自適應動態濾波網絡壓制地震隨機噪聲研究
論文題目：自適應動態濾波網絡壓制地震隨機噪聲研究
錄用期刊/會議：【石油地球物理勘探】 (EI中文期刊)
原文DOI：10.13810/j.cnki.issn.1000-7210.2024.04.012
原文鏈接：http://www.ogp-cn.com.cn/CN/10.13810/j.cnki.issn.1000-7210.2024.04.012
錄用/見刊時間：2024/8/30
作者列表：
1） 徐彥凱 中國石油大學（北京）人工智能學院 電子系教師
2） 王 迪 中國石油大學（北京）人工智能學院新一代電子信息技術專業 碩21級
3） 李宜真 .中國石油集團川慶鉆探工程有限公司
4） 曹思遠 中國石油大學（北京）地球物理學院 物探系教師
5） 郝越翔 中國石油集團川慶鉆探工程有限公司
文章簡介:
地震勘探數據處理中對隨機噪聲的壓制一直備受關注。為此，本文提出了基于自適應動態濾波網絡(Adaptive Dynamic Filtering Net，ADFNet)的方法壓制地震資料中的隨機噪聲。
摘要:
自適應動態濾波網絡以編碼器—解碼器為架構，引入通道注意力機制(Attention Mechanism，AM)的思想，通過通道AM實現對采用空洞卷積形成多尺度數據的特征集成，為網絡提供了精準且豐富的特征表示；并引入動態卷積學習地震資料高頻特征，保留更豐富的細節信息。實驗結果表明，ADFNet可有效壓制地震資料中的隨機噪聲。
背景與動機:
在地震勘探過程中受環境噪聲影響地震數據不可避免的受到隨機噪聲的污染，嚴重影響有效信號的識別，因此壓制地震數據中的隨機噪聲是地震資料處理的重要一環。
設計與實現:
自適應動態濾波網絡采用編碼器—解碼器結構(圖1)。主要有MCB和MDCB模塊。MCB采用卷積和空洞卷積對輸入特征處理獲得不同尺度的特征數據，將數據沿通道維度疊加后計算通道注意力權重，對特征數據實現對三個維度注意力加權，通過卷積層來融合，利用空洞卷積和通道AM，實現高效的多尺度特征提取與集成，使網絡能夠更精準地區分地震資料中的有效信號與噪聲。MDCB將輸入利用空間特征提取分支和通道信息交互分支等生成動態卷積核組；并與之進行卷積；卷積后的特征數據融合后利用通道AM實現多尺度特征集成，獲取多維度的依賴關系，進一步融合提取的多尺度動態特征，提高提取地震數據信息的能力。
圖1 自適應動態濾波網絡結構
實驗結果及分析:
將ADFNet應用于圖2(a)實際地震數據，并DNCNN方法進行對比。DNCNN方法去除隨機噪聲有效，但有效信號卻破壞嚴重，殘差剖面中有明顯的有效信號痕跡；本文方法壓制噪聲比較徹底、同相軸更連續、紋理細節更清晰。
(a) (b) (c) (d) (e)
圖2 實際地震數據不同算法去噪結果及其與原始數據的殘差對比
(a) 實際地震數據 (b-c)DNCNN方法去噪結果和殘差；(c)本文方法去噪結果和殘差
結論:
本文提出了一種自適應動態濾波網絡的地震數據隨機噪聲壓制方法。該網絡引入通道自注意力機制，采用了動態卷積塊和多尺度動態卷積塊，改進了對地震數據高頻特征的表示和實現了對地震數據多尺度特征的集成表示，使網絡學習到更全面、可靠的多尺度信息。實驗驗證了自適應動態濾波網絡能有效壓制地震資料隨機噪聲。
作者簡介:
徐彥凱，副教授，中國石油大學（北京）人工智能學院碩士生導師，從事地震信號處理研究。