2023年第38卷第2期2023，38(2):0654-0661地球物理学进展ProgressinGeophysicshttp://www．progeophys．cnISSN1004-2903CN11-2982/P滑世辉，韩立国．2023．基于深度卷积自编码网络地震数据去噪方法．地球物理学进展，38(2):0654-0661，doi:10．6038/pg2023GG0290．HUAShiHui，HANLiGuo．2023．Seismicdatadenoisingmethodbasedondeepconvolutionalauto-encodernetwork．ProgressinGeophysics(inChinese)，38(2):0654-0661，doi:10．6038/pg2023GG0290．基于深度卷积自编码网络地震数据去噪方法Seismicdatadenoisingmethodbasedondeepconvolutionalauto-encodernetwork滑世辉，韩立国HUAShiHui，HANLiGuo收稿日期2022-08-21;修回日期2022-12-10．投稿网址http://www．progeophys．cn基金项目国家自然科学基金“基于机器学习的主动源与被动源地震数据融合与直接建模研究”(45074154)资助．第一作者简介滑世辉，男，1998年生，硕士研究生，主要从事深度学习地震数据处理方面的研究．E-mail:2293778456@qq．com吉林大学地球探测科学与技术学院，长春130026CollegeofGeo-explorationScienceandTechnology，JilinUniversity，Changchun130026，China摘要在采集得到地震数据中，随机噪声常常与有效信号混合在一起，并且毫无规律，使用常规去噪方法不能够达到理想的效果，影响后续的地震数据处理工作．为有效压制地震数据中的随机噪声，本文根据深度学习的相关理论，提出了一种基于深度卷积自编码网络的数据驱动的去噪方法，可以解决随机噪声难以去除的问题．在卷积自编码器的基础之上，网络使用了较多的层数并加入跳跃连接构造，从而增加了网络的深度，能够提取并结合数据中深层与浅层特征，增强对随机噪声的处理能力，更好地恢复有效信号的细节．经过实验证明该方法对于不同水平的随机噪声的压制均有优异的表现，在去噪的效果上远超中值滤波、小波变换等传统去噪方法，同时也比经典的DnCNN网络更加优秀，能够完整地保留有效信号，极大提升地震数据的质量．关键词随机噪声;深度学习;深度卷积自编码网络;跳跃连接;去噪中图分类号P631文献标识码Adoi:10．6038/pg2023GG0290AbstractIntheobtainedseismicdata，randomnoiseisoftenmixedwitheffectivesignals，andwedon'tknowthelawbehindit．Conventionaldenoisingmethodscannotachievethesatisfyingeffect，soitwillaffectthesubsequentseismicdataprocessingwork．Toattenuaterandomnoiseinseismicdataeffect...
