基于卷积神经网络的井中分布式光纤传感器地震数据随机噪声压制新技术
2021-07-02董新桐李月刘飞冯黔堃钟铁
董新桐, 李月, 刘飞, 冯黔堃, 钟铁
1 吉林大学仪器科学与电气工程学院, 长春 1300262 吉林大学通信工程学院, 长春 1300123 北京科技大学计算机与通信工程学院, 北京 1000834 东北电力大学通信工程系, 吉林 132012
0 引言
与传统动圈地震检波器相比,分布式光纤传感器 (DAS)具有低成本,高灵敏度,高精度,抗强电磁干扰,方便长期大规模布设等诸多优势(Ashry et al., 2019; Bellefleur et al., 2020; 李彦鹏等,2020).近年来,DAS技术被逐渐应用于地震勘探领域,但是实际DAS地震资料中包含了大量的强能量随机噪声,这些随机噪声严重地干扰着有效信号、降低DAS地震资料的质量.DAS所接收的地震记录的信噪比(SNR)往往低于传统动圈检波器所接收地震资料的SNR.这一现象主要由两个原因造成,其一,DAS是利用光纤中能量较弱的散射光信号来记录人工地震波,有效信号往往表现为“弱信号”(Ashry et al., 2019;马国旗等,2020);其二,背景噪声中不仅包含常规环境干扰,还包含能量较强的光学仪器噪声.在DAS技术广泛应用于地震勘探之前,我们有必要探索针对DAS地震资料中随机噪声的压制技术.
针对地震资料的去噪问题,国内外专家提出了许多方法.这些方法大致可以分为以下四类.第一类是时频滤波方法,主要包括带通滤波器、中值滤波(孙哲等,2016)、时频峰值滤波等(林红波等,2011;Xiong et al., 2014).这类方法主要是基于噪声和有效信号在频域中的统计特征差异,但是它们难以实现共享频带中有效信号和噪声的完整分离(Dong et al., 2019a).第二类是基于模态分解的去噪方法,主要包括经验模态分解(Bekara and Van Der Baan, 2009;乐友善等,2019)以及变分模态分解等(Ma et al., 2020),这类方法将含噪地震资料分成多个模态,通过保留含有有效信号成分的模态实现信噪分离;……
