检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于EMD和SVD的地震噪声压制方法研究

基于EMD和SVD的地震噪声压制方法研究

作者：乔金西安石油大学

学位级别：硕士

随着油气勘探程度的不断深入,勘探重点逐渐从常规、构造油气藏转向非常规、岩性油气藏,复杂的勘探环境使得采集到的地震资料包含各种各样的噪声。为了能够很好地了解地下地质信息,就需要提高地震资料的信噪比。针对地震资料中的随机噪声... 详细信息

随着油气勘探程度的不断深入,勘探重点逐渐从常规、构造油气藏转向非常规、岩性油气藏,复杂的勘探环境使得采集到的地震资料包含各种各样的噪声。为了能够很好地了解地下地质信息,就需要提高地震资料的信噪比。针对地震资料中的随机噪声,本文研究了基于经验模态分解(EMD)的一系列去噪方法。首先,针对EMD出现的端点效应问题,研究了镜像对称延拓、边界局部特征尺度延拓以及多项式拟合3种处理端点的方法,通过对比发现,镜像对称延拓以及边界局部特征尺度延拓的效果较好。其次,针对EMD算法的模态混叠问题,研究了一系列改进的EMD算法,包括集合经验模态分解(EEMD)、完备集合经验模态分解(CEEMD)以及自适应完备集合经验模态分解(CEEMDAN),使用这些方法对构造的地震信号进行噪声压制,发现CEEMDAN方法的去噪性能最佳,但还是存在噪声压制不彻底的问题。对此,本文提出一种将EMD与奇异值分解(SVD)结合起来的去噪方法(CEEMDAN-SVD),该方法通过相关系数对CEEMDAN分解得到的固有模态函数(IMF)以及余项进行筛选,对相关系数较大的IMF使用SVD进行噪声压制,然后再完成信号的重构。使用该方法对构造的地震信号进行去噪处理,发现该方法比CEEMDAN算法噪声压制地更加彻底。最后将上述方法用于模拟地震记录和实际地震资料的去噪处理中,发现CEEMDAN-SVD的去噪性能最好,资料的信噪比最高。

关键词：地震噪声压制经验模态分解奇异值分解端点效应相关系数

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于数据增广和CNN的地震随机噪声压制

地球物理学报 2019年第1期62卷 421-433页

作者：王钰清陆文凯刘金林张猛苗永康清华大学人工智能研究院北京100084 智能技术与系统国家重点实验室北京100084 北京信息科学与技术国家研究中心北京100084 清华大学自动化系北京100084

卷积神经网络(Convolutional Neural Network,CNN)是一种基于数据驱动的学习算法,简化了传统从特征提取到分类的两阶段式处理任务,被广泛应用于计算机科学的各个领域.在标注数据不足的地震数据去噪领域,CNN的推广应用受到限制.针对这一... 详细信息

卷积神经网络(Convolutional Neural Network,CNN)是一种基于数据驱动的学习算法,简化了传统从特征提取到分类的两阶段式处理任务,被广泛应用于计算机科学的各个领域.在标注数据不足的地震数据去噪领域,CNN的推广应用受到限制.针对这一问题,本文提出了一种基于数据生成和增广的地震数据CNN去噪框架.对于合成数据,本文对无噪地震数据添加不同方差的高斯噪声,增广后构成训练集,实现基于小样本的CNN训练.对于实际地震数据,由于无法获得真实的干净数据和噪声来生成训练样本集,本文提出一种直接从无标签实际有噪数据生成标签数据集的方法.在所提出的方法中,我们利用目前已有的去噪方法从实际地震数据中分别获得估计干净数据和估计噪声,前者与未知的干净数据具有相似纹理,后者与实际噪声具有相似的概率分布.人工合成数据和实际数据实验结果表明,相较于F-X反褶积,BM3D和自适应频域滤波算法,本文方法能更好地压制随机噪声和保护有效信号.最后,本文采用神经网络可视化方法对去噪CNN的机理进行了探索,一定程度上解释了网络每一层的学习内容.

