一种基于物理自监督学习的分布式光纤温度传感测井数据盲去噪方法和系统

本公开提供了一种基于物理自监督学习的分布式光纤温度传感测井数据盲去噪方法和系统。所述方法包括获取原始含噪分布式温度传感(DTS)测井数据，利用其时空相干性，通过时空交替下采样策略生成自监督训练样本；以简化结构构建物理自监督盲去噪网络模型并输入自监督训练样本进行训练；训练过程中，引入多物理约束损失函数优化模型直至损失函数收敛，得到去噪模型；将待处理的完整DTS测井数据输入去噪模型，获得去噪后的DTS测井数据。本公开提出的方法无需人工标注和大规模标签数据集，能够充分利用DTS数据内在的物理特性与结构信息，实现对DTS测井数据的高效、准确盲去噪，解决了现有深度学习去噪方法中需依赖大量标记数据的问题。