[發明專利]一種聯合深度學習的地震數據隨機噪聲壓制方法

有效

• 申請號: 202010134754.1
• 申請日: 2020-02-27
• 公開（公告）號: CN111368710B
• 公開（公告）日: 2022-03-04
• 發明（設計）人: 張巖;李新月;王斌;聶永丹;唐國維;趙建民;李井輝
• 申請（專利權）人: 東北石油大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06N3/04;G06N3/08;G01V1/30
• 代理公司: 大慶禹奧專利事務所 23208
• 代理人: 朱士文;楊曉梅

本發明屬于地球科學技術領域，具體涉及一種聯合深度學習的地震數據隨機噪聲壓制方法，該方法的步驟為1、訓練數據集預處理；2、樣本標簽準備；3、設計聯合學習模型G的網絡結構；4、設計損失函數；5、訓練并保存網絡模型；6、測試網絡模型性能。通過波原子變換對地震數據波前紋理特征進行有效地稀疏表示，獲取波原子域地震數據的紋理特征；將含噪聲地震數據作為輸入，波原子域數據和實際不含噪聲數據的特征作為標簽，構建空間域與波原子域聯合深度學習網絡結構。通過聯合學習的方案解決地震數據特征提取不充分的問題，提高噪聲壓制效果。將空間域和波原子域的特征相結合，利用空間域與波原子域聯合深度學習技術去除地震數據隨機噪聲。

技術領域：

本發明屬于地球科學技術領域，具體涉及一種聯合深度學習的地震數據隨機噪聲壓制方法。

背景技術：

在大數據與人工智能等技術迅猛發展的信息時代，各個行業涌現出一批新穎、有效的處理方法，地震數據處理領域也在積極融合新技術解決傳統方法的問題。隨著油氣勘探范圍的不斷擴大，惡劣環境和復雜地質構造會對地震資料的獲取產生不利的影響，隨機噪聲壓制是地震資料數據處理的基礎性工作，旨在提升地震數據的信噪比和分辨率，以提高后續地震數據處理、解釋的速度和精度。

現有的地震數據隨機噪聲方法主要可以劃分為：基于模型的去噪和基于數據驅動的去噪。基于模型的地震數據去噪方法通常建立數據的分布模型，根據分布模型來預測包含噪聲數據的真實情況，其又可以劃分為空間域和變換域兩類手段，空間域的去噪方法中主要有均值濾波法和高斯濾波法等，基本原理為利用地震數據時域分布的特點構建濾波函數，以去除噪聲數據。發展變換域的去噪方法的原因在于，很多情況下，僅僅從空間域的角度分析還不足以充分提取數據的主要特征，常用的變換方法有傅里葉變換，Radon變換，T-P變換，離散余弦變換，K-L變換法，小波變換等，實現的基本原理是在變換域中分析變換系數的一般特點，建立分布模型、去除變換域的噪聲系數，然后反變換回時域以達到去噪的目的。

基于數據驅動的地震數據去噪方法則根據樣本數據的特點，通過自適應學習的方式獲得樣本數據的特征，根據學習得到的主要特征來表示地震數據，其可以劃分為淺層學習和深度學習兩大類。在淺層學習中具有代表性的是學習型超完備字典方法，可以通過對待處理數據的學習和訓練，自適應地調整變換基函數，以適應特定數據本身，因此可以更充分地稀疏表示地震數據。其中最有代表性的是基于K-SVD的超完備字典學習的去噪方法，基本思想是將地震數據劃分成多個一定尺寸的塊，每一個數據塊作為一個訓練樣本，將字典的學習訓練和目標信號的去噪結合起來，建立稀疏約束正則化模型，通過匹配追蹤算法交替調整字典與稀疏編碼系數，在構造學習型超完備字典和對信號超完備稀疏表示的同時壓制噪聲，由于此類方法學習得到的特征是一種數據的表示基函數或者叫做原子，待處理的數據可以表示為字典中若干個原子的線性組合，因此此類特征可以認為是一種淺層的特征，此類方法亦可以稱為淺層的學習方法。近年來隨著大數據、人工智能的發展和GPU等硬件協助加速的性能越來越高，深度學習通過增加神經網絡的層數，可以得到樣本數據更深層次的特征，在計算機視覺領域得到了突破性的效果，同時在地震數據處理也逐漸得到關注。當前基于深度學習的去噪方法通常采用殘差學習、降噪自編碼、生成對抗網絡等技術，實現的基本原理是利用大量的樣本覆蓋待處理數據的特征，通過多層卷積的方式提取數據空間域的特征，然后采用深度學習的分線性逼近能力調整網絡的參數，從而建立一個復雜的去噪模型，用于去除待處理數據的噪聲。

現有地震數據隨機噪聲壓制方法中，基于模型的方法，在空間域處理中不能很好地保護地震數據的細節，去噪的同時也破壞了地震數據同向軸的細節部分；頻域處理方法的問題在于很難找到一個合適的頻率將噪聲和信號完全分離，導致在有效信號和噪聲之間的頻率重疊區域，不能徹底去除噪聲。基于數據驅動中的字典學習方法往往具有較高的計算復雜度，并且在紋理復雜區域效果不理想；而當前基于深度學習的地震數據去噪方法，雖然顯示出比上述方法有效的效果，但通常僅關注空間域，或者傳統變換域(如小波域)的特征提取，而忽略了地震數據在多尺度幾何變換域的特征，因此在地震數據能量較弱的區域無法僅根據有限的特征來判別真實數據和噪聲數據，結果導致局部過平滑的現象。

發明內容：