Knowledge Resource Center for Ecological Environment in Arid Area
| DOI | 10.27162/d.cnki.gjlin.2021.002406 |
| 基于可训练非线性反应扩散网络的地震背景噪声压制 | |
| 贾楠 | |
| 出版年 | 2021 |
| 学位类型 | 硕士 |
| 学位授予单位 | 吉林大学 |
| 中文摘要 | 地震勘探技术是矿产资源探测领域的主要技术手段,利用检波器采集人工地震波信号,根据接收到的地震勘探数据,可以探明地质结构,用于寻找石油、天然气等矿产资源。近年来由于对油气资源的消耗逐渐增加,常规油气藏的储量明显下降,所以使对储量丰富的非常规油气藏的开采变得尤为重要。非常规油气藏所处地区的自然环境及地质条件极其复杂,检波器接收到的地震勘探数据中有效信号能量极其微弱,背景噪声干扰能量极强,以致地震数据信噪比极低。尤其是沙漠地区的地震勘探数据,有效同相轴信号和背景噪声都分布在低频带,所以频谱混叠导致大量的有效信号被低频背景噪声淹没。因此压制低频背景噪声,提取有效同相轴信号,恢复有效同相轴信号的连续性,提高地震勘探数据信噪比等问题是地震信号处理领域的关键和难点问题。由于沙漠背景噪声具有非平稳、非高斯和低频等复杂特性,导致传统的滤波器滤波方法以及时频域变换结合阈值的滤波方法在压制低频沙漠背景噪声的同时,会造成有效同相轴信号的能量和幅值衰减,无法实现高信噪比和高保幅性要求。而近年来,深度学习方法和矩阵低秩分解算法已经成为各个领域的研究热点,所以本文针对上述问题,为了实现在压制低频沙漠背景噪声的同时有效同相轴信号无衰减,本文设计了应用鲁棒主成分分析(Robust Principle Component Analysis,RPCA)算法,辅助可训练非线性反应扩散网络(Trainable Nonlinear Reaction Diffusion,TNRD)的压制低频沙漠背景噪声的新方法R-TNRD。RPCA算法是稀疏表示理论在矩阵上的推广,所以RPCA具有非常良好的稀疏表示特性。与普通陆地微地震信号和井中微地震信号所包含的随机噪声主要是高斯白噪声不同,低频沙漠背景噪声具有非高斯特性,所以经典PCA矩阵分解算法不适用,而RPCA算法无需假设噪声满足高斯分布,是一种非常有效的矩阵分解算法。它可以将输入的含噪沙漠地震数据在最优化准则下表示为两个矩阵相加,一个矩阵被称为低秩矩阵,另一个矩阵被称为稀疏矩阵。将含噪沙漠地震数据在时域应用RPCA算法分解为两个矩阵后,由于低频沙漠背景噪声能量极强且有效信号和噪声频谱混叠严重,所以无法应用传统滤波器和阈值对分解得到的两个矩阵进行滤波处理,因此本文提出将TNRD网络模型引入到沙漠地震数据去噪中,用于精确提取有效同相轴信号。TNRD 网络模型是一种深度学习网络,此网络是基于偏微分方程的,通过一系列的线性滤波器和影响函数对输入数据进行卷积操作,利用损失函数和沙漠地震数据训练集控制网络训练,进而可以自动学习得到网络的最优去噪参数,从而构建适合沙漠地震数据去噪的TNRD网络模型。利用训练好的网络模型,对分解得到的两个矩阵进行去噪处理,可以实现压制低频沙漠背景噪声的目的。在本文的最后实验部分,我们将本文提出的R-TNRD方法应用于模拟沙漠地震数据去噪和实际沙漠地震数据去噪,实验结果证明本文算法去噪效果非常好,并将本文算法与传统滤波方法进行比较,对比实验结果表明本文方法可以比其他传统方法更有效的压制低频沙漠背景噪声,而且有效信号的能量损失最小。 |
| 中文关键词 | 地震勘探 ; 低频背景噪声压制 ; 有效信号恢复 ; 鲁棒主成分分析 ; 偏微分方程 ; 可训练非线性反应扩散网络模型 |
| 语种 | 中文 |
| 国家 | 中国 |
| 中图法分类号 | P631.4 |
| 资源类型 | 学位论文 |
| 条目标识符 | http://119.78.100.177/qdio/handle/2XILL650/373155 |
| 作者单位 | 吉林大学 |
| 推荐引用方式 GB/T 7714 | 贾楠. 基于可训练非线性反应扩散网络的地震背景噪声压制[D]. 吉林大学,2021. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [贾楠]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [贾楠]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [贾楠]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
