本申请提供一种基于深度学习的主动源地震勘探背景噪声压制方法、装置，应用于地学勘探地震数据处理技术领域。该方法通过获取目标勘探区域背景噪声数据和含噪地震数据；对目标勘探区域背景噪声数据与地震正演模拟数据进行融合处理，得到训练样本集；采用训练样本集训练神经网络模型，得到背景噪声压制模型；将含噪地震数据输入至背景噪声压制模型中，得到含噪地震数据的噪声压制结果，提高处理效率、减小误差。
1、地震数据能够揭示地下岩石结构、流体分布，预测地震风险，为能源勘探提供依据，促进能源行业的发展。地震数据采集过程中不可避免地会受到背景噪声的干扰，这些噪声来源于自然环境和人为活动，噪声能量强大，掩盖了地震信号的特征，因此，有效压制背景噪声对于提高地震勘探数据品质至关重要。
2、现有技术中，地震勘探背景噪声压制主要方法有叠加法、滤波器法、稀疏变换法、矩阵降秩法。叠加法通过求和同相轴信号来压制随机噪声，但适用于随机噪声压制。滤波器法使用不同类型滤波器去除特定频段噪声，面对强混叠噪声效果有限。稀疏变换法利用信噪特征差异进行噪声分离，难以压制与信号相似的相干噪声。矩阵降秩法基于信号与噪声秩差异，通过降低数据秩数来去噪，但受限于同相轴曲率和秩数设定。
3、然而，现有技术中地震勘探背景噪声压制方法多利用人为模拟的噪声来制作神经网络训练数据集，然而复杂多变的背景噪声难以被有效的模拟，从而导致难以获得高精度高保真的地震勘探背景噪声去噪结果。
>4、对所述目标勘探区域背景噪声数据与地震正演模拟数据进行融合处理，得到训练样本集，所述地震正演模拟数据是计算机模拟生成的地震波在地下介质中传播的数据；5、采用所述训练样本集训练神经网络模型，得到背景噪声压制模型，所述神经网络模型用于确定所述背景噪声数据与所述地震正演模拟数据的关联关系；
6、将所述含噪地震数据输入至所述背景噪声压制模型中，得到所述含噪地震数据的噪声压制结果。
7、可选的，所述获取目标勘探区域背景噪声数据和含噪地震数据，包括：
8、获取震源激发前第一时长内的目标勘探区域的第一传感器数据，并根据所述第一传感器数据，确定所述背景噪声数据；
9、获取震源激发后第一时长内的目标勘探区域的第二传感器数据，并根据所述第二传感器数据，确定所述含噪地震数据。
10、可选的，所述对所述目标勘探区域背景噪声数据与地震正演模拟数据进行融合处理，得到训练样本集，包括：
11、根据所述目标勘探区域的地理结构和物理特性，模拟地震波在地下介质中的传播过程，得到多个地震正演模拟数据，所述地震正演模拟数据为不包含背景噪声的地震数据；
12、采用重叠滑动窗口对所述背景噪声数据和所述地震正演模拟数据进行分割处理，得到所述背景噪声数据对应的多个目标噪声块和所述地震正演模拟数据对应的多个目标信号块，其中，噪声块和信号块的长度一致；
13、将所述多个噪声块和所述多个信号块进行随机组合处理，得到训练样本集。
14、可选的，所述将所述多个噪声块和所述多个信号块进行随机组合处理，得到训练样本集，包括：
15、将所述多个噪声块中任意一个噪声块与所述多个信号块中任意一个信号块进行随机配对处理；
16、将配对的噪声块叠加至对应的信号块上，得到含噪信号块；
17、将每一个所述含噪信号块对应的信号块作为所述含噪信号块的标签，得到训练样本集。
18、可选的，所述训练所述神经网络模型，得到背景噪声压制模型，包括：
19、确定所述神经网络模型的损失函数，所述损失函数指示所述神经网络模型预测输出数据与实际数据之间差异；
20、在确定所述损失函数收敛时，控制所述神经网络模型停止迭代处理，确定背景噪声压制模型训练完成。
21、可选的，所述将所述含噪地震数据输入至所述背景噪声压制模型中，得到所述含噪地震数据的噪声压制结果，包括：
22、将所述含噪地震数据输入至所述背景噪声压制模型中；
23、所述背景噪声压制模型基于学习到的所述背景噪声数据与所述地震正演模拟数据的关联关系，确定所述背景噪声数据对应的地震信号数据；
24、基于所述地震信号数据，对所述背景噪声数据进行提取处理，得到所述含噪地震数据的噪声压制结果，所述噪声压制结果用于指示所述含噪地震数据内包含的目标地震信号。
25、第二方面，本申请提供一种基于深度学习的主动源地震勘探背景噪声压制装置，所述装置包括：
26、获取模块，用于获取目标勘探区域背景噪声数据和含噪地震数据；
27、处理模块，用于对所述目标勘探区域背景噪声数据与地震正演模拟数据进行融合处理，得到训练样本集，所述地震正演模拟数据是计算机模拟生成的地震波在地下介质中传播的数据；
