基于DnCNN与多尺度特征提取的地震数据去噪方法

作     者：刘威 徐振旺 未晛 江源 陈伟 LIU Wei;XU Zhenwang;WEI Xian;JIANG Yuan;CHEN Wei

作者机构：长江大学非常规油气省部共建协同创新中心湖北武汉430100 中国石油辽河油田公司石油勘探开发研究院辽宁盘锦124010 北京劳动保障职业学院城市安全学院北京100029 气象信息与信号处理四川省高校重点实验室四川成都610225 数学地质四川省重点实验室四川成都610059 

出 版 物：《西安石油大学学报(自然科学版)》 (Journal of Xi’an Shiyou University(Natural Science Edition))

年 卷 期：2025年第40卷第1期

页      面：18-31页

学科分类：0820[工学-石油与天然气工程] 081801[工学-矿产普查与勘探] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 082002[工学-油气田开发工程] 

基　　金：国家自然科学基金项目“基于经验模态分解的自由表面多次波衰减方法研究”(41804140) 数学地质四川省重点实验室开放基金项目“基于循环谱增强技术的复杂叠置致密河道储层预测方法研究”(scsxdz2023-10) 

主　　题：地震数据去噪 深度学习 多尺度特征 DnCNN 

摘      要：地震数据中混杂的随机噪声严重影响数据的解释和应用,传统的去噪方法在去除噪音的同时无法避免丢失有效信号,难以满足精准去噪的需求。为此提出了一种基于降噪卷积神经网络(DnCNN)与多尺度特征提取的地震数据去噪方法。在多尺度特征提取模块中加入通道注意力机制、空间注意力机制以及深度可分离卷积,并且借鉴残差网络结构,使得网络不仅可以学习不同尺度的特征,还能够合理分配不同通道和空间的权重,充分利用数据之间的相关性。这种方法不仅显著提升了网络训练的效果,而且在去噪的同时,能够最大程度地保留原始地震数据的有效信号和局部细节。