检索结果-南通市图书馆

基于二维紧致变分模态分解的沙漠地震信号噪声压制方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于二维紧致变分模态分解的沙漠地震信号噪声压制方法研究

作者：李琳琳吉林大学

学位级别：硕士

地震勘探是获取地质信息的主要方法,通过获取到的地质信息可以实现对油气资源的勘探和开采。随着油气资源需求量的增加和勘探技术的成熟,常规油气勘探已经不能满足人们的需求,非常规油气勘探进入人们的视野,成为研究的热点。在地震勘探... 详细信息

地震勘探是获取地质信息的主要方法,通过获取到的地质信息可以实现对油气资源的勘探和开采。随着油气资源需求量的增加和勘探技术的成熟,常规油气勘探已经不能满足人们的需求,非常规油气勘探进入人们的视野,成为研究的热点。在地震勘探中,与常规的油气田相比,非常规油气田的采集环境恶劣,接收到的地震数据含有更复杂的噪声,所以采集到的地震数据信噪比(Signal-to-Noise Ratio,SNR)较低,这增大了地震数据分析的难度。因此,提高地震数据信噪比、压制地震数据中的随机噪声是地震信号处理的首要任务。本文主要研究沙漠地区的地震信号,沙漠地区蕴藏着丰富的油气资源,有非常广阔的勘探前景。但沙漠地区的地理环境复杂,地震信号中随机噪声具有低频、非高斯、非平稳等特性,噪声和有效信号在频域会有重叠,常规的地震信号去噪方法等并不能有效的去除沙漠地震信号中的随机噪声。因此需要寻求一种能够除去沙漠地震信号噪声的有效方法。变分模态分解(Variational Mode Decomposition,VMD)将信号非递归的分解为有限个围绕中心频率分布的窄带模态函数,在地震信号处理中得到了广泛的应用,但VMD按照频率将信号分解为不同的模态,对于沙漠低频噪声并没有明显的压制效果。二维变分模态分解(Two-dimensional Variational Mode Decomposition,2D-VMD)把VMD算法扩展到二维,能够将信号分解为有限个具有特定方向和振动特性的固有模态函数。二维紧致变分模态分解(Two-dimensional Compact Variational Mode Decomposition,2D-CVMD)算法在2D-VMD的基础上引入二进制支持函数,通过全变分(Total Variation,TV)和L1范数惩罚二进制支持函数,能够促进模态在频域的稀疏性。本文将2D-CVMD算法应用于沙漠地震信号噪声压制,首先对二维的沙漠地震信号进行分解,将信号分解为有限个模态分量和对应的二进制支持函数;分解得到的模态具有特定方向,根据模态的方向性判断出信号和噪声模态,舍弃噪声模态,保留信号模态;将二进制支持函数作为信号模态分量的掩模得到掩模模态,最后将掩模模态相加得到去噪后的信号。上述算法用于合成沙漠地震资料处理,将f-x域预测滤波、小波变换和VMD算法作为对比实验,通过比较去噪前后地震信号的信噪比和均方误差(Mean Square Error,MSE)、时域和频域去噪图、单道信号幅值对比图等都可以看出,该方法能够有效的压制沙漠地震噪声,并实现对有效信号的保留。将算法应用到实际沙漠地震资料的处理,与传统的地震信号去噪算法比较,该方法能够压制噪声并连续清晰的恢复同相轴。

关键词：沙漠地震信号变分模态分解二进制支持函数噪声压制

基于时频域内低秩分解的卷积神经网络在沙漠地震信号处理中的应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时频域内低秩分解的卷积神经网络在沙漠地震信号处理中的应用

作者：王玉琢吉林大学

学位级别：硕士

地震勘探是探索地下能源与资源的重要手段,通过地震勘探,能够获得可以比较准确地反映地层构造的勘探资料。随着国家的发展,常规采区的油气藏的开采已步入后期,油气资源开发逐渐向地质情况复杂、开采难度大的地区发展。位于西北地区的塔... 详细信息

