赵金泉，尤加春，魏俊廷，等．基于ＣＷＴ－ＣＮＮ的地震噪声压制研究［Ｊ］．石油物探，２０２３，６２（３）：３９５－４０５ＺＨＡＯＪｉｎｑｕａｎ，ＹＯＵＪｉａｃｈｕｎ，ＷＥＩＪｕｎｔｉｎｇ，ｅｔａｌ．ＳｅｉｓｍｉｃｎｏｉｓｅｓｕｐｐｒｅｓｓｉｏｎｂａｓｅｄｏｎＣＷＴ－ＣＮＮ［Ｊ］．ＧｅｏｐｈｙｓｉｃａｌＰｒｏｓｐｅｃｔｉｎｇｆｏｒＰｅｔｒｏｌｅｕｍ，２０２３，６２（３）：３９５－４０５收稿日期：２０２２－０２－２８。第一作者简介：赵金泉（１９９７—），男，硕士在读，主要从事深度学习在地球物理中的应用研究工作。Ｅｍａｉｌ：１４３４４０６８４８＠ｑｑ．ｃｏｍ通信作者：尤加春（１９８８—），男，研究员，硕士研究生导师，主要从事地震偏移成像、深度学习、ＧＰＵ并行计算及分布式并行计算等方面的研究工作。Ｅｍａｉｌ：ｙｏｕｊｉａｃｈｕｎ＠ｃｄｕｔ．ｅｄｕ．ｃｎ基金项目：国家自然科学基金项目（４２００４１０３，４２０５０１０４，４２０３０８１２）资助。ＴｈｉｓｒｅｓｅａｒｃｈｉｓｆｉｎａｎｃｉａｌｌｙｓｕｐｐｏｒｔｅｄｂｙｔｈｅＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（ＧｒａｎｔＮｏｓ．４２００４１０３，４２０５０１０４ａｎｄ４２０３０８１２）．基于ＣＷＴ－ＣＮＮ的地震噪声压制研究赵金泉，尤加春，魏俊廷，黄聪（成都理工大学地球物理学院，四川成都６１００５９）摘要：随着深度神经网络技术的发展，卷积神经网络（ＣＮＮ）被越来越多地应用于地震数据的噪声压制中。常规ＣＮＮ方法一般是在时间域进行，为了提升ＣＮＮ方法对地震噪声的压制效果，提出了基于连续小波变换（ＣＷＴ）的ＣＮＮ地震噪声压制方法。该方法首先将一维时间域信号通过ＣＷＴ转换为二维时频域信号。然后，在利用ＣＮＮ对时频谱进行噪声压制时，提出了两种策略：能量谱策略（策略Ⅰ）是将ＣＷＴ计算的复数矩阵的振幅谱作为ＣＮＮ的训练样本，保持相位谱不变；复矩阵策略（策略Ⅱ）是将复数矩阵的实部和虚部图谱作为ＣＮＮ的不同通道分别进行处理。最后，对于ＣＮＮ的输出结果，利用逆连续小波变换（ＩＣ－ＷＴ）将二维复数矩阵还原成一维地震信号。为了定量地对比方法的效果，提出利用峰值信噪比（ＰＳＮＲ）、结构相似性（ＳＳＩＭ）和均方根误差（ＲＭＳＥ）３个指标对比基于两种ＣＷＴ策略的ＣＮＮ方法与其它常规滤波（包括低通滤波、小波滤波和中值滤...
