基于循环神经网络的微地震数据降噪方法

针对微地震信号中存在大量噪声干扰,导致其识别困难的问题,提出一种深度双向门控循环单元循环神经网络的方法,并将其应用于微地震数据降噪中.首先,构建多层双向门控循环单元循环神经网络模型,并设计该模型的网络结构及训练算法;然后,采用Ricker子波正演模拟微地震数据验证模型的有效性,并将该方法与其他4种方法进行对比;最后,将真实的含噪声微地震数据输入到训练好的模型中,即可得到降噪后的微地震数据.仿真实验结果表明,利用该方法降噪后与降噪前信号的峰值信噪比相比约提高36 dB,且信号之间的相关系数值由0.0886上升至0.9335.实际应用结果也表明,该方法可有效降低实际微地震数据中的噪声.