科研之友
微信
新浪微博
Facebook
分享链接
摘要
双相移谐波压制滤波方法是在传统相移法滤波的基础上加以改进，能够应用于噪声、滑动扫描信号等复杂信号的一种新型谐波去除方法，但该方法在应用于实际资料时由于需要基波的时段信息和频段信息，而人工处理不仅耗费大量精力、效率低下，且精度不高。因此，本文将深度学习和谐波压制相结合，提出基于AR2U-Net的双相移谐波压制滤波方法，其中AR2U-Net神经网络是在传统U-Net神经网络中加入了注意门结构与递归残差块，使得网络在节省参数数量、简化计算复杂度的同时，提高了预测精度并强化了网络性能。本文AR2U-Net神经网络结构的输入为可控震源滑动扫描地震数据，输出为双相移法进行谐波压制所需要的基波信号的频率随时间的变化图，通过该图得到其相移曲线并使用双相移法还原基波信号。使用正演模拟构建了网络的训练集和测试集，训练过程中使用更平滑的Log-Cosh损失函数监控网络性能，并在训练集和测试集中分别与传统U-Net神经网络进行对比，验证了AR2U-Net的优良性能。将AR2U-Net与双相移法相结合应用于实际数据中，表明该方法滤除效果可以得到保证，具有一定的推广价值。
- 单位
