基于分块字典学习理论的地震数据去噪

随着油气勘探观测环境愈发复杂,采集的地震数据常常掺杂各种噪声信号,导致勘探目标引起的有效微弱信号被覆盖,严重影响高精度的地震勘探数据解译,因而有效的压制地震勘探数据噪声显得越发重要。本文采用字典学习策略,将复杂地震数据进行分块,通过分块数据的字典学习获取字典原子,构建高精度的字典学习地震数据稀疏表示,通过两次迭代更新字典原子,进行数据去噪。将本文的字典学习算法应用于含随机噪声的模拟数据和实测地震勘探数据处理,验证该算法的可行性及有效性。结果表明,本文算法有效去除了随机噪声,保留了有效信号同相轴,提高了信噪比,可为复杂含噪地震数据的去噪处理提供新的技术手段。

瞬变电磁数据交叉型组合域去噪技术研究与应用

高效的瞬变电磁数据处理对后续的精确地质解译具有决定性的作用,而数据信号的去噪是数据处理环节的重中之重.时频分析方法是当前广泛应用于瞬变电磁数据处理去噪领域的主要方法技术,但其基本是单域方法的应用探索,各自单域方法实际应用效果不尽人意.本文基于曲波变换、小波变换及高阶相关统计技术,进行了交叉型组合域瞬变电磁数据去噪技术的研究与探索.通过引入高阶相关统计理论提供自适应的阈值函数、采用小波变换进行残留噪声成分小波系数分解,结合曲波变换正反过程实现交叉型组合域去噪技术.设计了包含随机噪声、相关噪声的数值模拟合成数据去噪算例验证了本文方法的可行性.将本文方法应用于两个实测数据去噪分析,表明本文方法可有效解决不同复杂程度的含噪声瞬变电磁数据去噪领域.研究成果为瞬变电磁高精度数据处理提供了新的技术手段.