检索结果-南通市图书馆

丘陵地带地震资料随机噪声压制新技术:高阶加权阈值函数的Shearlet变换

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

地球物理学报 2019年第10期62卷 4039-4046页

作者：董新桐马海涛李月吉林大学信息工程系

随着山地和丘陵地震勘探环境的复杂化,传统的消噪方法已经难以有效地压制地震记录中的随机噪声.Shearlet变换是一种新的多尺度多方向的时频分析方法,具有良好的稀疏表示特性,并且在每个尺度进行方向分解,非常适合用于地震信号随机噪声... 详细信息

随着山地和丘陵地震勘探环境的复杂化,传统的消噪方法已经难以有效地压制地震记录中的随机噪声.Shearlet变换是一种新的多尺度多方向的时频分析方法,具有良好的稀疏表示特性,并且在每个尺度进行方向分解,非常适合用于地震信号随机噪声的压制.但是传统的Shearlet变换去噪方法采用的是硬阈值,在抑制随机噪声的同时也消除了很多有效信号,使得去噪之后的地震资料出现虚假的同相轴,为了解决这一问题我们提出高阶加权阈值函数.高阶加权阈值函数不但整体上连续性较好,而且克服了硬阈值函数存在剧烈的变化的缺点以及软阈值在处理较大Shearlet系数总存在恒定偏差的问题,同时保留了传统的软硬阈值函数的优点.实验结果表明这种基于高阶加权阈值函数的Shearlet变换去噪的方法,可以有效的消除模拟地震信号和实际丘陵地带地震信号中的随机噪声,同时很好的保留有效信号的幅度.

关键词：低信噪比地震信号随机噪声压制 Shearlet变换高阶加权阈值函数

基于卷积神经网络的井中分布式光纤传感器地震数据随机噪声压制新技术

在线全文

学校读者我要写书评

暂无评论

地球物理学报 2021年第7期64卷 2554-2565页

作者：董新桐李月刘飞冯黔堃钟铁吉林大学仪器科学与电气工程学院长春130026 吉林大学通信工程学院长春130012 北京科技大学计算机与通信工程学院北京100083 东北电力大学通信工程系吉林132012

分布式光纤传感器(distributed fiber-optical acoustic sensor,DAS)是一种快速发展的具有巨大应用前景的地震勘探检波器技术.实际DAS地震资料往往会受到大量强能量随机噪声的干扰,通常表现为低信噪比(signal-to-noise ratio,SNR).这一... 详细信息

分布式光纤传感器(distributed fiber-optical acoustic sensor,DAS)是一种快速发展的具有巨大应用前景的地震勘探检波器技术.实际DAS地震资料往往会受到大量强能量随机噪声的干扰,通常表现为低信噪比(signal-to-noise ratio,SNR).这一现象给接下来的成像、反演以及解释带来了巨大的困难,因此如何压制DAS地震资料中的随机噪声并提高其SNR成为一个有待解决的技术问题.卷积神经网络(convolutional neural network,CNN)已经被证明是一种有效的噪声压制工具.通常情况下,CNN需要一个理论纯净地震数据集来优化网络,这极大地限制了CNN在DAS地震资料处理中的应用.在本文中,我们采用正演模拟的方法来构建理论纯净DAS地震数据集,通过正演模型的参数多样化增强数据集的真实性,从而获得适合DAS地震资料随机噪声压制的CNN去噪模型.此外,在网络结构方面,我们利用泄漏线性整流单元作为CNN的激活函数增强训练后模型对微弱有效信号的恢复能力;在训练过程中,通过能量比矩阵调节噪声片和有效信号片之间的SNR,增强CNN去噪模型对于不同SNR的DAS地震数据的适应性.模拟和实际实验均表明本文提出的这种正演模型驱动的卷积神经网络(forward-model-actuation convolutional neural network,FMA-CNN)能够有效地压制DAS随机噪声同时完整地恢复有效信号.

