文献类型：期刊文章

作　　者：王泰然[1] 鲍逸非[2]

WANG Tairan;BAO Yifei(Electronic Information Engineering Program,International School,Beijing University of Posts and Telecommunications,Beijing 100876;Department of Physics,School of Science,Beijing University of Posts and Telecommunications,Beijing 100876)

机构地区：[1]北京邮电大学国际学院,北京100876 [2]北京邮电大学理学院物理系,北京100876

出　　处：《北京大学学报(自然科学版)》

基　　金：国家自然科学基金(42304110)资助。

年　　份：2025

卷　　号：61

期　　号：3

起止页码：487-500

语　　种：中文

收录情况：BDHX、BDHX2023、核心刊

摘　　要：提出一种基于卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的深度学习模型,用于时间域波形去噪.选取四川省自贡和内江地区的微震观测数据,基于该地区的构造模型和震源机制进行数值模拟,生成无噪声数据集,并叠加观测微震噪声,构建模拟含噪声数据集.通过深度学习网络的训练,获得性能稳定且泛化能力强的去噪模型,该模型在验证集上也表现优异.与传统去噪方法相比,所提方法的去噪效果显著提升,能够更好地保留信号的细节特征和频谱特征.将该模型应用于自贡和内江地区的实际微震观测数据,结果表明能有效地去除实测数据中的噪声.

关 键 词：微小地震  噪声去除 卷积神经网络(CNN)  双向长短期记忆网络(BiLSTM)  深度学习  

分 类 号：P315]