[发明专利]一种地震数据去噪方法

权利要求书

1.一种地震数据去噪方法，其特征在于，包括：

获取包括随机噪音、面波和线性噪音的含噪地震数据；

将含噪地震数据输入随机噪音去噪模型，得到第一去噪地震数据；

将第一去噪地震数据输入面波去噪模型，得到第二去噪地震数据；

将第二去噪地震数据输入线性噪音去噪模型，得到第三去噪地震数据；随机噪音去噪模型、面波去噪模型和线性噪音去噪模型均是利用历史含噪地震数据训练深度学习网络得到的；深度学习网络是通过Transformer模型对卷积神经网络进行改进后得到的，具体编码过程为：

将输入数据通过多层卷积神经网络提取数据的特征，得到一个中间特征图；

通过线性映射将中间特征图转化为满足Transformer模块所需要的维度；

通过Transformer模块得到提取全局特征的中间特征图；

通过reshape操作将全局特征的中间特征图转化为CNN网络所需维度，从而实现基于CNN与Transformer的混合编码。

2.根据权利要求1的地震数据去噪方法，其特征在于，在获取含噪地震数据之前还包括：

构建深度学习网络；

获取历史含噪地震数据；

去除历史含噪地震数据中的随机噪音，得到第一历史去噪地震数据；

以历史含噪地震数据为输入，以第一历史去噪地震数据为输出，对深度学习网络进行训练，得到随机噪音去噪模型。

3.根据权利要求2的地震数据去噪方法，其特征在于，在获取含噪地震数据之前还包括：

去除第一历史去噪地震数据中的面波，得到第二历史去噪地震数据；

以第一历史去噪地震数据为输入，以第二历史去噪地震数据为输出，对深度学习网络进行训练，得到面波去噪模型。

4.根据权利要求3的地震数据去噪方法，其特征在于，在获取含噪地震数据之前还包括：

去除第二历史去噪地震数据中的线性噪音，得到第三历史去噪地震数据；

以第二历史去噪地震数据为输入，以第三历史去噪地震数据为输出，对深度学习网络进行训练，得到线性噪音去噪模型。