关键词：随机噪声低信噪比分布式光纤传感器地震数据正演模型驱动的卷积神经网络

基于多尺度增强级联残差网络的DAS地震资料背景噪声衰减方法

在线全文

学校读者我要写书评

暂无评论

石油地球物理勘探 2023年第6期58卷 1332-1342页

作者：钟铁王玮钰王伟董士琦卢绍平董新桐现代电力系统仿真控制与绿色电能新技术教育部重点实验室吉林吉林132012 东北电力大学电气工程学院吉林吉林132012 国网四川省电力公司资阳供电公司四川资阳641300 中国石油勘探开发研究院西北分院甘肃兰州730020 中山大学地球科学与工程学院广东广州510275 吉林大学仪器科学与电气工程学院吉林长春130026

由于复杂强背景噪声的影响,分布式光纤声学传感(Distributed Optical Fiber Acoustic Sensing,DAS)采集的地震记录普遍信噪比较低。如何有效抑制背景噪声,恢复弱上行反射信息,切实提升DAS记录信噪比,已成为资料处理领域的热点问题之一... 详细信息

由于复杂强背景噪声的影响,分布式光纤声学传感(Distributed Optical Fiber Acoustic Sensing,DAS)采集的地震记录普遍信噪比较低。如何有效抑制背景噪声,恢复弱上行反射信息,切实提升DAS记录信噪比,已成为资料处理领域的热点问题之一。针对复杂DAS背景噪声消减问题,提出了一种多尺度增强级联残差网络(Multiscale Enhanced Cascade Residual Network,MECRN)。MECRN具有双路径级联残差网络结构,通过双路径机制提取DAS记录浅层信息。在此基础上,引入空洞卷积和多尺度模块提取DAS记录的多尺度特征,并通过跳跃连接导入浅层特征,在避免有效特征损失的同时,提升网络的特征提取能力。最后,通过残差学习整合局部和全局特征,并对重建特征细化,进一步提升了MECRN的去噪能力。模拟和实际DAS资料处理结果均表明,MECRN可以有效地压制DAS记录中的复杂背景噪声,准确恢复弱反射信号,显著提升处理DAS资料的能力。

关键词：分布式光纤声学传感(DAS) 复杂背景噪声多尺度增强级联残差网络低信噪比噪声衰减

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

高效高精度隧洞岩体超前速度建模及成像

岩土工程学报 2024年第2期46卷 452-458页

作者：董士琦周黎明付代光张杨董新桐钟铁长江科学院水利部岩土力学与工程重点实验室湖北武汉430010 吉林大学仪器科学与电气工程学院吉林长春130061 东北电力大学电气工程学院吉林吉林132012

准确提取隧洞掌子面前方岩体的纵波速度信息并对异常地质体构造进行准确成像是提高地震波法超前地质预报精度的关键。时间域全波形反演(full waveform inversion, FWI)技术可以实现对掌子面前方岩体纵波速度的高精度建模;将FWI结合互相... 详细信息

准确提取隧洞掌子面前方岩体的纵波速度信息并对异常地质体构造进行准确成像是提高地震波法超前地质预报精度的关键。时间域全波形反演(full waveform inversion, FWI)技术可以实现对掌子面前方岩体纵波速度的高精度建模;将FWI结合互相关目标函数,可以解决隧洞中不同炮孔能量不均对反演结果的影响,并提高反演算法的抗噪性;结合隧洞地震数据混合震源编码策略,可以显著提高FWI计算效率;利用FWI提供的准确速度模型,进行基于双向照明补偿互相关成像条件的逆时偏移(reverse time migration, RTM),可以实现对异常地质构造的精准成像。通过多种隧洞常见地质体模型的数值试验验证了高效高精度隧洞岩体超前速度建模及成像方法的有效性,并为实际隧洞工程应用提供了理论支撑。

关键词：隧洞超前地质预报全波形反演混合震源编码互相关目标函数逆时偏移成像

基于DBBCNN的沙漠区地震资料随机噪声衰减方法

在线全文

学校读者我要写书评

暂无评论

石油地球物理勘探 2022年第2期57卷 268-278,I0001,I0002页

作者：钟铁陈云董新桐李月杨宝俊现代电力系统仿真控制与绿色电能新技术教育部重点实验室吉林吉林13201 东北电力大学通信工程系吉林吉林132012 吉林大学仪器科学与电气工程学院吉林长春130026 吉林大学通信工程学院吉林长春130012 吉林大学地球探测科学与技术学院吉林长春130026

由于沙漠地区采集环境恶劣、地表地质条件复杂,勘探资料信噪比普遍较低;同时,沙漠区随机噪声与有效信号存在频谱混叠现象,噪声压制难度较大,给后续反演、成像和解释等工作带来了不利影响。近年来,以去噪卷积神经网络(Feed-forward Denoi... 详细信息

