Knowledge Resource Center for Ecological Environment in Arid Area
| DOI | 10.27162/d.cnki.gjlin.2021.004532 |
| 基于多级小波卷积神经网络的沙漠地震随机噪声消减 | |
| 鞠汉青 | |
| 出版年 | 2021 |
| 学位类型 | 硕士 |
| 学位授予单位 | 吉林大学 |
| 中文摘要 | 由于科技的发展和时代的进步,对石油和天然气的需求量变得越来越大,而目前可探明的易于开采的油气储备已经基本勘测完毕,因此对于环境复杂、难于开采而油气储备又比较丰富的地区的勘探已经成为目前地震勘探的重点。沙漠地区往往蕴藏着丰富的油气资源,在我国新疆的塔里木地区就蕴含的丰富的石油和天然气资源,所以对该地区的勘探和地质结构分析同时了解内部油气分布变得十分重要。然而经过勘测发现在该地区获取的地震记录里面往往有大量的随机噪声的干扰,而高信噪比的地震资料是解析、研究地层结构及属性分析等诸多研究的前提,所以提高地震信噪比是地震信号处理的一个重要的环节,目前有一些方法可以一定压制沙漠地震信号中的随机噪声,但是由于沙漠地震噪声的复杂性和不稳定性,导致这些方法处理的效果不稳定,并且有一些参数需要手动调节,所以往往使用这些方法会出现噪声压制不彻底、有效信号保幅性差等缺点,所以这些方法很难满足现代高精度探测的需求,我们迫切的需要一种更好的、适用广泛的去除随机噪声的方法。根据上述问题,本文引用多级小波卷积神经网络,多级小波卷积神经网络是将二维离散小波变换和卷积神经网络的结合,使用二维离散小波变换替代U型网络的池化层和上卷积,因为U型网络的池化层虽然会减少训练难度和增大感受野,但是会导致信息丢失,从而影响去噪效果。而二维小波卷积神经不仅可以实现和池化层相似的效果,同时由于其正交特性可以无损恢复数据,这样实现感受野和计算效率之间的权衡。感受野的增大使其能获得同相轴更多的整体信息,与此同时相对于其他的神经网络,多级小波卷积神经网络增大感受野同时也没有增大训练难度。这里通过对多级小波卷积神经网络的训练集和结构的调整,使它适用于沙漠地震信号中随机噪声的压制。同时也通过大量的实验证明的多级小波卷积神经网络的优势,无论从模拟记录的整体去噪结果、F-K谱图还是单道效果上,多级小波卷积神经网络都实现了很好的去噪效果;同时优势也体现在去噪通用性上,相对于传统的带通滤波器、f-x域预测滤波、小波变换和经验模态分解面对不同强度的随机噪声处理效果的差异巨大,多级小波卷积神经网络面对不同强度的随机噪声都表现出良好的压制效果和稳定性,并且在面对噪声强度比较大的情况,信噪比可以由-11.255d B提升到16.235d B;处理实际记录中,在去除随机噪声和幅度保持方面都表现优秀,与此同时训练后的多级小波卷积神经网络还有去除面波的效果,所以对同相轴淹没在面波中的地震记录,多级小波卷积神经网络也能实现很好的去噪效果。 |
| 中文关键词 | 地震勘探 ; 神经网络 ; 随机噪声 ; 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/2XILL650/373158 |
| 作者单位 | 吉林大学 |
| 推荐引用方式 GB/T 7714 | 鞠汉青. 基于多级小波卷积神经网络的沙漠地震随机噪声消减[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 |
| [鞠汉青]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [鞠汉青]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [鞠汉青]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。
