基于CycleGAN的地震数据去噪方法

作     者：傅鹏 宋晓霞 

作者机构：山西大同大学煤炭工程学院 山西大同大学计算机与网络工程学院 

出 版 物：《电子科技》 (Electronic Science and Technology)

年 卷 期：2024年

学科分类：12[管理学] 081801[工学-矿产普查与勘探] 081802[工学-地球探测与信息技术] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0818[工学-地质资源与地质工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：山西省自然科学基金面上项目(201901D111311) 山西省高质量发展研究课题(SXGZL202302) 

主　　题：地震数据 随机噪声 去噪 生成对抗网络 CycleGAN 图像处理 卷积神经网络 深度学习 

摘      要：针对实际地震数据被大量随机噪声干扰而难以获得配对的无噪数据问题，文中提出一种基于CycleGAN(Cycle Generative Adversarial Network)的地震数据随机噪声压制方法来获得高质量地震数据。将残差网络引入循环生成对抗网络的生成网络中，通过跳跃连接形式加快网络的训练速度，并扩充残差块中的卷积层，增强残差块结构来更好地获取样本特征。以合成数据和实际数据分别进行实验，利用SNR(Signal to Noise Ratio)和MSE(Mean Square Error)等评价指标验证其去噪效果，并与CNN(Convolutional Neural Network)去噪方法进行对比。结果表明，所提方法在合成数据实验中SNR、MSE和PSNR(Peak Signal-to-Noise Ratio)对比CNN分别提升0.59 dB、23.72、2.81 dB，在实际数据实验中分别提升4.63 dB、1.13、0.77 dB，训练时间缩短约58%。