[发明专利]一种基于卷积神经网络的DAS地震数据降噪方法

摘要

本发明涉及一种基于卷积神经网络的DAS地震数据降噪方法，属于二维DAS地震数据的噪声消减方法。在卷积神经网络的基础上，通过改进网络结构与参数建立适用于DAS地震数据消噪处理的去噪网络模型，在网络的卷积层对有效信号与噪声的特征进行自动提取，进一步根据其特征差异实现DAS地震数据的智能去噪。本发明不仅可以有效的去除DAS地震数据中的噪声，而且很好的保护了反射同向轴信息，在提高DAS地震数据信噪比的同时使数据的分辨率与保真度不受影响，为后续反射振幅、速度以及频率信息的准确获取提供了有力保障，可以广泛应用于DAS地震数据的噪声压制。

主权项

1.一种基于卷积神经网络的DAS地震数据降噪方法，其特征在于，包括下列步骤：(1)DAS地震数据获取沿着光纤测井布设光缆，单个传感器信息经高速示波器采集到计算机进行数据处理后，得到一道地震数据波形记录，记录的长度与接收时间成正比，N道记录经过组合可以得到一幅二维DAS地震数据；(2)网络结构所构建的去噪网络模型是由卷积层、批标准化层和线性整流函数所构成的；其中卷积层用Conv来表示，通过卷积核与地震数据的卷积操作实现地震数据特征的自动提取；批标准化层用BN来表示，用于解决梯度弥散的问题、并具有加速网络收敛的作用；线性整流函数用ReLU来表示，具有加速网络训练的作用；其中第一个卷积层采用的卷积核大小为5×5×1×128，最后一个卷积层采用的卷积核大小为5×5×128×1，其余卷积层采用的卷积核大小为5×5×128×128；(3)训练集从实际获取的DAS地震数据出发，将实际数据与合成数据相结合构建包含信号训练集和噪声训练集的DAS去噪训练集；信号训练集：从实际DAS地震数据分析入手，对DAS地震数据中有效信号的特征属性进行研究，根据所获取的信息指导构建相应的地质层模型，并对地质层模型进行丰富和完善使其既具有针对性又具有泛化性，进一步采用有限差分法进行正演模拟，对所获取的合成有效信号进行分块处理和幅值归一化处理后即可得到信号训练集；噪声训练集：为了实现较好的去噪效果，利用实际DAS地震数据中不含有效信号的纯噪声数据制作噪声训练集，通过尽可能多的收集具有不同特性的噪声，如电缆拍击和套管振铃等产生的强相干噪声，光纤传播产生的衰落噪声，震动耦合引起的光学系统噪声，自调制噪声以及棋盘噪声等，从而使经过分块处理和幅值归一化处理后得到的噪声训练集足够丰富和完备；(4)去噪方法对于实际含噪DAS地震数据y，可以表示为：y＝x+v  (1)其中x代表DAS地震数据中的有效信号，v代表DAS地震数据中的噪声，包括随机噪声与规则噪声，该去噪网络的工作原理是建立一个映射实现网络输入含噪DAS地震数据y到网络输出噪声v之间的映射，即：其中Θ＝{W,b}是网络中的参数，包含权重W和偏置b，越接近v说明网络的拟合效果越好，即网络对DAS地震数据中噪声的预测效果越好，为了使尽可能的接近噪声v，采用如下损失函数对网络中的参数Θ进行训练，即：其中代表噪声训练集，Patch size＝100，Q＝64为批处理大小，即Batch size，代表网络对含噪DAS地震数据y_k中噪声部分的估计，l(Θ)越小说明网络中参数Θ的优化越好，相应的网络对含噪DAS地震数据中噪声的预测效果越好，进一步可以通过如下式子得到去噪后的DAS地震数据即：