28、所述处理模块，还用于采用所述训练样本集训练神经网络模型，得到背景噪声压制模型，所述神经网络模型用于确定所述背景噪声数据与所述地震正演模拟数据的关联关系；
29、所述处理模块，还用于将所述含噪地震数据输入至所述背景噪声压制模型中，得到所述含噪地震数据的噪声压制结果。
30、可选的，所述基于深度学习的主动源地震勘探背景噪声压制装置还包括：确定模块；
31、所述获取模块，还用于获取震源激发前第一时长内的目标勘探区域的第一传感器数据；
32、所述确定模块，用于根据所述第一传感器数据，确定所述背景噪声数据；
33、所述获取模块，还用于获取震源激发后第一时长内的目标勘探区域的第二传感器数据；
34、所述确定模块，还用于根据所述第二传感器数据，确定所述含噪地震数据。
35、可选的，所述处理模块，还用于根据所述目标勘探区域的地理结构和物理特性，模拟地震波在地下介质中的传播过程，得到多个地震正演模拟数据，所述地震正演模拟数据为不包含背景噪声的地震数据；
36、所述处理模块，还用于采用重叠滑动窗口对所述背景噪声数据和所述地震正演模拟数据进行分割处理，得到所述背景噪声数据对应的多个目标噪声块和所述地震正演模拟数据对应的多个目标信号块，其中，噪声块和信号块的长度一致；
37、所述处理模块，还用于将所述多个噪声块和所述多个信号块进行随机组合处理，得到训练样本集。
38、可选的，所述处理模块，还用于将所述多个噪声块中任意一个噪声块与所述多个信号块中任意一个信号块进行随机配对处理；
39、所述处理模块，还用于将配对的噪声块叠加至对应的信号块上，得到含噪信号块；
40、所述处理模块，还用于将每一个所述含噪信号块对应的信号块作为所述含噪信号块的标签，得到训练样本集。
41、可选的，所述确定模块，还用于确定所述神经网络模型的损失函数，所述损失函数指示所述神经网络模型预测输出数据与实际数据之间差异；本文档来自技高网...
【技术保护点】
1.一种基于深度学习的主动源地震勘探背景噪声压制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取目标勘探区域背景噪声数据和含噪地震数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述对所述目标勘探区域背景噪声数据与地震正演模拟数据进行融合处理，得到训练样本集，包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述多个噪声块和所述多个信号块进行随机组合处理，得到训练样本集，包括：
5.根据权利要求1所述的方法，其特征在于，所述训练所述神经网络模型，得到背景噪声压制模型，包括：
6.根据权利要求1所述的方法，其特征在于，所述将所述含噪地震数据输入至所述背景噪声压制模型中，得到所述含噪地震数据的噪声压制结果，包括：
7.一种基于深度学习的主动源地震勘探背景噪声压制装置，其特征在于，所述装置包括：
8.根据权利要求7所述的装置，其特征在于，
9.一种基于深度学习的主动源地震勘探背景噪声压制设备，其特征在于，包括：
10.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-6中任一项所述的基于深度学习的主动源地震勘探背景噪声压制方法。
...
【技术特征摘要】
1.一种基于深度学习的主动源地震勘探背景噪声压制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取目标勘探区域背景噪声数据和含噪地震数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述对所述目标勘探区域背景噪声数据与地震正演模拟数据进行融合处理，得到训练样本集，包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述多个噪声块和所述多个信号块进行随机组合处理，得到训练样本集，包括：
5.根据权利要求1所述的方法，其特征在于，所述训练所述神经网络模型，得到背景噪声压制模型，包括：
<...
【专利技术属性】
技术研发人员：刘洋，陈桂，
申请(专利权)人：中国石油大学北京，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。