[发明专利]一种基于几何模态特征并行网络的沙漠数据消噪方法

说明书

本发明涉及一种基于几何模态特征并行网络的沙漠数据消噪方法，属于地球物理技术领域。利用几何模态分解实现含噪数据不同形态和不同频段的特征划分，将各模态数据同时经过多组并行消噪网络，实现模态内噪声分量的深入消减，最后将所有网络的输出求和得到消噪结果。本发明为增强网络适应性并确保数据集完备性，采用由简到繁的方式构建信号训练集，而噪声训练集从实际沙漠噪声数据中截取获得，合成数据和实际沙漠资料的实验结果充分表明本发明在沙漠复杂随机噪声压制及弱信号恢复方面的优势。

技术领域

本发明属于地球物理技术领域，用于对沙漠地震资料中复杂低频噪声消减。

背景技术

地震勘探是油气资源探测的重要手段之一。随着世界油气需求量的持续增长，地震 勘探开发正面临着由构造油气藏向复杂岩性油气藏转移的新形势和新任务，地震勘探的 难度日益增大，地震勘探理论和技术在不断提高，地震数据消噪是油气资源勘探中的关键环节之一。沙漠地区地表起伏较大的流动沙丘严重影响采集时激发和接收的一致性及地震波的吸收衰减，复杂的勘探环境和特殊的地质条件使得采集到的地震资料中随机噪声能量强、主频低(20Hz)、特性复杂(非平稳、非高斯、非线性)、信噪比极低、统 计性规律变化较大，且与有效信号存在严重频谱混叠，数据量大，这些因素都严重影响 了弱信号的识别效果，从而影响油田的开采、勘探及开发工作。因此，如何在有效抑制 噪声条件下较完整地恢复出弱有效信号成为沙漠数据处理问题的难点。

到目前为止，国内外学者针对地震勘探数据随机噪声压制已经提出了许多去噪方法，并且在不断更新。时频变换类方法：如傅里叶变换，小波变换，f-x域预测滤波等， 这些方法可以反映信号的局部特征，但不能更好地显示信号的各向异性。稀疏变换类方 法：如曲波变换，完备字典，剪切波变换和轮廓波变换等，这些方法通过判断信号和噪 声在不同变换空间或不同频段的特性差异来消除噪声，但当地震资料的信噪比过低时， 无法实现信号和噪声的有效分离。非线性技术类方法：如各向异性扩散滤波器，自适应 控制核回归和块匹配技术等，这些方法使用非线性变换来分离信号和噪声，但参数需要 根据不同的数据进行人工设置或连续调整，处理结果只能是最优近似，且需要根据经验 和数据特征选择和设置特征的数量和类型，不能实现真正的自适应。模态分解类方法： 如经验模态分解、变分模态分解和二维变分模态分解等，这些方法可以自适应地实现数 据的不同频段划分，然而，同二维小波变换相似，二维变分模态分解无法最优地表示出 数据的几何特性。

可见上述方法都存在难以解决和不尽人意之处，如勘探数据量剧增带来的处理效率 问题，地震资料中噪声模型及参数未知造成的消噪结果不理想问题，算法参数需要根据不同地震数据进行人工设置而无法自适应调整等问题，这些问题限制了传统信号处理方法的处理效果，在沙漠数据复杂强低频噪声背景下存在大量噪声残留，有效信号损失严重，假轴大量产生等现象。2018年，几何模态分解方法被提出并应用于勘探数据处理。 由于勘探数据中有效信号呈现出不同的分布形态，与噪声不仅存在频率上的差异，还存 在形态上的差异，因此几何模态分解方法可以更好地实现勘探数据中信号与噪声特征的 区分。但由于沙漠噪声与有效信号存在弱相关性，因此单纯利用几何模态分解方法很难 获得理想的消噪效果。于是，本发明根据沙漠噪声自身的特点，在几何模态分解基础上， 结合深度学习技术，提出一种基于几何模态分解及并行网络相结合的适用于沙漠随机噪 声消减的新模型，与现有消噪方法相比，新方法能够实现低信噪比沙漠数据中弱有效信 号的准确识别及复杂噪声的有效压制，且计算过程简单，运行速度较快，准确性高。

发明内容

本发明提供一种基于几何模态特征并行网络的沙漠数据消噪方法，以解决低信噪比 条件下沙漠数据中复杂随机噪声消减困难的问题，该方法根据沙漠自身特点，对含噪沙漠数据进行几何模态特征分解，再将包含不同形态和不同频率特征的多个模态数据同时经过一个并行的网络结构，并进行合理重构，进而实现沙漠随机噪声的有效压制及弱信 号的完整恢复。

本发明采取的技术方案是，包括下列步骤：

(1)几何模态特征分解

一张包含线性同相轴的地震数据可以表示为：