论文题目：自适应动态滤波网络压制地震随机噪声研究

录用期刊/会议：【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

原文链接：http://www.ogp-cn.com.cn/CN/10.13810/j.cnki.issn.1000-7210.2024.04.012

录用/见刊时间：2024/8/30

作者列表：

1） 徐彦凯 中国石油大学（北京）人工智能学院 电子系教师

2） 王   迪 中国石油大学（北京）人工智能学院新一代电子信息技术专业 硕21级

3） 李宜真 .中国石油集团川庆钻探工程有限公司

4） 曹思远 中国石油大学（北京）地球物理学院 物探系教师

5） 郝越翔 中国石油集团川庆钻探工程有限公司

文章简介:

地震勘探数据处理中对随机噪声的压制一直备受关注。为此，本文提出了基于自适应动态滤波网络(Adaptive Dynamic Filtering Net，ADFNet)的方法压制地震资料中的随机噪声。

摘要:

自适应动态滤波网络以编码器—解码器为架构，引入通道注意力机制(Attention Mechanism，AM)的思想，通过通道AM实现对采用空洞卷积形成多尺度数据的特征集成，为网络提供了精准且丰富的特征表示；并引入动态卷积学习地震资料高频特征，保留更丰富的细节信息。实验结果表明，ADFNet可有效压制地震资料中的随机噪声。

背景与动机:

在地震勘探过程中受环境噪声影响地震数据不可避免的受到随机噪声的污染，严重影响有效信号的识别，因此压制地震数据中的随机噪声是地震资料处理的重要一环。

设计与实现:

自适应动态滤波网络采用编码器—解码器结构(图1)。主要有MCB和MDCB模块。MCB采用卷积和空洞卷积对输入特征处理获得不同尺度的特征数据，将数据沿通道维度叠加后计算通道注意力权重，对特征数据实现对三个维度注意力加权，通过卷积层来融合，利用空洞卷积和通道AM，实现高效的多尺度特征提取与集成，使网络能够更精准地区分地震资料中的有效信号与噪声。MDCB将输入利用空间特征提取分支和通道信息交互分支等生成动态卷积核组；并与之进行卷积；卷积后的特征数据融合后利用通道AM实现多尺度特征集成，获取多维度的依赖关系，进一步融合提取的多尺度动态特征，提高提取地震数据信息的能力。

图1  自适应动态滤波网络结构

实验结果及分析:

将ADFNet应用于图2(a)实际地震数据，并DNCNN方法进行对比。DNCNN方法去除随机噪声有效，但有效信号却破坏严重，残差剖面中有明显的有效信号痕迹；本文方法压制噪声比较彻底、同相轴更连续、纹理细节更清晰。

(a)                (b)                 (c)                (d)                 (e)

图2  实际地震数据不同算法去噪结果及其与原始数据的残差对比

(a) 实际地震数据 (b-c)DNCNN方法去噪结果和残差；(c)本文方法去噪结果和残差

结论:

本文提出了一种自适应动态滤波网络的地震数据随机噪声压制方法。该网络引入通道自注意力机制，采用了动态卷积块和多尺度动态卷积块，改进了对地震数据高频特征的表示和实现了对地震数据多尺度特征的集成表示，使网络学习到更全面、可靠的多尺度信息。实验验证了自适应动态滤波网络能有效压制地震资料随机噪声。

作者简介:

徐彦凯，副教授，中国石油大学（北京）人工智能学院硕士生导师，从事地震信号处理研究。