加权全变分正则化与ADMM求解的无监督地震数据随机噪声压制方法

学术精汇

百科精选

作者：

王婧2 陈睿1 马小琴2 吴帮玉2

作者单位：

1. 兰州市体育运动学校2. 西安交通大学数学与统计学院

摘要：

噪声压制是地震数据处理中的一个至关重要的环节。近年来，随着深度学习的蓬勃发展，其在地震数据中的应用取得显著成效。在实际应用中，收集大量带标签的地震数据（无噪数据）是困难的，为此，基于无监督的深度图像先验（DIP）框架压制二维地震数据随机噪声。首先，探索跳跃连接对网络去噪性能的影响，确定网络架构；其次，在损失函数中加入加权全变分（WTV）正则项，与传统的全变分（TV）正则项所不同的是，WTV正则项的权重系数不再是固定不变的超参数，而是与数据空间结构有关的可学习参数；最后，通过交替方向乘子法（ADMM）求解该优化问题。合成和实际数据实验表明，结合WTV正则项与ADMM的DIP方法可以在压制地震数据随机噪声的同时减少有效信号损失，且相较于DIP方法去噪稳定性更好，相邻迭代拟合信号峰值信噪比波动小，较易制定早停准则，更实用。

关键词：

地震数据去噪无监督学习跳跃连接WTV正则化ADMM

刊期：

2023，4（58）

所属栏目：

智能地球物理

基金资助：

陕西省自然科学基础研究计划面上项目“地震波震源波场本征正交分解模型降阶高效重建方法”(2023-JC-YB-269),国家自然科学基金项目“微地震监测复杂结构偏移成像与速度建模研究”(41974122)

分类号：

P631

DOI：

10.13810/j.cnki.issn.1000-7210.2023.04.005

页数：

页码：

766-779,800

来源期刊

石油地球物理勘探