关键词:
随机噪声压制
扩散模型
残差模块
注意力模块
摘要:
地震数据中的随机噪声毫无规律,常规去噪方法难以达到理想的效果,影响后续的地震数据解释和分析。为此,提出一种基于扩散模型的地震信号去噪方法。该方法的前向扩散过程是通过对地震数据进行一定程度的加噪,将地震数据变成存在大量各向同性的高斯噪声的含噪地震数据,再利用训练后的扩散模型对含噪数据进行重建,提高地震数据的信噪比。预测网络部分是基于改进的U-Net网络,该网络中引入了注意力模块和ResNet模块,以提高网络对重要区域的关注度,避免深度网络中的梯度消失问题。理论数据和实际数据的应用结果均验证了文中方法的有效性。该方法去噪效果远超FX滤波、SVD等传统去噪方法,同时也比经典的深度学习网络CNN、GAN更加优秀,能够完整地保留有效信号,极大提升地震数据的质量。