基于迭代啟發網絡算法的非平穩隨機噪聲壓制

作者：張文征,唐杰,劉英昌,孟濤,陳學國

摘要：常規濾波方法常常放大了噪聲的影響,同時噪聲的存在也限制了分辨率的提升,并"平滑"了地震數據中的不連續信息。為此,提出了基于迭代啟發網絡(IIN)算法的非平穩隨機噪聲壓制方法,利用迭代啟發網絡壓制非平穩隨機噪聲,網絡結構簡單、緊湊。IIN由交替方向乘子算法的迭代過程推導而來,利用L1范數優化變分模型。在訓練階段,通過增加一個新的輔助變量,將目標函數的極值轉化為增廣拉格朗日格式,使用L-BFGS(Large-Broyden Fletcher Goldforb Shanno)算法判別、訓練所有網絡參數,最終得到最優去噪模型。理論模型及實際資料的去噪結果表明:(1)由訓練得到的去噪模型根據有效信號的特征,在去噪的同時可保留同相軸的形狀特征;采用的迭代網絡簡單、緊湊,加快了網絡的收斂速度,能夠用相對較小的數據集和較短的訓練時間快速訓練去噪模型,達到預期的去噪效果。(2)所提方法具有較強的適應性,有效地壓制了常規地震數據中的非平穩隨機噪聲。

發文機構：中國石油大學（華東）地球科學與技術學院 中國石化勝利油田勘探開發研究院

關鍵詞：深度學習迭代啟發網絡非平穩隨機噪聲去噪模型deep learningiterative scheme inspired networknon-stationary random noisesdenoising model

分類號： P631[天文地球—地質礦產勘探]