公开(公告)号：CN111368710B

公开(公告)日：2022-03-04

申请号：CN202010134754.1

申请日：2020-02-27

Applicant: 东北石油大学

Inventor： 张岩 ,  李新月 ,  王斌 ,  聂永丹 ,  唐国维 ,  赵建民 ,  李井辉

IPC: G06K9/62 ,  G06K9/00 ,  G06N3/04 ,  G06N3/08 ,  G01V1/30

Abstract: 本发明属于地球科学技术领域，具体涉及一种联合深度学习的地震数据随机噪声压制方法，该方法的步骤为1、训练数据集预处理；2、样本标签准备；3、设计联合学习模型G的网络结构；4、设计损失函数；5、训练并保存网络模型；6、测试网络模型性能。通过波原子变换对地震数据波前纹理特征进行有效地稀疏表示，获取波原子域地震数据的纹理特征；将含噪声地震数据作为输入，波原子域数据和实际不含噪声数据的特征作为标签，构建空间域与波原子域联合深度学习网络结构。通过联合学习的方案解决地震数据特征提取不充分的问题，提高噪声压制效果。将空间域和波原子域的特征相结合，利用空间域与波原子域联合深度学习技术去除地震数据随机噪声。

公开(公告)号：CN111368710A

公开(公告)日：2020-07-03

申请号：CN202010134754.1

申请日：2020-02-27

Applicant: 东北石油大学

Inventor： 张岩 ,  李新月 ,  王斌 ,  聂永丹 ,  唐国维 ,  赵建民 ,  李井辉

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G01V1/30

Abstract: 本发明属于地球科学技术领域，具体涉及一种联合深度学习的地震数据随机噪声压制方法，该方法的步骤为1、训练数据集预处理；2、样本标签准备；3、设计联合学习模型G的网络结构；4、设计损失函数；5、训练并保存网络模型；6、测试网络模型性能。通过波原子变换对地震数据波前纹理特征进行有效地稀疏表示，获取波原子域地震数据的纹理特征；将含噪声地震数据作为输入，波原子域数据和实际不含噪声数据的特征作为标签，构建空间域与波原子域联合深度学习网络结构。通过联合学习的方案解决地震数据特征提取不充分的问题，提高噪声压制效果。将空间域和波原子域的特征相结合，利用空间域与波原子域联合深度学习技术去除地震数据随机噪声。