由于沙漠地区采集环境恶劣、地表地质条件复杂,勘探资料信噪比普遍较低;同时,沙漠区随机噪声与有效信号存在频谱混叠现象,噪声压制难度较大,给后续反演、成像和解释等工作带来了不利影响。近年来,以去噪卷积神经网络(Feed-forward Denoising Convolutional Neural Networks,DnCNN)为代表的深度学习去噪方法已应用于复杂随机噪声抑制,但传统降噪网络一般是根据单一尺度信息提取数据特征,导致针对复杂勘探记录的处理能力可能会下降。为实现沙漠地区复杂噪声的有效衰减,提出一种新型多分支去噪卷积神经网络(Diverse Branch Block Convolutional Neural Networks,DBBCNN)。与传统的DnCNN相比,DBBCNN将不同尺度、不同复杂度的分支结合在一起,丰富了特征空间,并且采用长路径操作融合全局特征和局部特征,提升了网络针对弱信号的特征表达能力。模拟和实际数据实验结果表明,DBBCNN可有效压制沙漠地震资料中的复杂随机噪声,且处理后的记录信噪比显著提升。

关键词：沙漠地震卷积神经网络 DnCNN 去噪网络信噪比

基于DMFF-Net的地震随机噪声压制新技术

在线全文

学校读者我要写书评

暂无评论

地球物理学报 2022年第11期65卷 4418-4432页

作者：钟铁陈云卢绍平董新桐李月杨宝俊现代电力系统仿真控制与绿色电能新技术教育部重点实验室吉林132012 东北电力大学通信工程系吉林132012 中山大学地球科学与工程学院广州510275 南方海洋科学与工程广东省实验室广东珠海519000 吉林大学仪器科学与电气工程学院长春130026 吉林大学通信工程学院长春130012 吉林大学地球探测与信息技术学院长春130026

地震勘探是油气和矿产资源开发领域使用最为广泛的物探方法之一.由于采集条件的限制,地震记录中通常混杂有大量的随机噪声,导致勘探资料普遍信噪比(Signal-to-Noise Ratio,SNR)较低,这严重影响有效信号辨识的精度,为后续反演、解释等工... 详细信息

地震勘探是油气和矿产资源开发领域使用最为广泛的物探方法之一.由于采集条件的限制,地震记录中通常混杂有大量的随机噪声,导致勘探资料普遍信噪比(Signal-to-Noise Ratio,SNR)较低,这严重影响有效信号辨识的精度,为后续反演、解释等工作带来巨大挑战.此外,地震勘探随机噪声通常具有非平稳、非高斯和与信号存在频带混叠等复杂特性,导致传统方法在处理复杂勘探记录时,消噪性能可能发生退化.针对复杂勘探随机噪声消减问题,本文提出了一种新型的双层多尺度特征融合去噪网络(Double-layer Multi-scale Feature Fusion Denoising Network,DMFF-Net).该网络具有多尺度网络结构,利用多分支模块提取勘探数据不同尺度和不同分支的潜在特征,提升网络对于勘探记录复杂特征的学习能力.同时,采用跳跃连接实现浅层和深层信息的融合,提升网络对微弱信号的恢复能力.模拟和实际资料处理结果表明,相较传统地震勘探资料消噪方法而言,DMFF-Net可以更加有效地压制随机噪声,完整恢复有效信号,显著提升地震资料信噪比,在信号保幅性和微弱信号恢复能力方面更具优势.

关键词：地震勘探低信噪比卷积神经网络多尺度特征融合噪声消减随机噪声

流通效率视角下数字经济发展驱动农村居民消费升级的机制分析

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

商业经济研究 2024年第14期 42-46页

作者：喻江平董欣童新疆科技学院新疆库尔勒841000 燕山大学河北秦皇岛066004

数字经济的蓬勃发展不仅在城市,更在农村地区催生了新的机遇,其对于促进城乡融合发展、助力乡村全面振兴、推进共同富裕,解决发展不平衡不充分问题具有重大战略意义。本文重点关注在流通效率这一中介因素的作用下,分析数字经济如何驱动... 详细信息

