一种基于改进门控循环单元的叠前时变子波提取方法

子波的精确提取是地震勘探后续反演与成像的前提,针对传统时变子波提取方法受到的各类假设限制,且需分别提取子波振幅谱与相位谱的问题,本文提出了一种基于改进门控循环单元(GRU)网络的叠前时变地震子波提取方法.根据实际叠前地震数据分布特征与非平稳性质,本方法首先建立非平稳地震记录与添加随机噪声的时变子波训练数据集;为对提取出的时序特征进行拓展,提升传统GRU网络对长时序列的处理能力,本方法搭建起含多层GRU模块与全连接神经网络的改进门控循环单元网络模型;利用建立的训练数据集对网络模型进行训练使网络具备提取时变子波的能力;为提高训练效率与提取精度,本方法在训练的反向传播过程中应用自定义WaveLoss损失函数衡量误差,最终实现叠前时变子波的估计.经合成数据仿真实验与不同方法对比验证,本文提出的叠前时变子波提取方法具有更高的准确度;经对中国西部不同地区实际叠前地震资料处理与反褶积验证分析,该方法可有效提高目标区叠前地震剖面分辨率.

步长自适应ICA在地震信号去噪中的应用

提出一种基于改进相对梯度独立分量分析(ICA)的叠前地震信号去噪方法。建立ICA的步长函数与信号相依性测度之间的非线性关系,根据信号的分离状态自适应调节步长函数;在分离矩阵的更新公式中引入动量项,削弱步长函数快速减小对分离矩阵更新的影响;将改进ICA模型应用于叠前地震信号去噪处理中。实验结果表明,改进的变步长ICA算法可以有效地压制叠前地震记录中的随机噪声,并且能很好地保护有效地震信号。