)构成,DDCFFB内部的密集块和多尺度扩张卷积可以用来并行提取特征,融合结构可以用来融合特征,残差结构则跳跃连接通道数.其中,密集块连接不同的卷积层来学习…查看全部>>
基于双重Bregman迭代的地震数据重构与去噪北大核心CSCDCSTPCD
作者：郭萌张会星刘明珠
发表期刊：石油物探 2020年5期
关键词：地震数据重构地震数据去噪压缩感知双重Bregman迭代傅里叶变换地震数据插值线性Bregman迭代稀疏变换
摘要：受采集环境、成本及设备等因素的影响,野外采集的地震数据往往存在缺失道和噪声干扰,快速有效的迭代插值方法对地震数据重构与去噪技术具有重要的实际意义.针对含有随机噪声的缺道地震数据,根据压缩感知理论,提出了一种基于双重Bregman迭代的地震数据重构与去噪方法.首先对含有随机噪声的缺道地震数据通过傅里叶变换进行稀疏表示,选取掩膜算子作为观测矩阵,然后将Bregman迭代重构算法作为外部迭代,分裂Bregman迭代去噪算法作为内部迭代,两者…查看全部>>

12 >