-
题名基于一种注意力机制U-Net的地震数据去噪方法
- 1
-
-
作者
曹静杰
高康富
许银坡
王乃建
张纯
朱跃飞
-
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
河北地质大学河北省战略性关键矿产资源重点实验室
河北地质大学地球科学学院
东方地球物理公司采集技术中心
中国矿业大学(北京)地球科学与测量工程学院
-
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2024年第4期724-735,共12页
-
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)
+2 种基金
“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。
-
文摘
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。
-
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
-
Keywords
seismic exploration
deep learning
U⁃Net
seismic data denoising
neural network
-
分类号
P631
[天文地球—地质矿产勘探]
-
-
题名一种基于双调和样条插值的完全非规则地震数据重建
被引量:2
- 2
-
-
作者
许昌昊
曹静杰
高康富
蔡志成
-
机构
河北地质大学数理学院
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
河北省战略性关键矿产资源重点实验室
-
出处
《河北地质大学学报》
2023年第2期44-51,共8页
-
基金
国家自然科学基金项目(41974166)
河北省自然科学基金(D2021403010)
+2 种基金
河北省“三三三人才工程”项目(A202005009)
河北地质大学科技创新团队项目(KJCXTD202106)
河北省自然资源厅项目“城市地下空间地震探测与数据处理技术研究”。
-
文摘
在地震勘探过程中,由于地形、环境等影响,采集到的地震数据常常是不规则且不完整的,这会对后续地震数据的处理造成不良影响,因此地震数据重建是一个常用的处理手段。目前已经发展了多种地震数据重建方法,大部分的地震数据的重建工作都是建立在一个规则网格上进行,而对于完全非规则地震数据的重建研究较少。本文基于双调和样条插值的方法提出了一种非规则地震数据重建方法,通过求取一个能够通过n个点的双调和样条函数,将残缺的且非规则的地震数据插值到规则的网格中,从而得到完整的地震数据。本文进一步提出了分块插值的思想,在插值之前将每一时间或频率切片进行分块,对每一块分别进行插值。此方法改善了插值对内存需求过大的弊端,并极大的提高了计算效率。通过合成地震数据进行测试,实验证明了提出的双调和样条插值方法的插值效果。
-
关键词
非规则地震数据
插值
双调和样条
重建
-
Keywords
irregular seismic data
interpolation
biharmonic spline
reconstruction
-
分类号
P631.4
[天文地球—地质矿产勘探]
-