本發明公開了一種基于殘差塊全卷積神經網絡的數據噪聲壓制方法。應用深度學習方法壓制地震噪聲的訓練集和測試集均來自同一數據集,使得模型的泛化性受限。為解決泛化性問題,網絡結構的設計思想是在Unet網絡的基礎上融合二重殘差塊,以增強網絡對隨機噪聲的捕獲能力。本發明建立在端到端的編碼?解碼的網絡結構上,將含噪的地震數據作為輸入,由多個卷積層和殘差塊提取隨機噪聲的本質特征,構成編碼;再由多個反卷積層和殘差塊構成解碼,網絡的輸出即為噪聲壓制后的地震數據。與目前地震資料去噪方法對比,由于融合了二重殘差塊從而對提取的隨機噪聲特征進行了二次消化學習,對噪聲的本質特征學習地更為充分,所以在泛化性上具備明顯的優勢,不僅可以有效地壓制隨機噪聲,還可以保護有效信號。
聲明:
“基于殘差塊全卷積神經網絡的數據噪聲壓制方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)