基于一种注意力机制U-Net的地震数据去噪方法

作     者：曹静杰 高康富 许银坡 王乃建 张纯 朱跃飞 CAO Jingjie;GAO Kangfu;XU Yinpo;WANG Naijian;ZHANG Chun;ZHU Yuefei

作者机构：河北地质大学自然资源部京津冀城市群地下空间智能探测与装备重点实验室河北石家庄050031 河北地质大学河北省战略性关键矿产资源重点实验室河北石家庄050031 河北地质大学地球科学学院河北石家庄050031 东方地球物理公司采集技术中心河北涿州072751 中国矿业大学(北京)地球科学与测量工程学院北京100083 

基　　金：国家自然科学基金项目“面向城市地质的三维地震勘探压缩感知采集设计与数据重建研究”(41974166) 河北省自然科学基金项目“基于深度学习和模型驱动的地震数据重建方法研究”(D2021403010) “黏弹介质逆时偏移成像研究”(D2021403040) 河北省自然资源厅项目“基于光纤传感的地下空间智能监测方法与应用” 河北地质大学科技创新团队项目“地震信号处理与应用团队”(KJCXTD202106)联合资助 

出 版 物：《石油地球物理勘探》 (Oil Geophysical Prospecting)

年 卷 期：2024年第59卷第4期

页      码：724-735页

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AM模块,构建了一种具有注意力功能的U型网络(AU-Net),并将其运用到地震数据去噪。为解决去噪过程中产生的边界效应,使用膨胀填充的方法对数据进行切分,该方法通用性较高,可以用于其他网络模型。AU-Net和U-Net的去噪试验结果表明:AU-Net网络去噪的效果比U-Net更好,可更好地保留弱信号;同时,通过迁移学习使AU-Net去噪方法更具适应性。

主 题 词：地震勘探 深度学习 U型网络 地震数据去噪 神经网络 

学科分类：081801[081801] 081802[081802] 08[工学] 0818[工学-交通运输类] 

核心收录：

D　O　I：10.13810/j.cnki.issn.1000-7210.2024.04.011

馆 藏 号：203138105...