来源：期刊VIP网 时间：
作者：赵欣新;林俊武;黄忠来;秦亮;
单位：中国海洋大学海洋地球科学学院,海底科学与探测技术教育部重点实验室;莆田学院新工科产业学院;
摘要：地面微震监测因施工简便、成本低而广泛应用，但其信号易受噪声干扰。本文提出一种基于时-频(time frequency, TF)域深度学习的方法，通过同步挤压变换构建U-Net训练集，结合迁移学习策略消除低信噪比数据中的噪声。实际监测数据所包含的有效微震信号数量有限，难以被用来构建足够大的标签训练集。本文采用先使用模拟数据集进行训练，再使用实际数据进行迁移学习的策略。首先，对无噪的模拟微震信号和加入真实噪声的模拟微震信号分别进行同步挤压变换，获取它们的高分辨率时-频谱，并用其构建U-Net网络的时-频域训练集。网络训练完成后，再使用实际微震监测信号所构成的小规模训练集对网络进行迁移学习，并得到最终的消噪网络。使用多道微震监测数据的高分辨率时-频谱构建训练集，可以更好地利用监测数据道与道之间有效微震信号的相关性，使得网络训练获得更好的效果。模拟和实际数据的消噪实验结果表明，本文提出的消噪网络可以明显地压制微震监测资料中的相干噪声和随机噪声，极大地改善资料的信噪比。
关键词：微震监测;;深度学习;;U-Net神经网络;;同步挤压变换;;迁移学习
基金资助：山东省自然科学基金项目(ZR2020MD047);; 福建省自然科学基金项目(2022J011170)资助~~
