基于迭代数据增强的自监督叠前地震随机噪声压制方法

构造含噪声-纯净训练样本集是制约深度学习去噪的主要瓶颈之一.提出一种基于迭代数据增强的自监督叠前地震随机噪声压制方法,仅利用含噪声样本训练深度神经网络.该方法首先利用多元回归算法估计共偏移距道集随机噪声,再与含噪声样本叠加构造强噪声样本.以skip网络为模型,每次迭代分为2步:(1)以强噪声样本为输入,由上一次迭代优化模型预测弱噪声样本;(2)构造新的强噪声-弱噪声样本集,以监督学习策略优化网络模型.算法的优势为:(1)利用共偏移距道集平缓同相轴特征,能有效估计与实际噪声近似同分布的噪声样本;(2)随着迭代次数增加,弱噪声样本更加接近实际纯净样本,去噪结果接近监督学习;(3)迭代数据增强策略实现了数据增广,增加样本数量,避免过拟合.模拟和实际地震数据试算结果表明,所提算法具有较好的应用效果.