地震勘探是探索地下能源与资源的重要手段,通过地震勘探,能够获得可以比较准确地反映地层构造的勘探资料。随着国家的发展,常规采区的油气藏的开采已步入后期,油气资源开发逐渐向地质情况复杂、开采难度大的地区发展。位于西北地区的塔里木盆地具有丰富的油气矿藏,开发这些油气藏的首要工作就是对其地质结构进行准确分析并探明油气储量。然而,由于塔里木地区地表多为沙层且植被稀疏,受大风影响地表情况易发生变化。这使沙漠地震勘探资料中包含大量随机噪声,这些噪声具有非平稳性、非线性、低频、非高斯性等特性,严重降低了勘探资料的信噪比,阻碍了有效反射波的呈现,给勘探资料的处理和解释带来了困难。因此,噪声消减至关重要,对油气资源的勘探与开发有着深远的意义。卷积神经网络(CNN)可通过对待处理数据的样本学习来获得具有强噪声压制能力的去噪模型。除此之外,得到的模型还具备很强的泛化能力,避免了在处理不同噪声水平数据时的参数调整问题。低秩分解是矩阵分解的重要方法,能够根据矩阵中内部元素的性质对矩阵进行分解,可用来实现对信号的特征提取。本论文基于卷积神经网络与低秩分解来开展对沙漠地震勘探资料噪声压制算法的研究。将含噪沙漠地震记录视为二维矩阵,其中噪声成分具有低秩性,信号成分具有稀疏性。根据这一特点,本文利用低秩分解提取先验信息,然后使用卷积神经网络对所提取的信号先验信息进行更深层次的学习,提出了一种新的去噪方法:基于交替方向乘子法的卷积神经网络(ADMM-CNN)。由于本文所提出的算法为有监督神经网络,故本文根据沙漠地震资料中信号与噪声的特点,采用地震子波与实际采集到的噪声分别构建了信号集与噪声集用于模型训练。在训练时,首先采用交替方向乘子法(ADMM)将输入数据分解为低秩、稀疏、扰动三层,然后将分解后的三层信号通过三通道输入进卷积神经网络进行模型训练。训练完成后可得到对沙漠噪声具有强压制能力的去噪模型,通过该去噪模型即可实现对沙漠噪声的压制。本文将所提出ADMM-CNN算法应用于合成和实际沙漠地震数据去噪来验证本文方法的有效性、优越性以及泛化能力,并采用信噪比、均方误差等量化指标以及时域分析、频域分析等定性分析方法来评估本文方法的去噪性能。通过合成地震数据和实际地震数据的测试,可以看到本文所提方法的去噪性能要明显优于传统方法,不仅能够去除沙漠随机噪声、面波、沙丘鸣震等干扰波,还能较好地保证有效反射波的连续性与完整性。合成记录测试中,本文方法对于不同噪声水平下的含噪记录的信噪比提升均可以达到20d B左右,对于有效信号的保幅度在95%以上,充分表明本文方法具有对沙漠噪声的较强的压制能力与泛化能力。

关键词：深度学习沙漠地震信号卷积神经网络低秩分解随机噪声压制

Shearlet域深度残差CNN用于沙漠地震信号去噪

在线全文

同方学位论文库

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

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

基于多模态低秩处理的沙漠地震随机噪声压制

基于多模态低秩处理的沙漠地震随机噪声压制

作者：张珊吉林大学

学位级别：硕士

作为现代地球物理勘探的主要手段和油气资源勘探领域中的重要方法之一,地震勘探一直以来都备受各国学者的密切关注。近年来,随着人类生产生活对油气资源的需求日益攀升,容易开采的油气资源的减少,非常规的油气资源开采成为热点,这也就... 详细信息

作为现代地球物理勘探的主要手段和油气资源勘探领域中的重要方法之一,地震勘探一直以来都备受各国学者的密切关注。近年来,随着人类生产生活对油气资源的需求日益攀升,容易开采的油气资源的减少,非常规的油气资源开采成为热点,这也就使得地震勘探的应用难度越来越大。地震勘探工程的顺利展开很大程度上依赖于一副品质良好的地震记录,而消减地震勘探随机噪声提高其信噪比是提升地震记录品质的关键一步,因此,寻找一种有效的地震勘探随机噪声的压制方法,提高地震记录品质意义深远。近年来,各国学者相继提出了一系列随机噪声消减的方法,如f-x反褶积、小波去噪算法、时频峰值滤波、经验模态分解等,这些经典的算法先后被应用于地震信号处理领域中,虽然均取得了一定的效果,然而,各自的局限性使得处理效果不尽人意。f-x反褶积虽然工程应用较为普遍,但它要求反射波同向轴具有线性或局部线性,无法压制不规则噪声,而且,在处理低信噪比资料时会出现明显误差;小波变换作为一种多尺度的时频分析方法,虽然在地震勘探应用比较广泛,但是其去噪效果很大程度上依赖于阈值的选取,限制了方法应用的灵活性和适用性;时频峰值滤波虽然可以处理低信噪比的数据,但是受非线性化和窗长选取的制约;传统的经验模态分解方法虽然不依赖于阈值的选取,使用灵活,但是,模态混叠和端点效应等问题的存在使得去噪之后信号的保幅性并不理想。这些已有的传统滤波技术虽然在应对中浅层地震勘探随机噪声消减,提高地震记录信噪比方面起到一定作用,在地震勘探工程中也得到了较好的效果。但是面对能源地震勘探的“三高”要求、复杂困难的地表和近地表地质条件、越来越深和赋存空间越来越复杂的勘探目标,常规地震数据去噪技术已逐渐难以适应当前高精度勘探的需求。为了寻求一种不受噪声性质和阈值限制,足以应对强复杂随机噪声的去噪方法,本文将引入了一种多模态低秩处理的方法,该方法是将自适应噪声辅助的集合经验模态分解(CEEMDAN)算法和GreGoDec低秩方法结合,并将其应用于沙漠地带随机噪声的消减。CEEMDAN分解算法是由Torres M E等人于2011年ICASSP会议上首次提出,一定程度上克服了经验模态分解存在的模态混叠等问题,一经提出,便被广泛应用于医学信号和轴承故障检测方面,并取得了不错的效果,单一的CEEMDAN算法虽然也可以实现去噪的目的,但是,在降噪过程中,需要舍弃部分模态,这就大大削减了有效信号的保幅效果;GreGoDec低秩方法是2013年在AISTATS会议上被提出的,具有较强的特征识别能力,但是面对噪声性质复杂多变的沙漠地震数据,单一的低秩并不能够将有效信号和噪声很好的分离开来。因此,将二者巧妙融合,既规避了由于沙漠地带随机噪声低频且性质复杂而造成的常规去噪方法不适用的问题,同时,也无需舍弃模态,大大提高了有效信号的保幅效果。本文将这一思想应用于沙漠地震信号处理中,模拟和实际资料处理也证明了其对沙漠地震信号中随机噪声的确是适用的。

关键词：沙漠地震信号 CEEMDAN算法随机噪声压制 GreGoDec算法

基于Shear let熵与SVM的地震信号去噪研究

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Shear let熵与SVM的地震信号去噪研究

作者：范诗雨吉林大学

学位级别：硕士

地震勘探作为一种资源探索的方法一直都是学者们研究的热点。随着国家对矿产资源需求量的增多,并且能够被开采的资源不断减少,地震勘探的应用难度越来越大。地震勘探工程的基础是从品质好的地震记录出发开展后续环节。消减地震勘探随机... 详细信息

