[发明专利]一种叠前井震联合智能去噪的方法

权利要求书

1.一种叠前井震联合智能去噪的方法，其特征在于，包括以下步骤：

步骤S1：对井上的正演道集进行统一大小的数据分割，一个分割块数据作为一个样本数据，所有样本数据组成样本训练数据集；所述步骤S1中的数据分割过程包括：以大小为M*M的分割窗对数据进行分割，一个分割窗内的数据是一个样本，分割窗大小M取一个波长长度，分割过程中的非整数倍窗长位置的数据进行舍弃；

步骤S2：从样本训练数据集中随机抽取部分数据，对部分样本数据进行关于过完备字典和稀疏系数迭代学习的字典学习算法，得到能表征叠前道集二维结构特征的过完备字典；

步骤S3：对地震叠前道集进行相同大小的数据分割，得到叠前道集预测样本数据集；

步骤S4：从预测样本数据集中随机抽取部分样本数据，利用步骤二得到的过完备字典，求取每个样本数据的稀疏表征系数，然后建立去噪叠前道集为目标的二次项目标函数，求解得到叠前去噪道集；

步骤S5：按照步骤S3、步骤S4顺序遍历所有道集，完成所有叠前道集的去噪；

所述步骤S2具体包括以下子步骤：

步骤S201，从叠前道集训练样本集中随机取出K个样本，构成训练样本集学习目标是一个包含叠前道集二维结构，且每一个样本在其上具有稀疏表示的过完备字典D和稀疏表示的系数a_i，建立如下式所示的目标函数表达式：

式中λ是稀疏约束因子；

步骤S202，过完备字典D固定，求解每个训练样本在D已知情况下的稀疏系数，如下式所示：

其中i＝1,2,…K

利用线性规划的优化算法求解得到每个样本的稀疏系数a_i，所有样本的稀疏系数组成稀疏矩阵a＝(a₁,a₂,…,a_K)；

步骤S203，根据目标函数表达式推导出关于D的目标函数式如下式所示并展开，利用投影梯度方法进行迭代求解得到过完备字典D；

所述步骤S4具体包括以下子步骤：

步骤S401，从预测样本集中随机抽取K个样本数据，利用过完备字典稀疏重建K个预测样本同时计算得到整个有效信号的去噪叠前道集，利用下式表达式建立关于K个预测样本稀疏表征系数和去噪叠前道集的目标函数：

上式中，是去噪后的叠前道集，I是原始叠前地震道集，λ是稀疏约束因子，i、j是指样本的二维序号，R_ijI是第ij个样本数据，R_ij是样本抽取矩阵，Da_ij是重建的子样本，u_ij是稀疏约束系数；

步骤S402，针对每一个样本，利用求解表达式求解求解表达式如下式所示：

步骤S403，利用求解表达式求解K个样本数据的稀疏系数a_ij，基于获得的求解去噪叠前道集矩阵，得到去噪叠前道集矩阵的表达式，并利用二次型矩阵方程求解算法计算得到去噪叠前道集矩阵其中去噪叠前道集矩阵的表达式如下式所示：

2.根据权利要求1所述的一种叠前井震联合智能去噪的方法，其特征在于，所述步骤S3具体包括：对地震叠前道集采用相同大小的二维窗进行数据分割，将二维分割数据展开为一维数据作为一个预测样本，所有分割数据组成预测样本集；其中，对地震叠前道集进行数据分割的时，对于非整数倍窗口可采用对称延拓的方式进行填充，待去噪运算后将填充数据切除。