科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于深度学习的地震数据噪声压制方法是当前地震数据去噪处理的重要方向。深度学习方法突破了传统滤波处理的局限，在对常规地震数据的噪声压制中表现出效率高、信噪分离效果好的特点。但针对深部弱有效反射数据，当前的深度学习方法特征提取能力有限，难以取得较好的去噪效果。笔者等结合深反射地震数据特点，针对当前深度学习噪声压制方法在特征提取及对数据集依赖上的局限，提出了基于注意力循环生成对抗网络（Attention Cycle-Consistent Generative Adversarial Networks,A-CGAN）的深反射地震数据随机噪声压制方法。借助循环一致生成对抗网络（Cycle-Consistent Generative Adversarial Networks,Cycle-GAN）的域映射思想，降低对数据集的要求。为了构建适用于深反射地震数据的去噪网络，从3个方面对Cycle-GAN进行改进：在Cycle-GAN的生成器（去噪器）中加入残差结构和注意力机制，用于加深网络深度和提高其特征提取能力；在Cycle-GAN的鉴别器中使用块判决，提高鉴别精度和准确度；在损失函数部分加入感知一致性损失函数，提升网络模型恢复纹理细节信息的能力。通过合成地震数据和实际深反射地震数据测试，验证了优化算法的有效性，体现了良好的应用价值。
-
单位中国地质科学院; 北京信息科技大学
