| 基于改进DnCNN的混合震源数据分离研究 |
| |
| 引用本文： | 张翠军,胡家昕,魏亚杰,王振凯,王承伟,曹静杰.基于改进DnCNN的混合震源数据分离研究[J].石家庄经济学院学报,2022(6):41-48. |
| |
| 作者姓名： | 张翠军 胡家昕 魏亚杰 王振凯 王承伟 曹静杰 |
| |
| 作者单位： | 1. 河北地质大学图书馆;2. 河北地质大学人工智能与机器学习研究室;3. 河北地质大学信息工程学院;4. 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;5. 河北地质大学河北省战略性关键矿产资源重点实验室 |
| |
| 基金项目： | 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)； |
| |
| 摘 要： | 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 |
|
|