关键词：卷积神经网络数据增广地震噪声压制神经网络可视化

基于WNNM的地震勘探随机噪声压制方法的研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于WNNM的地震勘探随机噪声压制方法的研究

作者：王代香吉林大学

学位级别：硕士

地震勘探技术是分析地下岩层结构并获取矿藏资源分布信息的有效手段。人们采用一系列的技术激发得到的地震波携带有我们所需要的地质信息,这些信息可以帮助我们认识地质结构并定位矿藏资源。随着矿藏资源的不断减少,地震勘探需要在环境... 详细信息

地震勘探技术是分析地下岩层结构并获取矿藏资源分布信息的有效手段。人们采用一系列的技术激发得到的地震波携带有我们所需要的地质信息,这些信息可以帮助我们认识地质结构并定位矿藏资源。随着矿藏资源的不断减少,地震勘探需要在环境更加复杂的地域进行,勘探的难度大大增加。受环境以及仪器等的影响,采集得到的地震波伴有大量的随机噪声,这给后续地震资料的分析与解释带来了一定的难度。因此,在处理地震信号时首要任务就是压制地震勘探资料中的随机噪声,从而提高信号的信噪比。最小加权核范数(Weighted Nuclear Norm Minimization,WNNM)是在最小核范数(Nuclear Norm Minimization,NNM)的基础上进行改进得到的。该算法最早用于图像去噪,利用图像的非局部相似性构建低秩矩阵,实现对噪声的消减。与NNM相比,WNNM根据奇异值自身的大小进行收缩处理,对较大的奇异值进行较小的收缩,可以更好地保留有效信号。本文将基于WNNM的低秩逼近这一新颖算法应用到地震信号去噪领域,旨在压制地震信号随机噪声的同时更好地保护有效信号。地震信号在时间和空间上具有一定的相似性,考虑到这一特性,本文对地震信号进行非局部滤波处理。首先将地震信号分解为一系列大小相同、相互重叠的地震纹理块,对每一个块进行块匹配来获取其邻域内与之相似的地震纹理块。然后将这些地震纹理块拉伸后按照相似度的大小排列构成局部相似矩阵。由于局部相似矩阵列与列之间具有相似性,该矩阵为近似低秩矩阵。因此经过WNNM低秩逼近就可以实现对局部相似矩阵的有效滤波。最后将矩阵中的每一列还原二维块并放回原始位置构成去噪后的地震信号。为了达到更好的滤波效果,对地震信号进行迭代滤波处理。将该方法应用于人工合成地震记录以及实际地震勘探记录的处理,可以实现在有效压制随机噪声的同时保留有效信号。WNNM采用同一噪声方差进行权值的设置,这种做法忽略了地震信号不同区域受噪声干扰程度不同的现象,存在不能对不同的相似性矩阵进行差异化处理的问题,对此本文提出了基于互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)的自适应WNNM算法。该方法首先利用CEEMD方法将地震信号进行分解,得到的第一个分量是噪声主导分量,利用这一分量计算地震局部噪声方差,并利用该方差进行权值的设置。该方法改善了WNNM利用全局噪声方差设置权值的缺点,实现了对不同相似性矩阵的差异化处理,同时也实现了对地震信号不同区域的自适应滤波。为了验证该方法的有效性,本文对模拟地震信号的不同区域加入了不同信噪比的高斯白噪声进行实验,去噪结果与改进前进行了对比。对比结果表明,当地震信号不同区域被不同程度噪声干扰时,改进后的算法对噪声压制更彻底,信噪比相比于改进前提升了3d B左右。通过对实际地震记录的处理进一步验证了该方法提高了原始WNNM在地震随机噪声压制的适用性。

关键词：地震噪声压制低秩逼近最小加权核范数(WNNM) 互补集合经验模态分解(CEEMD)

改进经验模态分解法衰减地震随机噪声研究及应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

改进经验模态分解法衰减地震随机噪声研究及应用

作者：温馨吉林大学

学位级别：硕士

地震勘探噪声压制是地震资料处理的关键环节,许多学者都对此进行了研究。Huang提出的经验模态分解(EMD)方法十分简单直观。这种方法是一种自适应性的“筛分”方法,与小波变换等“加窗”方法相比,其不受基函数和测不准原则等影响,它的完... 详细信息

地震勘探噪声压制是地震资料处理的关键环节,许多学者都对此进行了研究。Huang提出的经验模态分解(EMD)方法十分简单直观。这种方法是一种自适应性的“筛分”方法,与小波变换等“加窗”方法相比,其不受基函数和测不准原则等影响,它的完全自适应性会让信号根据频率从高到低进行分解,而后得到对应的本征模态函数以及一个残差,并且保证了分解出来的每个本征模态函数(IMF)分量都存在相应物理意义。而地震勘探中,噪声的特性一般表现为高频特征,所以在进行经验模态分解过后只需要将高频的分量进行舍弃即完成了地震噪声的压制。因此许多学者将经验模态分解法引入到了地震勘探随机噪声压制中。由于经验模态分解法具有完全自适应性、完备性、近似正交性、IMF分量的统计学意义、IMF分量的调频性等性质,进而保证了EMD分解过后得到的每一个分量——本征模态函数都具有相应的物理意义。但是经验模态分解方法仍存在模态混叠和端点效应等尚未被解决的问题,直接影响分解结果和IMF意义。模态混叠现象一般是因为间歇信号嵌入和发生异常事件干扰所产生的现象,这种情况对于地震勘探数据来讲也十分常见。本文研究了集合经验模态分解方法(EEMD)以及互补集合经验模态分解方法(CEEMD),这两种方法都是利用了白噪声功率谱密度分布均匀的特征,通过引入白噪声的方法来对信号原本会产生模态混叠现象的噪声进行抑制。通过研究CEEMD方法,发现该方法可以有效地将间歇信号地嵌入以及异常事件地扰动与有效信号分离开,进而抑制模态混叠现象,可以更好地应用于地震噪声压制这一领域。通过EMD和CEEMD两种方法的理论地震剖面模型计算,发现CEEMD分解得到的信号非常干净,验证了 CEEMD方法可以更好地应用于地震噪声地衰减,抑制模态混叠现象发生。对于端点效应问题,本文提出了一种新的极值点平行端点延拓方法对原始EMD进行改进,解决了由于“过冲”和“欠冲”造成的端点效应问题。通过理论合成的仿真信号进行研究分析,对比经验模态分解法和改进的经验模态分解法,发现本文改进过后的方法分解次数更少,分解效果更高,分解结果的误差小。通过实际数据测试,发现f-x域改进EMD预测滤波方法能更好地保留有效地震数据,压制地震噪声。

关键词：经验模态分解法地震噪声压制模态混叠端点效应极值点延拓

一种3D各向异性PM方程及其在压制地震噪声中的应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

油气地球物理 2015年第4期13卷 22-25页

作者：陈可洋大庆油田有限责任公司勘探开发研究院黑龙江大庆163712

针对常规方法较难实现保边缘随机噪声压制的问题,引入了一种各向异性PM方程扩散滤波算法,构建了3D形式的数学离散计算公式,详细分析了扩散函数曲线与梯度门槛值之间的关系。以实际地震剖面为例,并与各向同性扩散滤波方法处理效果进行对... 详细信息

针对常规方法较难实现保边缘随机噪声压制的问题,引入了一种各向异性PM方程扩散滤波算法,构建了3D形式的数学离散计算公式,详细分析了扩散函数曲线与梯度门槛值之间的关系。以实际地震剖面为例,并与各向同性扩散滤波方法处理效果进行对比。通过合理选择梯度门槛值和迭代次数大小,所提算法有效压制了地震噪声,保持了同相轴的连续性和能量变化特征以及小断层的边缘特征,有效提高了地震剖面的信噪比,有助于提高实际地震资料的处理质量。

关键词： 3D各向异性PM方程边缘保持地震噪声压制梯度门槛

基于卷积自编码器的反射地震数据去噪和插值方法研究

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

基于卷积自编码器的反射地震数据去噪和插值方法研究

作者：江金生浙江大学

学位级别：硕士

在当前的油气地震勘探发展背景下,地震数据的质量和数量均给传统的地震数据处理带来了一定程度的挑战。如何快速有效且不施加人为参数干预的对大批量地震数据进行处理,是地震数据处理面临的新问题。本文从机器学习方法的统计学基础出发... 详细信息

在当前的油气地震勘探发展背景下,地震数据的质量和数量均给传统的地震数据处理带来了一定程度的挑战。如何快速有效且不施加人为参数干预的对大批量地震数据进行处理,是地震数据处理面临的新问题。本文从机器学习方法的统计学基础出发,将监督学习问题转变为风险函数的最优化问题。通过对自编码器和卷积神经网络学习模式的分析与总结,认为深层网络结构下的卷积自编码器具有更强的特征提取能力。本文对卷积自编码器网络结构进行了优化和改进,提出了一种多层、多模块的卷积自编码器。基于卷积自编码器深度神经网络的地震数据处理方法从地震数据的空间分布特征出发,将地震噪声压制和地震数据重建等问题视为不同环境下有效信号的提取问题。通过设计不同地质模型的地下速度结构,本文利用波动方程正演模拟构建了大量不同特征的地震数据训练集。卷积自编码器深度神经网络的训练过程中使用了L1范数下的损失函数和Adam优化算法,以增强算法的鲁棒性和提高计算效率。数值实验表明,训练后的卷积自编码器深度神经网络能够有效进行随机噪声压制、线性噪声压制、面波压制、地震数据重建以及同时进行地震数据重建和随机噪声压制。基于卷积自编码器深度神经网络的地震数据处理方法是一种数据驱动的方法,该方法避免了传统方法中数学模型的约束,不依赖人工控制的阈值输入,具有更高的处理效率。

关键词：深度学习卷积自编码器地震数据处理地震噪声压制地震数据重建

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

FCL算法在地震勘探资料去噪中的应用研究

FCL算法在地震勘探资料去噪中的应用研究

作者：范嘉浩吉林大学

学位级别：硕士

目前,地震勘探技术是勘探地下石油、天然气资源最重要的方法之一。在地震勘探资料的采集过程中,受自然环境、人为因素等的影响,采集到的携带地质信息的有效地震波总会伴随大量的随机噪声,更甚者,有效的地震信号会被噪声湮没,这对后续的... 详细信息

目前,地震勘探技术是勘探地下石油、天然气资源最重要的方法之一。在地震勘探资料的采集过程中,受自然环境、人为因素等的影响,采集到的携带地质信息的有效地震波总会伴随大量的随机噪声,更甚者,有效的地震信号会被噪声湮没,这对后续的地震资料的分析造成了严重的影响,因此对地震勘探资料中随机噪声的压制是非常重要的。对地震勘探资料的处理,一方面,要最大限度压制随机噪声,另一方面,还要避免有效信号的幅值在去噪处理中产生大幅衰减。针对此课题,目前学界提出了不少行之有效的方法,但是已有的方法在处理强随机噪声背景下的信号时效果不理想,去噪后信号的幅度会有不同程度的衰减。在此背景下,探索能够成功压制随机噪声,同时能够有效保护信号的幅值,最终得到高信噪比,高分辨率,高保真的地震勘探资料处理方法,有着重大的意义。本文的研究工作主要包含两方面内容：第一,本文研究了基于分形守恒定律(Fractal Conversation Law, FCL)的随机噪声压制方法,FCL是一种基于柯西问题的偏微分方程的滤波方法,这个偏微分方程含有一对矛盾项：经典的拉普拉斯扩散项和分形反扩散项。在将该方程引入信号处理领域时,分形反扩散项起到信号增强的作用,而拉普拉斯扩散项起到去噪的作用。通过改变分形指数,扩散与反扩散的系数可实现滤波器的调节。经证明,FCL算法是一个效果极佳的信号处理算法,利用FCL算法进行去噪时,能够快速有效的压制噪声和保护有效信号的幅值。本文将应用了FCL算法进行地震信号处理,借此方法来有效压制地震信号中的随机噪声。在本文中,我们分析了FCL的基本原理,并使用FFT实现了偏微分方程的求解,推导了该算法的频率响应,并通过仿真实验验证了该算法的有效性。第二,本文首次提出了基于相关积分的径向FCL算法。由于FCL滤波的效果主要取决于其频率响应的形状,在传统的FCL滤波中,参数一旦确定,在处理整个地震记录的过程中滤波器的形状是固定不变的。如果选取较小的截止频率,那么FCL的去噪能力强,保幅能力弱,反之,FCL的保幅能力强,去噪能力却较弱。因此,采用单一截止频率的传统FCL算法具有一定的局限性,为了提高FCL的去噪能力,本文提出了基于相关积分的径向FCL滤波方法,通过对原始信号进行径向道变换,然后在径向域计算各道信号的相关积分值,以此来区分有效信号区域与噪声区域,然后对不同的区域采用不同截止频率的FCL算法进行处理：不含有效信号区域采取较小的截止频率,提高滤波器的去噪性能,而对有效信号部分采取适合于有效信号主频的截止频率,重点保护有效信号的幅度。这样,FCL算法压制随机噪声的能力得到了进一步提高。本文介绍了利用相关积分在径向道域区分有效信号区域与随机噪声区域的原理和方法,详细论证了基于相关积分的径向FCL算法的可行性,并在理论的基础上,通过实验证明了该算法的有效性

关键词：地震噪声压制分形守恒定律(FCL) 相关积分信号增强

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

自监督学习的地震数据降噪方法研究

自监督学习的地震数据降噪方法研究

作者：熊传超重庆理工大学

学位级别：硕士

地震勘探技术是获取地下地层结构信息的重要方法之一,是寻找石油、天然气等地下矿产资源的有效手段。随着时间的推移,浅层易开采的油气藏被开发殆尽,石油勘探重点逐步转向开发深层的复杂油气藏。但是,复杂油气藏的地震资料往往含极低的... 详细信息

地震勘探技术是获取地下地层结构信息的重要方法之一,是寻找石油、天然气等地下矿产资源的有效手段。随着时间的推移,浅层易开采的油气藏被开发殆尽,石油勘探重点逐步转向开发深层的复杂油气藏。但是,复杂油气藏的地震资料往往含极低的信噪比;对后续的地震资料解释、分析造成了巨大的困难。但传统方法在处理复杂油气藏的地震资料时,无法达到很好降噪结果。随着人工智能的迅猛发展,基于深度学习的方法在计算机视觉,自然语言等领域取得了巨大的成功。因此,许多地球物理学家将深度学习方法用于地震数据降噪。由于地震勘探领域缺乏干净的地震数据,本文研究了基于自监督学习的地震数据降噪方法。具体工作如下:(1)在自监督学习的地震数据降噪方法中,将单剖面地震数据的奇数道作为输入,偶数道作为伪标签来构造用于训练的数据,是一种经典有效的训练地震数据降噪模型的方法。但是,该方法没有考虑到奇数道和偶数道之间的差异,使得模型在训练时会忽略奇数道的一些结构信息,只专注于构建偶数道的地层特征。这导致该方法在压制地震噪声的同时,会抑制反映地下结构的部分峰值信息,即导致了过平滑问题。针对这个问题,本文提出了一个正则项,该正则项引入了奇数道和偶数道的差异信息,在理想的降噪情况下能够抵消奇偶数道的差异对模型训练的影响,解决了存在的过平滑问题。提出的正则项在压制合成噪声实验上提高了信噪比;在真实数据上,提出的方法在压制真实噪声的同时,保留了更高的信号幅值。(2)相比于单剖面构造成对的训练数据来训练深度学习模型,多剖面能够包含更多的地层结构信息。因此,我们提出了利用且相邻的多个地震剖面来压制噪声方法。针对当前地震数据降噪模型无法处理多剖面的问题,本文引入了Fast DVDnet网络模型,该模型能够输入多张相邻的地震剖面来重构中间的地震剖面。但是Fast DVDnet是有监督训练,地震数据缺乏大量的干净地数据训练Fast DVDnet。如果以多张相邻剖面为输入,中间剖面为伪标签训练模型,会出现恒等映射问题。因此本文将中间剖面随机遮挡,通过相邻剖面来重构随机遮挡的中间剖面,避免了恒等映射问题。与传统方法相比,该方法在消除合成噪声实验中得到了更高信噪比;在压制真实噪声时,得到了更干净的降噪结果和更低的平均局部相似值。

关键词：地震勘探地震噪声压制自监督学习卷积神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度残差网络的地震数据去噪研究

基于深度残差网络的地震数据去噪研究

作者：买皓中国石油大学(北京)

学位级别：硕士

本文提出了一个地震资料噪声压制神经网络模型,命名为:Seis-Res Net,自适应识别地震资料中的随机噪声。采用41层深度残差神经网络结构,输入地震数据训练。网络的输出为随机噪声,这种改进突破了深度学习算法网络层数的限制,相比以往浅层... 详细信息

本文提出了一个地震资料噪声压制神经网络模型,命名为:Seis-Res Net,自适应识别地震资料中的随机噪声。采用41层深度残差神经网络结构,输入地震数据训练。网络的输出为随机噪声,这种改进突破了深度学习算法网络层数的限制,相比以往浅层神经网络,学习地震信号特征更加充分,噪声压制效果更好。训练数据集在深度学习中起至关重要的作用,是制约神经网络预测精度的关键因素。为解决目前地震数据处理人工智能方法研究中标签数据匮乏的问题,本文自图像处理领域,引入在线字典学习（Online Dictionary Learning）算法,批量化生成适应于地震数据神经网络训练的标准化标签数据集。数值试验、实际地震资料处理结果表明,提出的深度残差网络模型能够有效压制噪声。本文最后使用迁移学习的方法,二次训练网络实现相干噪声压制,实际资料的处理结果验证了本方法扩展性的可信与可行。

关键词：残差网络字典学习迁移学习地震噪声压制