摘要
本发明提供一种融合残差空间注意力机制的U型膨胀卷积神经网络微地震信号降噪方法及系统,属于微地震信号降噪领域。为解决现有降噪网络模型降噪效果不佳及造成有效信号损失的问题。本发明包括合成含有噪声的微地震数据及干净数据,构建训练数据集;将含噪数据输入网络模型,在下采样中通过卷积操作进行特征提取;通过空间注意力机制突出有效信号特征,抑制干扰噪声;在上采样中通过反卷积操作将特征图恢复原有尺寸,通过跳转连接结构将深层信息与浅层信息融合;利用残差学习得到干净微地震信号的估计;将训练好的网络模型用于实际微地震信号进行降噪。本发明可保留更多的微地震数据的有效信息,有效提升降噪效果。
技术关键词
地震信号降噪方法
膨胀卷积神经网络
卷积神经网络模型
数据
U型卷积神经网络
残差注意力机制
残差学习
抑制干扰噪声
抑制噪声干扰
信号特征
参数
输出特征
批量
可读存储介质
系统为您推荐了相关专利信息
硬件加速器设计
多模态特征
空间搜索方法
电子设备
神经网络模型
协同进化算法
温控
PID控制参数
历史运行数据
加热
多传感器数据融合
浓度检测方法
有毒气体传感器
卡尔曼滤波算法
协方差矩阵
自动识别系统
视频分析
指标
手术出血量
数据分析模块