采用定制化 U-Net 处理海洋地震干扰噪声的衰减研究

海洋地震干扰噪声指的是在地震勘探过程中，来自附近海洋地震源船舶的能量被记录到的现象。这种噪声通常在较大距离上保持良好的保真度，并在记录的数据中引起一致的伪影。多年来，行业不断发展出各种去噪技术来处理地震干扰，但尽管这些技术性能良好，在实际应用中仍显得耗时。基于机器学习的处理方法代表了一种新的替代方案，可能显著提高计算效率。对于常规图像，自动编码器经常被用于去噪目的。然而，由于地震数据及其噪声的特殊特性，自动编码器在处理海洋地震干扰噪声时效果不佳。我们因此提出使用定制化 U-Net 设计，其在跳跃连接模块中采用元素级求和，以处理梯度消失问题，并确保高层特征与低层特征之间的信息融合。为进行真实可信的研究，我们仅使用了地震现场数据，包括 25000 个训练样本。实验表明，定制化 U-Net 的性能表现良好，仅留下少量残余，除非地震干扰噪声来自侧向方向。我们进一步证明，通过稍微增加网络深度即可处理此类噪声。尽管我们的定制化 U-Net 在质量上不甚超过标准商业算法，但其经proper训练后，能够在约 0.02 秒内读取并处理单个散布数据。这显著快于现有任何行业去噪算法。此外，所提出的网络按顺序处理散布数据，这是一种优势，与通常需要多散布输入以破坏噪声一致性的行业算法不同。