[发明专利]基于人工智能深度神经网络的公路噪音压制方法及系统

权利要求书

1.一种基于人工智能深度神经网络的公路噪音压制方法，其特征在于，所述公路噪音压制方法包括：

获取样本数据；所述样本数据包括含噪地震数据以及噪音分布数据；所述含噪地震数据为含有公路噪音的地震数据；所述噪音分布数据为所述含噪地震数据减去去噪地震数据得到的数据；

对所述样本数据进行谐波噪音去除、数据分块以及规则化处理；

采用人工智能深度学习卷积神经网络对处理后的样本数据进行学习，得到噪音分布模型；所述噪音分布模型为处理后的含噪地震数据与处理后的噪音分布数据的关系模型；

获取当前含噪地震数据，并对所述当前含噪地震数据进行谐波噪音去除、数据分块以及规则化处理；

将处理后的当前含噪地震数据输入到所述噪音分布模型中，得到噪音分布数据估计值；

根据所述噪音分布数据估计值，计算噪音掩码和压制尺度；

根据所述噪音掩码和所述压制尺度，压制所述当前含噪地震数据中的公路噪音，得到当前去噪地震数据；

所述对所述样本数据进行谐波噪音去除、数据分块以及规则化处理，具体包括：

对所述样本数据中的含噪地震数据和噪音分布数据分别进行谐波噪音去除处理；对谐波噪音去除后的含噪地震数据和谐波噪音去除后的噪音分布数据分别进行数据分块处理；对数据分块后的含噪地震数据和数据分块后的噪音分布数据分别进行规则化处理；

其中，所述对数据分块后的含噪地震数据和数据分块后的噪音分布数据分别进行规则化处理，具体包括：

根据公式x'_i(j)＝s_i(j)*x_i(j)对数据分块后的含噪地震数据进行规则化处理；

其中，x'_i(j)表示第i块第j元素对应的规则化后的含噪地震数据，j表示元素序号，x_i(j)表示第i块第j元素对应的含噪地震数据，s_i(j)表示第i块第j元素对应的含噪地震数据的规则化系数；

规则化系数表达式为

其中，J表示元素总数，表示对x_i(j)进行振幅修正后得到数据；max(x)表示数据分块后的含噪地震数据中最大的振幅值；max(x_i(j))表示第i块第j元素对应的含噪地震数据中最大的振幅值；

根据公式r'_i(j)＝g_i(j)*r_i(j)对数据分块后的噪音分布数据进行规则化处理；

其中，r'_i(j)表示第i块第j元素对应的规则化后的噪音分布数据，j表示元素序号，r_i(j)表示第i块第j元素对应的噪音分布数据，g_i(j)表示第i块第j元素对应的噪音分布数据的规则化系数；

规则化系数表达式为

其中，J表示元素总数，表示对r_i(j)进行振幅修正后得到数据；max(r)表示数据分块后的噪音分布数据中最大的振幅值；max(r_i(j))表示第i块第j元素对应的噪音分布数据中最大的振幅值。

2.根据权利要求1所述的公路噪音压制方法，其特征在于，所述根据所述噪音分布数据估计值，计算噪音掩码和压制尺度，具体包括：

将所述噪音分布数据估计值的数据块形式还原成地震道形式；

根据地震道形式的噪音分布数据估计值，计算噪音掩码和压制尺度。