用于深层学习地震数据去噪的真实基准潮流噪声数据集
地球物理
2024-10-14 v1 计算机视觉与模式识别
机器学习
摘要
近年来，计算机视觉领域的深度学习方法发展迅速，这得益于大量开放基准数据集的创建，使新算法得以在可复现的结果基础上进行测试与比较。尽管深度学习方法在地球物理学中有广泛应用，但实际的地震数据集用于基准测试仍寥寥，尤其是用于去除真实数据的噪声——这是油气行业地震数据处理中的核心问题之一。本文提出一个基准数据集，由从真实数据滤波过程中提取的噪声污染的合成地震数据构成。本工作在该数据集上，对两种众known的基于深度学习的去噪模型进行比较，作为推动地震数据去噪新解决方案发展的基准。本文还引入一种新评估指标，以捕捉模型结果中细微变化。结果表明，深度学习模型在去除地震数据噪声方面有效，但仍存在待解决的问题。
引用
@article{arxiv.2410.08231,
title = {A Real Benchmark Swell Noise Dataset for Performing Seismic Data Denoising via Deep Learning},
author = {Pablo M. Barros and Roosevelt de L. Sardinha and Giovanny A. M. Arboleda and Lessandro de S. S. Valente and Isabelle R. V. de Melo and Albino Aveleda and André Bulcão and Sergio L. Netto and Alexandre G. Evsukoff},
journal= {arXiv preprint arXiv:2410.08231},
year = {2024}
}