来源：期刊VIP网 时间：
作者：刘威;徐振旺;未晛;江源;陈伟;
单位：长江大学非常规油气省部共建协同创新中心;中国石油辽河油田公司石油勘探开发研究院;北京劳动保障职业学院城市安全学院;气象信息与信号处理四川省高校重点实验室;数学地质四川省重点实验室;
摘要：地震数据中混杂的随机噪声严重影响数据的解释和应用，传统的去噪方法在去除噪音的同时无法避免丢失有效信号，难以满足精准去噪的需求。为此提出了一种基于降噪卷积神经网络(DnCNN)与多尺度特征提取的地震数据去噪方法。在多尺度特征提取模块中加入通道注意力机制、空间注意力机制以及深度可分离卷积，并且借鉴残差网络结构，使得网络不仅可以学习不同尺度的特征，还能够合理分配不同通道和空间的权重，充分利用数据之间的相关性。这种方法不仅显著提升了网络训练的效果，而且在去噪的同时，能够最大程度地保留原始地震数据的有效信号和局部细节。
关键词：地震数据去噪;;深度学习;;多尺度特征;;DnCNN
基金资助：国家自然科学基金项目“基于经验模态分解的自由表面多次波衰减方法研究”(41804140);; 数学地质四川省重点实验室开放基金项目“基于循环谱增强技术的复杂叠置致密河道储层预测方法研究”(scsxdz2023-10)
