【技术实现步骤摘要】
本专利技术属于地震资料处理，尤其涉及一种针对多类型噪音的智能去噪方法、装置及相关设备。
技术介绍
1、现有地震资料往往具有“高信噪比、高分辨率、高保真度”的特点，高信噪比是高分辨率和高保真度的基础，如果没有较高的信噪比，高分辨率就无从谈起，高保真度也就失去意义。去噪技术是提高地震资料信噪比的重要途径，在地震资料处理中占有重要地位。随着地震勘探所要解决的问题越来越复杂，采集的数据量越来越大，对去噪技术的处理精度和效率要求也越来越高。
2、常规去噪方法在去噪效率、保真度方面有一定的局限性。针对这个问题，高晗(2018)对比了基于卷积去噪神经网络(dncnn)、空洞卷积神经网络(dilate-dncnn)、残差神经网络(res-net)、解码编码网络(encoder-decoder net)的深度学习去噪方法的应用效果。买皓(2019)提出了seis-res net地震资料噪声压制神经网络模型，该算法采用了41层深度残差神经网络结构，突破了深度学习算法网络层数的限制，使网络学习地震信号特征更为充分，地震有效信号的波形信息得到恢复。...
【技术保护点】
1.一种针对多类型噪音的智能去噪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的智能去噪方法，其特征在于，所述的基于去噪卷积神经网络构建针对多类型地震噪音的基础去噪网络模型，包括：
3.根据权利要求2所述的智能去噪方法，其特征在于，所述的将修改后的所述去噪卷积神经网络扩展为三维网络架构得到基础去噪网络模型，包括：
4.根据权利要求1所述的智能去噪方法，其特征在于，所述的利用含噪地震数据与地震噪音数据训练所述基础去噪网络模型得到智能去噪网络模型，包括：
5.根据权利要求4所述的智能去噪方法，其特征在于，所述的对叠...
【技术特征摘要】
1.一种针对多类型噪音的智能去噪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的智能去噪方法，其特征在于，所述的基于去噪卷积神经网络构建针对多类型地震噪音的基础去噪网络模型，包括：
3.根据权利要求2所述的智能去噪方法，其特征在于，所述的将修改后的所述去噪卷积神经网络扩展为三维网络架构得到基础去噪网络模型，包括：
4.根据权利要求1所述的智能去噪方法，其特征在于，所述的利用含噪地震数据与地震噪音数据训练所述基础去噪网络模型得到智能去噪网络模型，包括：
5.根据权利要求4所述的智能去噪方法，其特征在于，所述的对叠前、叠后原始含噪地震数据去噪得到地震噪音数据，包括：
6.根...
【专利技术属性】
技术研发人员：许鑫，杨午阳，李海山，魏新建，
申请(专利权)人：中国石油天然气集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。