文档介绍：万方数据
基于双重残差网络的地震数据随机噪声压制工往灿球物理学旅方文倩，李志明文献标识码：摘要：地震信号的随机噪声压制足地震信号处理中的重要问题。卷积神经网络关键词：地震数据去噪；双重残差网络；深度学习；中图分类号：．文章编号：第卷第络性能会达到饱和并开始退化。�啊２胁钔�绲�提出就是为了解决深度网络的退化问题。一个经典残差单元的结构如图��所示，输入』’经过浅层网络厂。，再加上一个恒等映射得到输出，。���。�Ｆ渲蠧��硎揪砘�珺�硎�批归一化，��为激活函数。这种结构使得每一个残差单元学习输入�胧涑鰕一，’。�！��之间的残差厂，�！�。当网络参数接近。时，残差单元逼近一个恒等映射，凶此可以防止由于网络过自��年�����纭��贗���������珻��伤俜�力。�点。���亲畛Ｓ玫娜ピ胪�纾�ü�胁钛�在���残差结构与双重残差结构第��方文倩，等：基于双重残差网络的地震数据随机噪声压制����。�����������������������。��．�〆��。���������珻��������，���—�—������簊��������籨������籨������；���。��万方数据
黍————————————————————————————————————————————一��琷一����，卷积核大小如表��尽�深引起的退化问题。对于残差网络的优点，还有一种理解认为订个重复的残差结构可以使网络潜在的表示成�备鲎油�绲淖楹稀�埃�虼丝梢蕴崛�不同层次的特征。如图��所示，两个级联的残差结构。，’，和��梢郧痹诘乇硎疚3В�怀А＃�Аⅲ�／�约昂愕扔成湔馑母鲎油�绲淖楹稀�如图��所示，双重残差结构将残差与配对算子结合。其中／�琯，，��，�R欢耘涠运阕樱�对于地震信号去噪问题，本文选取。厂。为较大尺寸卷积，是’，为较小尺寸卷积。这种双重残差的结构允许任意的�琯，，���实淖楹稀Ｍ���缤����镜慕峁箍梢郧痹诘谋硎疚猣，一鼬一���躲，，·一�弧ⅲ��籫��琷—�以及恒等映射这五个子网络的组合。凶此，可以充分提取不同尺度的特征。单个双重残差单元������绺�����冈中未显示�层和��层��咛宓摹⒊�前面添加了一个卷积核大小为��的普通残差单元。更多的细节参考文献��。含噪地震信号矗町以表示为干净信号工，与噪去噪算法的目标是尽可能精确地从含噪数据�谢指闯龈删皇�莨ぃ��本文使用的去噪网络结构如图��尽Ｍ��南四个��大小的卷积层��珺�橐换����激活函数��个��模块组成，输出层激活雨数为��函数。考虑到随机噪声去除问题更依赖于局部的信息，网络不使用下采样和上采样操作，所有卷积步长均为���夭阃ǖ朗��设为�，卷积��褂�×�笮【砘�耍�扛鰂，，残差结构图��夭胁罱峁���双重残差网络用于地震数据随机噪声压制声”的和：图�地震信号去噪的双重残差网络】：程地球物理学报����第�卷：�����还ぁ�����������礁霾醒�ザ��有∫鈒纠��ジ霾胁畹��峁���狣��峁��������縮������残差连接�����万方数据
阽加灿�刊掣镰��实验网络的输入为带噪地震数据，输出为去噪结果，通过最小化网络输出与干净标签之间的�����范数训练网络参数：臼一�������』’����礗；��式��校�П硎旧杓频耐�纾豢谖M