基于在线字典学习算法的地震数据去噪应用

论文摘要

为了解决常规去噪方法不能根据地震数据自适应构造基函数,去噪效果无法达到最佳的问题,引入基于稀疏表示的在线字典学习(ODL,online dictionary learning)算法对地震数据进行去噪处理。ODL算法能够快速学习,得到与地震数据高度匹配的字典,该自适应字典代替了传统域变换方法中的固定基函数。同时,结合稀疏表示的思想,使用最小角回归(LARS)算法求解出字典的最优稀疏表示系数,将字典与稀疏表示系数组合,从而得到去噪后的地震数据。理论模型和实际地震数据的去噪应用表明:相比较为先进的curvelet变换方法,ODL算法可以更有效地去除随机噪声、相干噪声,同时很好地保留了数据特征。因此,ODL算法对于地震噪声压制有实际指导意义。

论文目录

文章来源

类型: 期刊论文

作者: 王量,买皓,李勇

关键词: 去噪,自适应,稀疏表示,在线字典学习,字典

来源: 断块油气田 2019年02期

年度: 2019

分类: 工程科技Ⅰ辑,基础科学

专业: 地质学,地球物理学,矿业工程

单位: 成都理工大学地球物理学院,中国石油大学(北京)地球物理学院

基金: 国家科技重大专项专题“时频聚集流体识别”(2016ZX05026-001-004)

分类号: P631.44

页码: 177-180

总页数: 4

文件大小: 4289K

下载量: 166

相关论文文献

标签：去噪论文;  自适应论文;  稀疏表示论文;  在线字典学习论文;  字典论文;