基于残差网络与合成地震道集的地震相干噪声去除
地球物理
2023-05-17 v1
摘要
地震相干噪声常出现在叠后地震数据中，会损害地震图像的分辨率与完整性。由于相干噪声的特征（如频率）与有效信号高度相关，因此难以去除。近年来，深度学习在图像去噪问题中展现出独特优势。为提升叠后地震图像质量，本文提出一种基于深度残差学习的神经网络 DR-Unet，以高效学习地震相干噪声的特征。该网络包含编码器分支与解码器分支。此外，为获取充足训练数据，我们提出一种将真实地震噪声加入合成地震数据以构建训练数据的工作流程。实验表明，所提方法在合成与野外地震数据上均能取得良好去噪效果，甚至优于传统方法。
引用
@article{arxiv.2305.09136,
title = {Seismic Coherent Noise Removal with Residual Network and Synthetic Seismic Simples},
author = {Xiao Ma and Gang Yao and Sanyi Yuan and Feng Zhang and Di Wu},
journal= {arXiv preprint arXiv:2305.09136},
year = {2023}
}