留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于地震资料有效信息约束的深度网络无监督噪声压制方法

陈文超 刘达伟 魏新建 王晓凯 陈德武 李书平 李冬

陈文超, 刘达伟, 魏新建, 王晓凯, 陈德武, 李书平, 李冬. 基于地震资料有效信息约束的深度网络无监督噪声压制方法[J]. 煤田地质与勘探, 2021, 49(1): 249-256. doi: 10.3969/j.issn.1001-1986.2021.01.027
引用本文: 陈文超, 刘达伟, 魏新建, 王晓凯, 陈德武, 李书平, 李冬. 基于地震资料有效信息约束的深度网络无监督噪声压制方法[J]. 煤田地质与勘探, 2021, 49(1): 249-256. doi: 10.3969/j.issn.1001-1986.2021.01.027
CHEN Wenchao, LIU Dawei, WEI Xinjian, WANG Xiaokai, CHEN Dewu, LI Shuping, LI Dong. Unsupervised noise suppression method for depth network seismic data based on prior information constraint[J]. COAL GEOLOGY & EXPLORATION, 2021, 49(1): 249-256. doi: 10.3969/j.issn.1001-1986.2021.01.027
Citation: CHEN Wenchao, LIU Dawei, WEI Xinjian, WANG Xiaokai, CHEN Dewu, LI Shuping, LI Dong. Unsupervised noise suppression method for depth network seismic data based on prior information constraint[J]. COAL GEOLOGY & EXPLORATION, 2021, 49(1): 249-256. doi: 10.3969/j.issn.1001-1986.2021.01.027

基于地震资料有效信息约束的深度网络无监督噪声压制方法

doi: 10.3969/j.issn.1001-1986.2021.01.027
基金项目: 

国家自然科学基金面上项目(41774135,41974131);国家重点研发计划课题(2017YFB0202902)

详细信息
    第一作者:

    陈文超,1970年生,男,陕西咸阳人,博士,教授,从事地震、探地雷达信号处理、解释研究工作.E-mail:wencchen@xjtu.edu.cn

  • 中图分类号: P631

Unsupervised noise suppression method for depth network seismic data based on prior information constraint

  • 摘要: 地震资料处理是地震勘探中的关键环节,由于地下构造和地表条件的复杂性,地震资料的处理需要经过一系列复杂流程,从而形成多种不同类型的地震数据。不同种类的地震数据具有不同的数据特征,充分利用和发掘其中的数据特征,不仅可以充分发挥处理方法的技术潜力,消除各类非地质因素对地震资料处理质量的影响,同时可以增强地震资料处理的可靠性,改善地震资料的资料信噪比及分辨率,在复杂油气藏勘探开发中具有非常重要的基础作用。叠前地震成像道集(CRP)中的有效信号同相轴近似水平,叠后地震成像数据因为地层沉积的规律性,有效信号相比于随机噪声、成像画弧噪声等干扰具有规律、简单等特点。具体表现为CRP道集及叠后地震资料有效信号具有多尺度自相似性的特征,其高维Fourier (FK或FKK)域主要能量集中在低频、低波数区域。针对上述地震数据的特点,提出一种基于先验信息约束的深度网络地震资料无监督噪声压制方法。受到深度图像先验(DIP)的启发,神经网络的结构可以视为一种特殊的隐式先验信息,合理设计网络结构可以使得网络具有多尺度自相似性特征的提取能力。由于叠前地震成像道集数据和叠后地震成像数据有效信号的多尺度自相似性,而噪声不具备这一特性,因此,特定结构的网络可以从原始数据提取出有效信号,从而达到噪声压制的目的。叠前成像道集和叠后成像的实际数据随机噪声压制试验结果表明,本文方法具有良好的保真性与鲁棒性。此外,由于本文方法具有强大的特征提取能力,因此,对常规方法不易压制的弧状成像噪声也有良好的效果。

     

  • [1] TRICKETT S. F-xy Cadzow noise suppression[C]//SEG Technical Program Expanded Abstracts 2008. Society of Exploration Geophysicists,2008:2586-2590.
    [2] SOUBARAS R. Signal-preserving random noise attenuation by the f-x projection[C]//SEG Technical Program Expanded Abstracts,Jan. 1994:1576-1579.
    [3] TRICKETT S R. F-xy eigenimage noise suppression[J]. Geophysics,2003,68(2):751-759.
    [4] BEKARA M,BAAN VAN DER M. Local singular value decomposition for signal enhancement of seismic data[J]. Geophysics,2007,72(2):59-65.
    [5] OROPEZA V,SACCHI M. Simultaneous seismic data denoising and reconstruction via multichannel singular spectrum analysis[J]. Geophysics,2011,76(3):25-32.
    [6] KREIMER N,SACCHI M D. A tensor higher-order singular value decomposition for pre-stack seismic data noise reduction and interpolation[J]. Geophysics,2012,77(3):113-122.
    [7] YU Z,ABMA R,ETGEN J,et al. Attenuation of noise and simultaneous source interference using wavelet denoising[J]. Geophysics,2017,82(3):179-190.
    [8] WANG Xiaojing,MA Jianwei. Adaptive dictionary learning for blind seismic data denoising[J]. IEEE Geoscience and Remote Sensing Letters,2019:1-5.
    [9] WANG Shen,LI Jianchao,CHIU S K,et al. Seismic data compression and regularization via wave packets[C]//SEG Technical Program Expanded Abstracts 2010.2010:3650-3655.
    [10] ZHANG Yinxue,TIAN Xuemin,DENG Xiaogang,et al. Seismic denoising based on modified BP neural network[C]//2010 Sixth International Conference on Natural Computation. 2010:1825-1829.
    [11] WANG Enning,NEALON J. Applying machine learning to 3D seismic image denoising and enhancement[J]. Interpretation,2019,7(3):131-139.
    [12] LIU Dawei,WANG Wei,WANG Xiaokai,et al. Poststack seismic data denoising based on 3-D convolutional neural network[J]. IEEE Trans. Geosci. Remote Sens.,2020,58(3):1598-1629.
    [13] CHEN Yangkang,ZHANG Mi,BAI Min,et al. Improving the signal-to-noise ratio of seismological datasets by unsupervised machine learning[J]. Seismol. Res. Lett.,2019,90(4):1552-1564.
    [14] ULYANOV D,VEDALDI A,LEMPITSKY V. Deep image prior[C]//IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2018:9446-9454[2020-03-19].
    [15] HERRMANN F J,WANG DeLi,HENNENFENT G,et al. Curvelet-based seismic data processing:A multiscale and nonlinear approach[J]. Geophysics,2008,73(1):1-5.
    [16] BUNKS C,SALECKF M,ZALESKI S,et al. Multiscale seismic waveform inversion[J]. Geophysics,1995,60(5):1457-1473.
    [17] XU Z-Q J. Frequency principle:Fourier analysis sheds light on deep neural networks[J]. Commun. Comput. Phys.,2020,28(5):1746-1767.
    [18] LIANG Jianwei,MA Jianwei,ZHANG Xiaoqun. Seismic data restoration via data-driven tight frame[J]. Geophysics,2014,79(3):65-74.
  • 加载中
计量
  • 文章访问数:  179
  • HTML全文浏览量:  39
  • PDF下载量:  20
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-01-11
  • 修回日期:  2021-01-25
  • 发布日期:  2021-02-25

目录

    /

    返回文章
    返回