半盲追踪算法用于自监督式衰减迹线一致噪声
摘要：用自监督深度学习来衰减地震数据中的轨迹噪声。传统的盲轨迹深度学习通过训练网络来从周围的轨迹中盲目重建每个轨迹，从而减弱孤立的轨迹噪声，但会导致信号泄漏以及噪声轨迹旁边的重建错误。为了减少信号泄漏并改善降噪效果，我们在半盲轨迹深度学习中提出了一种新的损失函数和遮罩过程。我们的混合损失函数包含带权活跃区域，用于覆盖掩盖和非掩盖的轨迹。因此，在重建干净轨迹时，网络不会处于盲目状态。在训练过程中，我们会动态改变遮罩的特性，目的是训练网络学习信号的特征而非噪声。所提出的算法使设计的U-net能够在没有噪声的先验信息的情况下检测和减弱轨迹噪声。我们方法的一个新的超参数是掩盖和非掩盖轨迹对损失函数的贡献的相对权重。数值实验表明，选择一个较小的值对于显著减少信号泄漏来说已经足够。所提出的算法在合成和真实的离岸和陆地数据集上进行了测试，具有不同的噪声。结果表明，该方法在衰减轨迹噪声的同时保留了其他事件。所提出的算法的Python代码实现也已提供。
作者：Mohammad Mahdi Abedi, David Pardo, Tariq Alkhalifah
论文ID：2308.10772
分类：Geophysics
分类简称：physics.geo-ph
提交时间：2023-08-24