科研之友
微信
新浪微博
Facebook
分享链接
摘要
海上地震数据中常见强振幅条带状低频涌浪噪声干扰,常规的高通滤波算法往往会造成低频有效信息的严重损伤。为高精度剔除涌浪噪声并且有效保护低频信息,本文将Dn CNN的残差学习策略引入至U-Net神经网络,通过批标准化、跳跃连接等处理手段,构建了具备一定的泛化性的U-Net神经网络,其可实现低频涌浪噪声的高精度剔除。数值模型数据和实际数据的去噪实验均表明:该网络具备高效学习能力,噪音剔除精度高,且避免了常规神经网络方法对模型数据的过拟合,具有一定泛化性,同时可有效保护低频信息。相比于目前工业界常用的高通滤波方法,基于U-Net神经网络的涌浪剔除算法能够在高精度剔除低频涌浪干扰的同时,有效地保护低频信息,这对于后续的保幅成像以及全波形反演等处理具有重要意义。
-
单位国家深海基地管理中心; 中国海洋大学
