基于卷积神经网络的地震数据去噪方法

摘要

由于地球物理勘探环境的复杂性,采集的地震数据常被现场的随机噪声覆盖,如何对地震数据去噪成为关键问题,为此将基于卷积循环生成对抗网络(CycleGAN:Cycle Generation Adversarial Network)引入地震数据去噪中,该方法的关键是构建良好的生成器与判别器的结构并且优化合适的网络参数。该网络输入数据与标签数据是双向生成,形成环状网络结构,故而能引入循环一致性损失使网络参数训练的精度更高;将非局部神经网络模块作为CycleGAN生成器的残差链接以提高特征提取能力。以实际地震数据进行实验,通过对数据可视化、峰值信噪比和均方误差的对比,验证该方法的可实行性。结果表明,与普通生成对抗网络(GAN:Generation Adversarial Network)、残差神经网络(ResNet:Residual Network)去噪效果相比,该方法在不同噪声水平下去噪性能更好,峰值信噪比较高,数据成像更清晰,对实际生产工作有一定的指导意义。