Какие существуют методы подавления шумов и помех при сейсморазведке?

Некоторые методы подавления шумов и помех при сейсморазведке:

• Частотная фильтрация сейсмограмм. cyberleninka.ru Широкополосная фильтрация позволяет ослабить уровень микросейсмических помех и основных типов волн-помех. cyberleninka.ru Однако если помеха пересекается с полезным сигналом в спектральной области, уровень помех остаётся существенным. cyberleninka.ru
• Интерактивная редакция шумящих трасс. cyberleninka.ru Это времяёмкая процедура, которая не позволяет избавиться от регулярных волн-помех, например поверхностной волны. cyberleninka.ru К тому же, целиком обнуляя шумящую трассу, теряют записанный на ней полезный сигнал. cyberleninka.ru
• Многоканальная фильтрация. cyberleninka.ru Например, БК-фильтрация исходных сейсмограмм, которая направлена на подавление сигнала в определённом диапазоне частот и наклонов. cyberleninka.ru Общим недостатком методов является то, что при 2-мерной фильтрации неизбежно изменяются незашумлённые области, происходит потеря полезного сигнала. cyberleninka.ru
• Прогнозирующая фильтрация. www.frontiersin.org Метод создаёт прогнозирующие фильтры для снижения шума, используя предсказуемость сейсмических сигналов в частотной и пространственно-временной областях. www.frontiersin.org
• Шумоподавление на основе разреженного преобразования. www.frontiersin.org Метод использует характеристики разницы в амплитудах коэффициентов между эффективным сигналом и шумом в области преобразования. www.frontiersin.org Как правило, шум соответствует коэффициенту с низким значением, а эффективный сигнал — коэффициенту с высоким значением. www.frontiersin.org
• Шумоподавление на основе разложения по модам. www.frontiersin.org При этом методе учитывается, что режим эффективного сигнала аналогичен режиму исходного сигнала, а режим шумового сигнала сильно отличается от исходного сигнала. www.frontiersin.org Шум в сигнале отделяется модовым разложением, которое подавляет случайный шум в сейсмических данных. www.frontiersin.org
• Методы глубокого обучения. www.frontiersin.org Подходы направлены на использование обученной модели для прогнозирования неизвестных данных после того, как модели позволяют изучить характеристики данных на различных глубинах. www.frontiersin.org