基于MFE-UNet的地震随机噪音压制方法技术

本发明专利技术公开了基于MFE

【技术实现步骤摘要】
基于MFE
‑
UNet的地震随机噪音压制方法


[0001]本专利技术涉及地震数据预处理领域，更具体地说，涉及一种基于无监督学习的新神经网络的地震随机噪音压制方法。

技术介绍

[0002]随着油气勘探开发难度的不断增加和地震技术的日趋成熟，地震勘探的主要任务已经由过去单纯的构造勘探发展为找寻复杂油气藏和隐蔽油气藏。然而通过地震勘探获得的地震数据会不可避免受到随机噪音污染，进而影响后续的地震数据处理和解释。而高精度的地震勘探也对地震数据的高信噪比提出要求。通过对地震数据中的随机噪音进行压制，既减少了随机噪音对地震数据的污染，又提高地震数据信噪比，提高地震资料的信号精度，对后续地震资料处理具有重要意义。
[0003]现有技术中，地震数据去噪方法基于UNet模型，经过成对的下采样和上采样结构实现去噪，对随机噪音的去除能力有限，模型的去噪效果仍有改进空间。而且，传统神经网络去噪方法存在训练成本高、训练集样本需求较高、训练时间过长、去噪效果不是非常理想等问题。因此，如何解决现有技术中地震数据去噪模型的去噪能力有限，传统神经网络去噪本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于MFE
‑
UNet的地震随机噪音压制方法，其特征在于，方法步骤如下：Step1、构建MFE
‑
UNet去噪模型；Step2、将地震含噪数据图像作为MFE
‑
UNet去噪模型的输入数据，得到地震去噪数据图像。2.根据权利要求1所述的基于MFE
‑
UNet的地震随机噪音压制方法，其特征在于，Step1中，构建MFE
‑
UNet去噪模型的方法包括有：Step101、地震含噪数据处理：在地震含噪数据中选取预设的道集区域作为数据区域，通过改进的训练方法构成相应的训练集和测试集；Step102、构建初始去噪模型：初始去噪模型包括U型结构、特征增强结构和多重降道结构；U型结构基于卷积块模块、最大池化层、转置卷积层和深度连接层建立，特征增强结构基于卷积块模块和转置卷积层建立；多层降道结构基于卷积层建立；Step103、对初始去噪模型训练：将训练集作为初始去噪模型的输入数据进行模型训练，模型训练完成后得到MFE
‑
UNet去噪模型，MFE
‑
UNet去噪模型对测试集中的地震含噪数据进行去噪处理以进行模型测试。3.根据权利要求2所述的基于MFE
‑
UNet的地震随机噪音压制方法，其特征在于，Step101中改进的训练方法具体包括有：S1、构建新道集：将道集区域涉及的地震道根据道号奇偶划分为奇数道集合和偶数道集合两个子道集，其中各个地震道在子道集中的位置保持相对不变；S2、生成处理块：在新道集的范围内随机选择一个位置，在该位置处的两个子道集分别生成两个对应的处理块，分别作为去噪模型的输入和输出；S3、构建处理块集合：重复步骤S2生成多组处理块组合，其中奇数道集合中生成的处理块构成处理块集合a组，作为去噪模型的输入；偶数道集合中生成的处理块构成处理块集合b组，作为去噪模型的输出；处理块集合a组和处理块集合b组共同构成训练集。4.根据权利要求3所述的基于MFE
‑
UNet的地震随机噪音压制方法，其特征在于，步骤S2中处理块的大小80*80。5.根据权利要求3或4所述的基于MFE
‑
UNet的地震随机噪音压制方法，其特征在于，Step101中，在预设的道集区域内划分处理块...

【专利技术属性】
技术研发人员：张敏，高健，易继东，许一卓，李振春，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：