文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN202210523847.2

申 请 日：20220513

发 明 人：刘玉敏 唐德东 孙永河 宋乐鹏 刘露 魏海军

申 请 人：重庆科技学院

申请人地址：401331 重庆市沙坪坝区大学城东路20号

公 开 日：20220830

公 开 号：CN114966860A

代 理 人：孔玲珑

代理机构：重庆晟轩知识产权代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明涉及基于卷积神经网络的地震数据去噪方法，首先构建初始数据集，构建循环生成对抗卷积神经网络，该循环生成对抗卷积神经网络以循环生成对抗网络的结构为主网络，循环生成对抗网络的结构包括生成器和判别器，将非局部神经网络作为残差连接到生成器的卷积层之间，在判别器中用PatchGAN输出方式代替原有的全连接方式。然后对环生成对抗卷积神经网络进行训练，最后对有噪声的地震数据进行去噪处理。经过实验验证本发明方法的去噪效果好。

主 权 项：1.一种基于卷积神经网络的地震数据去噪方法，其特征在于：包括如下步骤：S1：构建初始数据集：所述初始数据集包括合成地震数据和采集的地震数据体去噪之后得到的实际地震数据，将合成地震数据和实际地震数据的格式分别转换成通用格式再将转换格式后的合成地震数据和实际地震数据可视化出图像，并对应的保存成png格式图像；对保存的每个png格式图像进行扩充得到多幅图像；对扩充得到的所有图像加入高斯白噪声，对扩充得到的所有图像中不同图像加入高斯白噪声的密集程度不同；对每个加入高斯白噪声的图像和对应的未加入高斯白噪声的图像分别进行剪裁，均得到相同数量的小尺寸图像，其中加入高斯白噪声的图像剪裁得到的每个小尺寸图像作为一个训练样本，未加入高斯白噪声的图像剪裁得到的每个小尺寸图像作为与其对应的训练样本的标签，所有训练样本构成训练集；S2：构建循环生成对抗卷积神经网络，该循环生成对抗卷积神经网络以循环生成对抗网络的结构为主网络，循环生成对抗网络的结构包括生成器和判别器，将非局部神经网络作为残差连接到生成器的卷积层之间；在判别器中用PatchGAN输出方式代替原有的全连接方式；S3：训练循环生成对抗卷积神经网络得到优化后循环生成对抗卷积神经网络，过程如下：初始化循环生成对抗卷积神经网络参数，将训练样本作为循环生成对抗卷积神经网络的输入，用最小平方根函数作为损失函数计算循环生成对抗卷积神经网络输出的预测值与训练样本标签之间的损失，根据损失反向更新循环生成对抗卷积神经网络的参数，直至达到最大训练次数后得到优化后的循环生成对抗卷积神经网络；S4：对待处理的地震数据采用S1中的方法转换为待预测png图像，将待预测png图像输

关 键 词：卷积神经网络 对抗  去噪 地震数据 判别器  生成器 构建  初始数据集  连接方式  神经网络 实验验证  输出方式  网络 非局部 原有的  残差  卷积 噪声  

IPC专利分类号：G01V1/36;G06V10/774;G06V10/82;G06N3/04;G06N3/08