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。为此用户可以使用ColchisFM软件中的PythonTool模块,结合在线字典学习(Online Dictionary Learning简称ODL)算法,实现对地震数据的精准去噪。 在线字典学习(ODL)是采用先进的稀疏编码技术,并在地...
混合去噪机制:结合小波多尺度分析与块阈值技术,兼顾全局噪声抑制与局部特征保留。 自适应参数:通过修正因子动态调整阈值,适应不同信噪比场景。 尾波保护:在激进去噪与信号完整性之间平衡,尤其针对地震信号尾波部分进行优化。 算法流程如下: 开始│├─ 数据输入模块│ ├─ 选择数据类型(真实/合成)│ ├─ 读取数据文件...
采用有限差分法进行数值模拟,得到随掘地震的地震记录,并在仿真地震记录中加入随机噪声;采用基于改进人工蜂群的独立分量分析方法(IABC-ICA)进行噪声与有效信号的分离,在此基础上利用互相关和脉冲反褶积方法进行压缩子波处理,得到与采用雷克子波震源模拟地震记录一致的波场特征,验证了该方法的去噪效果。
我们使用由地震站记录的各种噪声和非地震信号影响的地震图来训练网络并演示其性能。方法：将记录的数据看做地震信号和自然/仪器噪声或非地震信号等噪声的叠加，去噪的目的是通过最小化真实信号和估计信号之间的预期误差，从噪声污染版的数据中估计潜在地震信号。TFT-1是逆时频变换，Y（t,f）是时频域中包含噪声的信号...
在τ-p域去噪的具体步骤如下: 数据变换:首先,将地震数据从time-offset domain转换到τ-p domain。此过程被称为倾斜叠加(slant-stack),它通过将数据按照不同的水平慢度进行累加,生成以τ和p为坐标的新数据域。 识别噪声和信号:在τ-p域中,通过观察不同p值区域的数据分布,可以清楚地看到噪声和有效信号的差异。
地震数据去噪是机器学习在地震学的另一个应用。城市噪声源头多、能量强、覆盖频带宽。当地震信号与噪声在频率域有交集时，频率域滤波的去噪方法无法有效还原信号，且导致较大的波形畸变；时频域的去噪方法虽然可以克服上述问题，但是提取信号的阈值函数很难准确表达。Siahsar et al.（2017）和Liu et al.（2018）曾采...
深度学习在地震数据去噪处理中的应用实践主要包括以下几个步骤: 数据准备:地震数据去噪处理中,需要准备包含噪声和原始信号的地震记录,并将其转化为深度学习模型可以处理的格式。数据准备阶段通常包括数据清洗、预处理和特征提取等步骤。 模型训练:选择合适的深度学习模型,如卷积神经网络或循环神经网络,对准备好的数据进行...
地震应用方向 叠前地震数据随机噪声去除,实现噪声分离 面波去噪 面波作为很强的干扰波出现在地震勘探中,大大降低了地震记录的分 辨率和信噪比。深度学习作为一种数据驱动类方法, 能够从大量数据样本中 学习得到有效信号与噪声的区别, 自适应建立深度神经网络来压制噪声。
所谓提高地震资料的信噪比,也就是提高有效波能量和干扰波能量的比例。 值得注意的是,有效波和干扰波是相对的。在反射波地震勘探中,反射波是有效波,其他波是干扰波; 折射波地震勘探中,折射波是有效波,其他波是干扰波。 干扰波主要分为规则干扰波和随机干扰波。规则干扰波具有一定的频率,波长或视速度等特征,能在地...
中海石油国际能源服务申请针对二维地震数据的去噪专利，实现对地震数据的噪音压制 金融界2025年3月29日消息，国家知识产权局信息显示，中海石油国际能源服务（北京）有限公司申请一项名为“针对二维地震数据的去噪方法和去噪装置、设备、介质”的专利，公开号 CN 119693265 A，申请日期为2024年12月。专利摘要显示，本发明...