互补盲点策略和U型Transformer的地震数据去噪.pdfVIP

第４２卷第７期计算机应用研究Ｖｏｌ４２Ｎｏ７

２０２５年７月ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓＪｕｌ．２０２５

互补盲点策略和Ｕ型Ｔｒａｎｓｆｏｒｍｅｒ的

地震数据去噪

ａ，ｂ，ｃａａａ，ｂ，ｃ

高磊，许轩，罗芯，闵帆

（西南石油大学ａ．计算机与软件学院；ｂ．人工智能研究院；ｃ．机器学习研究中心，成都６１０５００）

摘要：去除随机噪声可以显著提高地震数据的信噪比（ＳＮＲ）。盲点驱动的无监督去噪方法无需标注数据，能

自动提取特征，但其忽略了噪声相关性，导致去噪性能较差。为此，提出了互补盲点策略和Ｕ型Ｔｒａｎｓｆｏｒｍｅｒ的

地震数据去噪框架（ＣＢＵＴＳ）。首先，使用互补盲点策略，通过迹线掩码和随机掩码互补采样，有效削弱噪声的空

间联系；其次，引入可见盲点损失函数，融合非盲点和盲点去噪结果，降低信息损失；最后，设计了一种基于

Ｔｒａｎｓｆｏｒｍｅｒ的Ｕ型盲点网络（ＳＴＵＮｅｔ），通过增强全局和局部特征捕捉，进一步削弱噪声相关性，更准确地预测

有效信号。实验结果表明，与经典以及先进的有监督和无监督方法进行比较，ＣＢＵＴＳ在去除噪声和保留同相轴

连续性方面效果更好。通过对结果的分析和比较，证明该方法完全适用于地震数据去噪。

关键词：地震数据去噪；无监督；盲点策略；Ｔｒａｎｓｆｏｒｍｅｒ

中图分类号：ＴＰ３９９文献标志码：Ａ文章编号：１００１３６９５（２０２５）０７０１８２０５６０８

ｄｏｉ：１０．１９７３４／ｊ．ｉｓｓｎ．１００１３６９５．２０２４．１２．０５１６

ＣｏｍｐｌｅｍｅｎｔａｒｙｂｌｉｎｄｓｐｏｔｓｔｒａｔｅｇｙａｎｄＵｓｈａｐｅｄＴｒａｎｓｆｏｒｍｅｒｆｏｒ

ｓｅｉｓｍｉｃｄａｔａｄｅｎｏｉｓｉｎｇ

ａ，ｂ，ｃａａａ，ｂ，ｃ

ＧａｏＬｅｉ，ＸｕＸｕａｎ，ＬｕｏＸｉｎｒｕｉ，ＭｉｎＦａｎ

（ａ．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆ＳｏｆｔｗａｒｅＥｎｇｉｎｅｅｒｉｎｇ，ｂ．ＩｎｓｔｉｔｕｔｅｆｏｒＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ，ｃ．ＬａｂｏｆＭａｃｈｉｎｅＬｅａｒｎｉｎｇ，ＳｏｕｔｈｗｅｓｔＰｅｔｒｏｌｅｕｍ

Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１０５００，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｒａｎｄｏｍｎｏｉｓｅｄｅｎｏｉｓｉｎｇｃａｎｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｓｔｈｅｓｉｇｎａｌｔｏｎｏｉｓｅｒａｔｉｏ（ＳＮＲ）ｏｆｓｅｉｓｍｉｃｄａｔａ．Ｂｌｉｎｄｓｐｏｔｄｒｉｖｅｎ

ｕｎｓｕｐｅｒｖｉｓｅｄｄｅｎｏｉｓｉｎｇｍｅｔｈｏｄｓｄｏｎｏｔｒｅｑｕｉｒｅｌａｂｅｌｌｅｄｄａｔａａｎｄｃａｎａｕｔｏｍａｔｉｃａｌｌｙｅｘｔｒａｃｔｆｅａｔｕｒｅｓ，ｂｕｔｔｈｅｙｉｇｎｏｒｅｎｏｉｓｅｃｏｒ

ｒｅｌａｔｉｏｎｓ，ｌｅａｄｉｎｇｔｏｓｕｂｏｐｔｉｍａｌｐｅｒｆｏｒｍａｎｃｅ．Ｔｏａｄｄｒｅｓｓｔｈｉｓｉｓｓｕｅ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄｔｈｅｃｏｍｐｌｅｍｅｎｔａｒｙｂｌｉｎｄｓｐｏｔｓｔｒａｔｅｇｙ

ａｎｄＵｓｈａｐｅｄＴｒａｎｓｆｏｒｍｅｒｓｅｉｓｍｉｃｄｅｎｏｉｓｉｎｇｆｒａｍｅｗｏｒｋ（ＣＢＵＴＳ）．Ｆｉｒｓｔｌｙ，ｔｈｅｃｏｍｐｌｅｍｅｎｔａｒｙｂｌｉｎｄｓｐｏｔｓｔｒａｔｅｇｙｕｓｅｄｔｒａｃｅ

ｍａｓｋｉｎｇａｎｄｒａｎｄｏｍｍａｓｋｉｎｇｆｏｒｃｏｍｐｌｅｍｅｎｔａｒｙｓａｍｐｌｉｎｇｔｏｅｆｆｅｃ