申请/专利权人：中国石油化工股份有限公司;中国石油化工股份有限公司胜利油田分公司物探研究院

申请日：2020-04-30

公开（公告）日：2024-03-19

公开（公告）号：CN113589383B

主分类号：G01V1/36

分类号：G01V1/36;G01V1/28;G01V1/40

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2021.11.19#实质审查的生效;2021.11.02#公开

摘要：本发明提供一种基于深度学习的地震资料线性干扰噪音消除方法，包括：步骤1，对线性干扰数据进行傅里叶变换，并截取频率域中线性干扰的主要特征；步骤2，计算得到针对线性干扰主要特征进行消除的FK滤波器初始形态；步骤3，计算得到对线性干扰进行有效消除的FK滤波器固定形态；步骤4，计算得到频率域的处理结果；步骤5，将频率域的处理结果，通过傅里叶逆变换转变为时空域的常用地震数据格式，并输出处理结果数据。该基于深度学习的地震资料线性干扰噪音消除方法实现了地震数据中线性干扰噪音的消除处理功能，有效节约人力和计算机资源，缩短了地震资料处理周期，取得了显著的处理效果。

主权项：1.基于深度学习的地震资料线性干扰噪音消除方法，其特征在于，该基于深度学习的地震资料线性干扰噪音消除方法包括：步骤1，对线性干扰数据进行傅里叶变换，并截取频率域中线性干扰的主要特征；步骤2，计算得到针对线性干扰主要特征进行消除的FK滤波器初始形态；步骤3，计算得到对线性干扰进行有效消除的FK滤波器固定形态；步骤4，计算得到频率域的处理结果；步骤5，将频率域的处理结果，通过傅里叶逆变换转变为时空域的常用地震数据格式，并输出处理结果数据；在步骤2中，对线性干扰主要特征的傅里叶频率谱进行阈值分割，并利用图像形态学进行变换处理，得到针对线性干扰主要特征进行消除的FK滤波器初始形态；在步骤3中，将处理前的傅里叶频率谱作为输入，FK滤波器形态作为标签，送入卷积神经网络进行训练学习，直至网络收敛到数据中的线性干扰去除情况90％达到地震资料处理专家处理的结果，得到对线性干扰进行有效消除的FK滤波器固定形态；在步骤4中，对需要处理的原始地震数据进行傅里叶变换，并截取频率域中的线性干扰主要特征，将频率域中的线性干扰主要特征作为输入，使用深度学习中得到的FK滤波器固定形态对数据进行滤波，得到频率域的处理结果。

全文数据：

权利要求：

百度查询： 中国石油化工股份有限公司;中国石油化工股份有限公司胜利油田分公司物探研究院 基于深度学习的地震资料线性干扰噪音消除方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD