-
题名基于改进DnCNN的混合震源数据分离研究
- 1
-
-
作者
张翠军
胡家昕
魏亚杰
王振凯
王承伟
曹静杰
-
机构
河北地质大学图书馆
河北地质大学人工智能与机器学习研究室
河北地质大学信息工程学院
河北地质大学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
-
出处
《河北地质大学学报》
2022年第6期41-48,共8页
-
基金
河北省自然科学基金(F2020403030)
河北省高等学校科学技术研究项目(QN2021206)
+2 种基金
河北省高校基本科研业务费(QN202225)
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)。
-
文摘
混合震源采集作为地震勘探中的一种新方法,具有采集效率高、勘探成本低等优点,但采集过程中会引入混合震源叠加噪声,影响后续数据处理和解释。混合震源数据分离方法能够压制混叠噪声,将混合震源数据分离成常规地震数据。传统混合震源分离方法参数选择困难,计算成本高,而基于深度学习的混合震源分离方法人工依赖性低、训练完毕后计算速度快,是目前研究的热点。论文提出一种改进DnCNN的混合震源数据分离方法,针对训练过程中出现的过拟合、损失曲线震荡等问题,引入失活机制、混合空洞卷积等机制进行改进,学习混叠噪声特征,对含噪数据进行降噪,最终实现混合震源数据分离。实验结果表明,改进DnCNN模型对混叠噪声降噪效果良好,混合震源数据分离结果清晰,且训练过程的稳定性得到提高。
-
关键词
混合震源数据分离
混叠噪声
深度学习
DnCNN
-
Keywords
simultaneous-source data deblending
blending noise
deep learning
DnCNN
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-