隧道凿岩台车钻孔震源实测信号具有数据杂乱、噪声干扰严重及偶发性采集异常等特点,难以直接用于模拟数据训练后的神经网络模型.针对这一问题,首先基于U-Net去噪神经网络,将互相关、Automatic Gain Control(AGC)和归一化处理作为U-Net...隧道凿岩台车钻孔震源实测信号具有数据杂乱、噪声干扰严重及偶发性采集异常等特点,难以直接用于模拟数据训练后的神经网络模型.针对这一问题,首先基于U-Net去噪神经网络,将互相关、Automatic Gain Control(AGC)和归一化处理作为U-Net神经网络的预处理层,开展信号降噪处理,有效提升了凿岩台车含噪钻孔震源与无噪地震记录间复杂映射关系的拟合效果.然后,构建了基于Generative Adversarial Nets(GAN)的对抗式迁移学习神经网络,将隧道的真实地震数据进行迁移,实现了真实数据在已训练完成的U-Net去噪神经网络中的有效应用.最后,依托实际工程对该方法进行评价.结果表明,采用提出的去噪方法,可有效去除地震记录中的噪声干扰,探测结果与实际开挖情况基本吻合,初步验证了该方法的可行性与有效性.展开更多
文摘隧道凿岩台车钻孔震源实测信号具有数据杂乱、噪声干扰严重及偶发性采集异常等特点,难以直接用于模拟数据训练后的神经网络模型.针对这一问题,首先基于U-Net去噪神经网络,将互相关、Automatic Gain Control(AGC)和归一化处理作为U-Net神经网络的预处理层,开展信号降噪处理,有效提升了凿岩台车含噪钻孔震源与无噪地震记录间复杂映射关系的拟合效果.然后,构建了基于Generative Adversarial Nets(GAN)的对抗式迁移学习神经网络,将隧道的真实地震数据进行迁移,实现了真实数据在已训练完成的U-Net去噪神经网络中的有效应用.最后,依托实际工程对该方法进行评价.结果表明,采用提出的去噪方法,可有效去除地震记录中的噪声干扰,探测结果与实际开挖情况基本吻合,初步验证了该方法的可行性与有效性.