[发明专利]一种基于DnCNN神经网络对地震数据噪声压制的方法

权利要求书

1.一种基于DnCNN神经网络对地震数据噪声压制的方法，其特征在于，包括：

S1，将高信噪比的第一里氏震级地震信号M₁缩小为第二里氏震级M₂地震信号，得到所述近似无噪地震数据；

S2，选取与所述无噪地震数据同一来源的噪声数据；

S3，将所述无噪地震数据与所述噪声数据合并得到训练数据；

S4，将所述训练数据与所述无噪地震数据组成样本对，输入DnCNN神经网络进行训练；

S5，待训练完成后，使DnCNN神经网络压制地震信号的噪声。

2.根据权利要求1所述的基于DnCNN神经网络对地震数据噪声压制的方法，其特征在于，得到所述无噪地震数据的具体方法为：将第一里氏震级地震信号M₁的振幅乘以A转化为第二里氏震级M₂地震信号，其中A＝10^-(M1-M2)；

所述里氏震级的计算公式为：

其中A₀是距震中100公里处接收到的0级地震的地震波的最大振幅，单位是μm；A_max是指地震在距震中100公里处接收到的地震波的最大振幅，单位是μm。

3.根据权利要求1所述的基于DnCNN神经网络对地震数据噪声压制的方法，其特征在于，所述S4具体包括，DnCNN神经网络的输入数据为处理过的小地震加噪数据y；而y＝x+v，其中x表示降过震级的有效信号，v表示噪声，使用残差学习训练一个残差映射R(y_i；Θ)≈v，残差映射得到的结果是所述神经网络学习到的噪声，网络输出的地震资料有效信号为x’＝y-R(y_i；Θ)；其中Θ为可训练的参数。

4.根据权利要求3所述的基于DnCNN神经网络对地震数据噪声压制的方法，其特征在于，所述S4具体包括，将所述训练数据与所述无噪地震数据送入DnCNN神经网络进行训练，使用随机梯度下降优化损失函数，损失函数如下式所示：

其中(y_i-x_i)表示真实的地震数据与干净地震信号的残差即噪声，R(y_i；Θ)神经网络训练得到的残差映射，以输出与噪声的L2范数为损失函数来训练网络。

5.根据权利要求1所述的基于DnCNN神经网络对地震数据噪声压制的方法，其特征在于，所述噪声数据的时间序列在所述无噪地震数据之前，且所述噪声数据的时间序列之内没有地震数据。

6.根据权利要求5所述的基于DnCNN神经网络对地震数据噪声压制的方法，其特征在于，所述噪声数据的时间序列在所述无噪地震数据之前，且所述噪声数据的时间序列与所述无噪地震数据的时间序列相邻。

7.根据权利要求5所述的基于DnCNN神经网络对地震数据噪声压制的方法，其特征在于，所述噪声数据的时间序列长度与所述无噪地震数据的时间序列的长度相等。

8.根据权利要求1所述的基于DnCNN神经网络对地震数据噪声压制的方法，其特征在于，

所述高信噪比的第一里氏震级地震信号M₁的时间序列包含整个地震事件；

所述训练数据的时间序列包含整个地震事件。

9.根据权利要求1所述的基于DnCNN神经网络对地震数据噪声压制的方法，其特征在于，所述S5包括：将待测试的地震数据输入训练完成的神经网络得到噪声数据；用待测试的地震数据减去噪声数据得到所述去噪后的地震数据。

10.根据权利要求9所述的基于DnCNN神经网络对地震数据噪声压制的方法，其特征在于，所述待测试的地震数据的时间序列长度与所述训练数据的时间序列的长度相等。