基于注意力双扩张的CNN的地震数据否认
Haixia Hu1,2,3, Youhua Wei4,5, Hui Chen1,3
1Geomathematics Key Lab of Sichuan Province, Chengdu University of Technology, Chengdu, 610059, China.
Scientific reports
|August 1, 2025
概括
这项研究引入了注意力双扩展卷积神经网络 (ADDC-Net) 用于地震数据的无声化. ADDC-Net有效地抑制随机噪声,同时保留关键的地震信号,以便更好地进行地下分析.
科学领域:
- 地质物理学 地质物理学
- 信号处理 信号处理
- 机器学习 机器学习
背景情况:
- 对于精确的地震勘探和解释来说,地震数据的否定至关重要.
- 传统的噪声抑制方法可以降低基本的地下信号数据.
- 有效的随机降噪仍然是地震数据处理中的一个挑战.
研究的目的:
- 开发一个先进的深度学习模型,用于增强地震数据的解密.
- 解决现有方法在维护信号完整性的局限性.
- 通过降低噪音来改善地下结构的特征.
主要方法:
- 介绍注意力双扩展卷积神经网络 (ADDC-Net).
- 使用扩展模型宽度来进行补充特征提取.
- 结合扩展卷积来增加受体场和注意力机制,以保护信号.
主要成果:
- 与DnCNN和DudeNet相比,ADDC-Net表现出优越的性能.
- 在峰值信号噪声比 (PSNR) 中分别实现了2.8905dB和0.6410dB的显著改善.
- 展示了比同类卷积网络更快的处理速度.
结论:
- ADDC-Net为地震数据中的随机噪声抑制提供了一个强大的解决方案.
- 拟议的网络有效地保护了关键的地震信号,有助于地下解释.
- ADDC-Net代表了地震数据处理技术的重大进步.
更多相关视频
08:45Mapping Cortical Dynamics Using Simultaneous MEG/EEG and Anatomically-constrained Minimum-norm Estimates: an Auditory Attention Example
Published on: October 24, 2012
14.8K
06:37Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
Published on: December 15, 2023
4.1K
