使用卷积神经网络对海洋地震数据进行去噪与解混
地球物理
2024-09-16 v1 人工智能
摘要
海洋地震数据处理计算量大且包含多个耗时的步骤。基于神经网络的处理在理论上可以显著减少处理时间，并有望改变地震处理的现有方式。本文使用深度卷积神经网络（CNN）去除地震干扰噪声并对地震数据进行解混。由于单个炮集包含超过 106 个数据样本，训练此类网络需要大量的计算内存。去噪和解混的初步结果均令人鼓舞。然而，我们也观察到结果受信噪比（SnR）的影响。转换到共通道域是一种破坏噪声相干性同时减小输入数据量的方法。这使得网络更容易区分信号与噪声。它还通过更好地利用多核处理，提高了 GPU 内存的使用效率。在共通道域中使用 CNN 进行解混产生了相对较好的结果，相比炮域有所改进。
引用
@article{arxiv.2409.08603,
title = {Using Convolutional Neural Networks for Denoising and Deblending of Marine Seismic Data},
author = {Sigmund Slang and Jing Sun and Thomas Elboth and Steven McDonald and Leiv-J. Gelius},
journal= {arXiv preprint arXiv:2409.08603},
year = {2024}
}