基于波原子变换的深度学习抗假频地震数据规则化方法

摘要

本发明属于地球科学技术领域，具体涉及一种基于波原子变换的深度学习抗假频地震数据规则化方法，该方法的步骤为1、训练数据集准备；2、波原子域样本标签准备；3、网络输入与标签设定；4、深度学习网络模型G结构设定；5、损失函数设定；6、网络模型训练；7、地震数据规则化测试。根据地震数据在波原子域的良好分布特征，建立空间域和波原子域联合学习深度卷积神经网络模型，结合空间域和波原子域的特征对地震数据进行规则化，模型的训练评判指标采用空间域、波原子域误差以及f‑k域误差联合约束规则化误差，反馈调整网络参数，提高地震数据规则化网络模型的精度与泛化能力。