摘要：针对实际地震数据被大量随机噪声干扰而难以获得配对的无噪数据问题，文中提出一种基于CycleGAN(Cycle Generative Adversarial Network)的地震数据随机噪声压制方法来获得高质量地震数据。将残差网络引入循环生成对抗网络的生成网络中，通过跳跃连接形式加快网络的训练速度，并扩充残差块中的卷积层，增强残差块结构来更好地获取样本特征。以合成数据和实际数据分别进行实验，利用SNR(Signal to Noise Ratio)和MSE(Mean Square Error)等评价指标验证其去噪效果，并与CNN(Convolutional Neural Network)去噪方法进行对比。结果表明，所提方法在合成数据实验中SNR、MSE和PSNR(Peak Signal-to-Noise Ratio)对比CNN分别提升0.59 dB、23.72、2.81 dB，在实际数据实验中分别提升4.63 dB、1.13、0.77 dB，训练时间缩短约58%。
文章目录
1 算法原理
1.1 生成对抗网络
1.2 循环生成对抗网络
1.2.1 对抗性损失
1.2.2 循环一致性损失
1.2.3 总损失及优化目标
2 网络模型构建
2.1 基于残差网络的生成器模型
2.2 判别器模型
3 模型数据测试
3.1 合成地震数据测试及分析
3.2 实际地震数据测试及分析
3.3 训练时间分析
4 结束语
