基于前馈去噪卷积神经网络的地震数据去噪方法

摘要

随机噪声压制是提高地震数据信噪比的有效方法，这里利用前馈去噪卷积神经网络(Denoising Convolutional Neural Network, DnCNN)的深度学习去噪方法，对地震数据随机噪声的去除进行了研究，同时利用Mish激活函数构建M-DnCNN网络进一步提升网络模型的去噪性能。该方法基于神经网络与统计学原理，通过卷积神经网络自动提取特征，利用单个残差单元来预测噪声，即输入含噪地震数据，经过M-DnCNN学习后输出预测的噪声，将输入与输出噪声作差，得到去噪后的地震数据。在实验部分，首先利用合成地震数据对该方法的去噪效果进行验证，同时将M-DnCNN与均值滤波和f-x域预测滤波方法进行去噪对比，结果表明：M-DnCNN在去除地震数据随机噪声方面优于原始DnCNN,与其他两种去噪方法相比能够更有效地压制随机噪声；随后将M-DnCNN用于实际地震数据的去噪实验，实验证明M-DnCNN在实际地震数据的去噪处理中同样适用，其在保留并突出有效信号的同时可达到较好的去噪效果。

关键词

随机噪声 / 地震数据去噪 / Mish激活函数 / M-DnCNN