【技术实现步骤摘要】
本专利技术涉及地震勘探及地震信号处理，更具体地说，涉及一种基于自监督学习深度卷积神经网络的面波压制方法及设备。
技术介绍
1、在油气勘探中最常使用的是反射波，而面波因其低频、低速、高振幅、空间混叠的特点，对反射波信号造成严重的污染。为了获得更准确的油气勘探数据，面波压制对实际生产生活有着重要的意义。面波由于其低频、低速、高振幅以及空间混叠的特点，呈现扇形分布，这会严重影响地震反射信号的成像质量。传统的面波压制手段比如f-k滤波、拉东变换等，在处理面波混叠时效果有限，监督学习方法又会依赖干净的标签数据，但这在实际数据采集中很难得到。
2、地震勘探中传统的噪声压制方法可以分为三类。第一类是基于预测的方法，设计特殊的滤波器进行去噪，例如t-x预测滤波、f-x反褶积变换。第二类是基于稀疏变换的方法，将数据由原始的时间-空间域转换到新的域，接着在新的域中进行信号和噪声的分离，最后再变换回原始域。稀疏变换的经典方法包括傅里叶变换（fourier transform）、曲波变换（curvelet transform）、小波变换（wavel...
【技术保护点】
1.一种基于自监督学习深度卷积神经网络的面波压制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于自监督学习深度卷积神经网络的面波压制方法，其特征在于，步骤S1具体包括：
3.根据权利要求2所述的基于自监督学习深度卷积神经网络的面波压制方法，其特征在于，所述预处理包括利用全新的盲扇掩码设计方法添加随机盲扇掩码、归一化处理。
4.根据权利要求2所述的基于自监督学习深度卷积神经网络的面波压制方法，其特征在于，所述预设比例为9：1。
5.根据权利要求1所述的基于自监督学习深度卷积神经网络的面波压制方法，其特征在于，...
【技术特征摘要】
1.一种基于自监督学习深度卷积神经网络的面波压制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于自监督学习深度卷积神经网络的面波压制方法，其特征在于，步骤s1具体包括：
3.根据权利要求2所述的基于自监督学习深度卷积神经网络的面波压制方法，其特征在于，所述预处理包括利用全新的盲扇掩码设计方法添加随机盲扇掩码、归一化处理。
4.根据权利要求2所述的基于自监督学习深度卷积神经网络的面波压制方法，其特征在于，所述预设比例为9：1。
5.根据权利要求1所述的基于自监督学习深度卷积神经网络的面波压制方法，其特征在于，所述深度卷积神经网络为改进的u-net网络，所述面波压制模型包括收缩路径和扩展路径，所述扩展路径包括超链接。
6.根据权利要求1所述的基于自监督学习深度卷积神经网络的...
【专利技术属性】
技术研发人员：柴新涛，孙旭，熊伟，闫智冲，周慧，王博宗，任子恒，余露，
申请(专利权)人：中国地质大学武汉，
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。