典型文献
应用平稳小波变换与深度残差网络压制地震随机噪声
文献摘要：
常规去噪方法众多,但每种方法都受某种假设或条件限制.另外,常规去噪方法中一些优化问题具有多个局部极值,导致算法可能收敛到局部最优解而非全局最优解.为此,提出了一种基于平稳小波变换与深度残差网络的地震随机噪声压制方法.采用残差网络(ResNet)的拓扑结构,结合平稳小波变换压制地震数据噪声.残差模块有效避免了网络过深引起的梯度消失或计算消耗但损失函数趋于饱和的问题.另外,小波变换是一种高效的特征提取方法,可获得信号低频和不同方向高频特征信息,分区域学习信号或噪声的特征.首先,对Train400数据集中的每幅图片旋转不同角度以增加训练集数据量,经过旋转变换后加入高斯噪声.然后,对每幅图片进行1级平稳Haar小波分解,得到训练数据集;通过训练提取信号中噪声的小波变换高、低频信息,在此基础上通过直连通道,从含噪数据的小波分解中减去学习到的噪声的小波分解,得到去噪信号的小波分解.最后,通过逆平稳小波变换得到去噪信号.合成信号和实际地震数据去噪试验表明,所提方法能较好地压制地震随机噪声,去噪信号的信噪比、峰值信噪比均较高.
文献关键词：
随机噪声;噪声压制;平稳小波变换;深度残差网络;信噪比
中图分类号：
作者姓名：
武国宁;于萌萌;王君仙;刘国昌
作者机构：
中国石油大学(北京)理学院,北京102249;油气资源与探测国家重点实验室,北京102249
文献出处：
引用格式：
[1]武国宁;于萌萌;王君仙;刘国昌-.应用平稳小波变换与深度残差网络压制地震随机噪声)[J].石油地球物理勘探,2022(01):43-51
A类：
Train400
B类：
平稳小波变换,深度残差网络,去噪方法,优化问题,局部极值,局部最优解,全局最优解,随机噪声压制方法,ResNet,拓扑结构,换压,数据噪声,残差模块,梯度消失,计算消耗,损失函数,同方向,特征信息,每幅,加训,训练集,数据量,过旋,旋转变换,高斯噪声,Haar,小波分解,训练数据集,取信,低频信息,减去,地震数据去噪,地压,峰值信噪比
AB值：
0.27609
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