地震勘探作为一种资源探索的方法一直都是学者们研究的热点。随着国家对矿产资源需求量的增多,并且能够被开采的资源不断减少,地震勘探的应用难度越来越大。地震勘探工程的基础是从品质好的地震记录出发开展后续环节。消减地震勘探随机噪声提高信噪比(SNR)是改善地震记录品质的关键。近年来,常规油气勘探资源日益紧缺,储备量丰富的非常规油气勘探已经成为全球油气开采的新热点。微地震监测是一种非常规油气勘探技术,但由于实际接收到的微地震信号总是被大量噪声所干扰,并且实际的微地震有效信号能量十分微小,导致有效信号无法人工识别。而沙漠地带常年被沙土覆盖,其产生的随机噪声极其复杂,具有低频性、变化的非平稳性、非高斯性、非时限性、非均匀变相波动特性等。这类噪声限制了已有优秀的消噪技术的效果。本论文基于Shearlet(剪切)熵与SVM(Support Vector Machines,支持向量机)开展地震信号随机噪声消减研究,主要针对微地震信号和沙漠地震信号展开去噪处理。根据微地震信号与沙漠信号各自的特性,本文通过提取不同的特征量来实现信噪的分离。使用Shearlet变换将微地震信号与沙漠地震信号映射到变换域进行处理,Shearlet变换多尺度多方向的特点可以使这两种信号在Shearlet域实现稀疏表示,有利于后续的信号特征提取。根据微地震信号的特点,先利用Shearlet变换尺度间相关性增强信号与噪声的差异,选取相关性最强的方向,对该方向系数求能量熵并得到该系数中每段能量占总能量的比例。而在沙漠地震勘探中,计算各Shearlet系数的近似熵,将分解后的所有方向根据近似熵分为信号优势方向和噪声优势方向。在两个不同的优势方向上,采用不同的策略提取信号特征进行识别。最后对于两种信号来说,我们都可以使用SVM代替传统阈值,解决阈值在信噪比低或信噪十分相似的情况下分类准确率低的问题,对于微地震信号来说,Shearlet能量熵作为特征量输入SVM,若SVM判定结果为该信号含有有效信号则结合能量比可确定有效信号的位置。对于沙漠地震信号来说,SVM根据信号特征确定每个系数点是信号或是噪声。保留有效信号系数,并去除噪声系数,最后通过Shearlet反变换得到去噪记录。在微地震信号检测中,本文通过大量的实验验证了所提出算法的有效性,在-8d B下仍有80%左右的准确率,同时与长短时窗平均值比和Akaike信息准则作对比突出本文方法的优越性;而沙漠地震记录去噪也通过模拟与实际记录的处理说明了本文方法的可靠性,信噪比提高12d B左右,与Shearlet硬阈值、fx反褶积作对比,也可以看到本文方法的优势。

关键词：微地震信号沙漠地震信号 Shearlet变换熵 SVM

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多模态低秩处理的沙漠地震随机噪声压制

吉林大学学报（信息科学版） 2020年第2期38卷 111-118页

作者：张珊李月吉林大学通信工程学院长春130012

沙漠地带的随机噪声使沙漠地震记录中的有效信号很大程度上被淹没。针对此问题,提出将自适应噪声辅助的集合经验模态分解方法(CEEMDAN:Complete Ensemble Empirical Mode Decomposition with Adaptive Noise)与鲁棒标准正交子空间方法(R... 详细信息

沙漠地带的随机噪声使沙漠地震记录中的有效信号很大程度上被淹没。针对此问题,提出将自适应噪声辅助的集合经验模态分解方法(CEEMDAN:Complete Ensemble Empirical Mode Decomposition with Adaptive Noise)与鲁棒标准正交子空间方法(ROSL:Robust Orthonormal Subspace Learning)有效融合。首先利用CEEMDAN算法对沙漠地震数据进行分解,将分解得到的所有模态拼成一幅新记录,并对其进行低秩分解,再将得到的稀疏部分中每道的所有模态重新叠加获得去噪结果。二者相结合,不仅解决了单一的低秩处理对沙漠地震数据效果不明显的问题,同时也规避了要对CEEMDAN算法分解得到的模态进行取舍的难题。模拟实验和实际数据处理表明,该算法压制低频随机噪声具有明显的优势,同时对有效信号的保幅均能保证在85%以上,对实际数据中面波的压制也相对比较彻底。

关键词：自适应噪声辅助的集合经验模态分解鲁棒标准正交子空间随机噪声沙漠地震信号