一种基于深度学习的地震低频信号重构方法

本发明公开了一种基于深度学习的地震低频信号重构方法,涉及勘探地球物理技术领域，制备训练样本；对原始地震数据进行预处理；进行网络训练；进行网络预测；进行数据恢复。该通过搭建卷积神经网络框架实现由高频数据到低频数据的映射，恢复低频信号；利用反偏移方法使样本的特征更贴近真实数据，提高网络预测的准确性；将准备的高频样本作为网络的输入，低频样本作为网络的输出，将两组数据集用于网络训练，训练好的CNN可以用来从高频数据中预测低频数据。该方法能够自动提取信号中的局部特征，减少人工特征工程的需求，通过多层结构有效捕捉复杂的模式和关系，通过改进训练样本使得所训练的神经网络能适用于目标工区，提高预测准确性。