基于DMFF-Net的地震随机噪声压制新技术

学术精汇

作者：

钟铁5 1 陈云1 董新桐2 李月3 杨宝俊4 卢绍平*6

作者单位：

1. 东北电力大学通信工程系2. 吉林大学仪器科学与电气工程学院3. 吉林大学通信工程学院4. 吉林大学地球探测与信息技术学院5. 现代电力系统仿真控制与绿色电能新技术教育部重点实验室6. 中山大学地球科学与工程学院,南方海洋科学与工程广东省实验室

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.

关键词：

地震勘探低信噪比卷积神经网络多尺度特征融合噪声消减随机噪声

刊期：

2022，11（65）

所属栏目：

应用地球物理学

基金资助：

国家自然科学基金重点项目(41730422),国家自然科学基金(42074123),博士后创新人才支持计划(BX2021111),吉林省教育厅科学技术研究规划项目(JJKH20210094KJ)

分类号：

P631

DOI：

10.6038/cjg2022P0613

页数：

页码：

4418-4432

来源期刊

地球物理学报