ColchisFM应用机器学习方法（ODL）实现地震数据去噪

iLDX

ColchisFM应用机器学习方法（ODL）实现地震数据去噪

在当前人工智能掀起的大数据浪潮里，科吉思紧跟时代步伐，率先将机器学习等先进思想和算法应用到石油行业中。


地震数据中混杂的随机噪声严重影响数据的解释和应用，传统的去噪方法在去除噪音的同时无法避免丢失有效信号,难以满足精准去噪的需求。为此用户可以使用ColchisFM软件中的PythonTool模块，结合在线字典学习（Online Dictionary Learning简称ODL）算法，实现对地震数据的精准去噪。


在线字典学习（ODL）是采用先进的稀疏编码技术，并在地震数据重建与噪声衰减中引入了一种新的优化策略，其具备快速收敛特性，而且只需要三步就可以完成去噪处理。‌

三步操作流程：高效去噪实践

首先第一步读取原始剖面数据和随机噪声剖面数据，进行显示对比。如下图所示：

第二步，从原始剖面提取所有参考标签数据，并将标签数据训练成学习词典。如下图所示：

第三步，通过对噪声剖面提取噪声补丁（patch），并使用字典进行剖面重建。噪声剖面与去噪剖面及噪声剖面，如下图所示：

实际数据测试表明，该方法可显著降低计算成本‌。在小‌批量字典学习‌与‌正交匹配追踪（OMP）技术‌的辅助下，ODL相比传统字典学习算法展现出更优的性能，并实现了更高的信噪比‌。经ODL训练后的字典能够实现有效信号的完整保留且几乎无遗漏‌。


另外相比其它神经网络（CNN）优势在于，它不用人工准备训练集（标签）数据，降低用户使用的难度，更具有广泛的适用性。
ColchisFM具有强大而灵活的正演模型构建功能，结合Python丰富的算法库资源，用户可利用Python-Tool自主进行功能扩展开发、算法验证等。

技术交流材料、软件试用申请可下方回复互动或通过邮件与我们联系。

软件试用申请及技术咨询：

Support@colchispetro.com

商务合作：

Marketing@colchispetro.com

详情请访问我们的网站：

www.colchis.cn (中文)

www.colchispetro.com (EN)