Knowledge Resource Center for Ecological Environment in Arid Area
| DOI | 10.27162/d.cnki.gjlin.2021.004654 |
| 基于DnResNeXt网络的沙漠地震噪声压制方法研究 | |
| 姚海洋 | |
| 出版年 | 2021 |
| 学位类型 | 硕士 |
| 学位授予单位 | 吉林大学 |
| 中文摘要 | 通过地震勘探可以得到很多地质结构信息,得到的这些地质结构信息对油气资源的勘探与开采非常重要。尤其是石油、天然气等不可再生资源,随着人类社会的进步,这些资源的需求量日益扩大。常规的油气藏区等易于采集到的油气资源日益减少且面临匮乏。因此,常规的油气资源开采已经不能满足现代人类和社会对其日益增加的需要,非常规油气资源开采也已成为了热点。与常规的油气资源开采相比,非常规的油气资源往往开采的难度更大,而且其周围环境也更加复杂。因此我们采集得到的大量地震数据都会伴有强烈的噪声,数据信噪比(signalto-noise ratio,SNR)会变得极低,给我们后续进行地震记录解释工作带来了重大困难,因此,我们需要解决的一个问题是如何去除这些地震记录中的强烈噪声,恢复有效的信号,提高地震数据的准确性和信噪比。本文主要将目光聚焦于沙漠地区,因为沙漠地区含有大量未被利用的油气资源,成功勘探将具有重大意义。众所周知,沙漠地区的环境极其恶劣,抛开开采难度不说,采集到的地震记录也会被噪声严重污染,这对沙漠地区的地震勘探带来巨大挑战。沙漠噪声具有低频、非高斯、非平稳、高能量、频谱混叠严重等特点。因此,从沙漠地震记录中消除噪声是一个巨大的挑战。地震勘探噪声压制方法发展至今,国内外诸多学者已经提出很多优秀的算法,如带通滤波器(BP),时频峰值滤波,自适应滤波,Radon变换,小波变换,Shearlet变换。这些典型的算法被应用于地震信号处理领域中,虽然在消减随机噪声方面有一定的效果,但是处理更加复杂的沙漠噪声效果并不理想,经典算法仍需改进。基于上述问题,我们提出了一个新的网络DnResNeXt来处理沙漠地震记录。在结构提升方面,DnResNeXt使用跳跃连接、残差学习以及分组卷积,这可以比Dn CNN网络或RED提取和传递更多的特征信息。在卷积神经网络处理图片数据时批量归一化层是不可或缺的,它被用来防止梯度爆炸或梯度消失。但是,我们的网络不需要应用批量归一化层,这样,DnResNeXt可以直接提取沙漠噪声数据的原始的数据特征。算法的流程如下:首先,我们构建高质量的训练集,包括有效信号集和噪声集。然后我们使用训练集来训练DnResNeXt网络。最后,用训练好的模型来处理沙漠地震记录。然后用含噪记录减去网络的输出(预测结果)就可以得到去噪后的信号。在模拟和实际沙漠地震记录处理中,将本文提出的方法与经典的方法作对比,并从时域、频域、信噪比提升以及均方误差(MSE)等多方面进行考察。可以看出无论在模拟记录还是实际记录,本文方法的性能要远优于传统的噪声压制方法。本文方法的去噪结果中有效信号被清晰连续地恢复出来,噪声得到了最大程度的抑制,获得了较大的信噪比提升,这些充分证明了本文方法的有效性,在处理沙漠地震记录上较传统方法有巨大优势。 |
| 中文关键词 | 卷积神经网络 ; 深度学习 ; 残差学习 ; 地震勘探 ; 沙漠噪声 ; 去噪 |
| 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/2XILL650/373157 |
| 作者单位 | 吉林大学 |
| 推荐引用方式 GB/T 7714 | 姚海洋. 基于DnResNeXt网络的沙漠地震噪声压制方法研究[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 |
| [姚海洋]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [姚海洋]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [姚海洋]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。