数字经济的蓬勃发展不仅在城市,更在农村地区催生了新的机遇,其对于促进城乡融合发展、助力乡村全面振兴、推进共同富裕,解决发展不平衡不充分问题具有重大战略意义。本文重点关注在流通效率这一中介因素的作用下,分析数字经济如何驱动农村居民实现消费升级。通过深入研究数字经济、流通效率和农村消费升级之间的机制关系,本文旨在为政府、企业和农民提供可行的战略和政策建议,以更好地促进数字经济在农村地区的可持续发展,推动居民消费水平的全面提升。研究结果表明:数字经济可促进农村居民消费升级;数字经济能够以提升流通效率的方式促进农村居民消费升级;数字经济对农村居民消费升级的影响具有空间溢出效应。

关键词：流通效率数字经济农村居民消费消费升级空间溢出效应

基于卷积对抗降噪网络的塔里木盆地沙漠地震资料消噪方法研究

在线全文

学校读者我要写书评

暂无评论

地球物理学报 2022年第7期65卷 2661-2672页

作者：董新桐钟铁王洪洲吴宁李月杨宝俊吉林大学仪器科学与电气工程学院长春130026 南方海洋科学与工程广东省实验室(湛江) 湛江524000 东北电力大学通信工程系吉林132012 吉林大学通信工程学院长春130012 吉林大学地球探测与信息技术学院长春130026

塔里木盆地作为我国重要的油气勘探地区,其地表主要由沙漠覆盖.塔里木地区获取的沙漠地震资料通常表现为低信噪比,并且有效信号与背景噪声在低频段存在严重的混叠现象.这两点给沙漠地震资料的消噪带来了巨大的困难,进而影响后期的反演... 详细信息

塔里木盆地作为我国重要的油气勘探地区,其地表主要由沙漠覆盖.塔里木地区获取的沙漠地震资料通常表现为低信噪比,并且有效信号与背景噪声在低频段存在严重的混叠现象.这两点给沙漠地震资料的消噪带来了巨大的困难,进而影响后期的反演、成像以及解释等工作.为了压制沙漠背景噪声并完整恢复有效信号,本文采用生成对抗网络(Generative Adversarial Network,GAN)的基本思路并利用去噪器代替GAN中的生成器,提出一种针对沙漠地震资料的全新消噪网络,命名为沙漠地震卷积对抗降噪网络(Desert Seismic Convolutional Adversarial Denoising Network,DSCA-Net).在DSCA-Net中,我们将去噪器的均方误差损失与去噪器、鉴别器之间的对抗损失相结合,提出了一种全新损失函数;利用该损失函数来优化网络,进而得到适合沙漠地震资料去噪的模型.模拟与实际实验均表明本文提出的DSCA-Net可以有效地压制沙漠地震资料中的背景噪声,同时显著增强同相轴的连续性;经过DSCA-Net处理后的沙漠地震资料信噪比得到显著提升.

关键词：低信噪比频谱混叠塔里木盆地噪声压制地震资料

维普期刊数据库博看期刊

Shearlet域深度残差CNN用于沙漠地震信号去噪

在线全文

学校读者我要写书评

暂无评论

吉林大学学报（信息科学版） 2019年第1期37卷 1-7页

作者：郑升李月董新桐吉林大学通信工程学院长春130012

由于沙漠地震信号中含有较强的随机噪声,从而给沙漠地震数据的处理和解释带来了很大的困难。针对上述问题,提出了一种基于Shearlet变换的深度残差卷积神经网络(ST-CNN:Deep Residual Convolutional Neural Network for Shearlet Transfo... 详细信息

由于沙漠地震信号中含有较强的随机噪声,从而给沙漠地震数据的处理和解释带来了很大的困难。针对上述问题,提出了一种基于Shearlet变换的深度残差卷积神经网络(ST-CNN:Deep Residual Convolutional Neural Network for Shearlet Transform)模型,实现沙漠地震信号的随机噪声压制。在训练阶段,将沙漠地震信号经Shearlet分解后的系数作为输入,将随机噪声经Shearlet分解后的系数作为标签,通过卷积神经网络(CNN:Convolutional Neural Network)学习输入和标签之间的映射关系;在测试阶段,利用此映射关系即可从沙漠地震信号系数中预测出噪声系数,并间接地获得有效信号系数,最后通过Shearlet反变换获得有效信号。通过与传统的Shearlet硬阈值去噪算法对比,发现该算法可把沙漠地震信号的信噪比从-4. 48 d B提高到14. 15 d B,具有更好的去噪效果。

关键词：沙漠地震信号噪声压制 Shearlet变换深度残差卷积神经网络