科研之友
微信
新浪微博
Facebook
分享链接
摘要
地震勘探是油气和矿产资源开发领域使用最为广泛的物探方法之一.由于采集条件的限制，地震记录中通常混杂有大量的随机噪声，导致勘探资料普遍信噪比(Signal-to-Noise Ratio, SNR)较低，这严重影响有效信号辨识的精度，为后续反演、解释等工作带来巨大挑战.此外，地震勘探随机噪声通常具有非平稳、非高斯和与信号存在频带混叠等复杂特性，导致传统方法在处理复杂勘探记录时，消噪性能可能发生退化.针对复杂勘探随机噪声消减问题，本文提出了一种新型的双层多尺度特征融合去噪网络(Double-layer Multi-scale Feature Fusion Denoising Network, DMFF-Net).该网络具有多尺度网络结构，利用多分支模块提取勘探数据不同尺度和不同分支的潜在特征，提升网络对于勘探记录复杂特征的学习能力.同时，采用跳跃连接实现浅层和深层信息的融合，提升网络对微弱信号的恢复能力.模拟和实际资料处理结果表明，相较传统地震勘探资料消噪方法而言，DMFF-Net可以更加有效地压制随机噪声，完整恢复有效信号，显著提升地震资料信噪比，在信号保幅性和微弱信号恢复能力方面更具优势.
- 单位
