Seismic noise attenuation by signal reconstruction: an unsupervised machine learning approach

ABSTRACT Random noise attenuation is an essential step in seismic data processing for improving seismic data quality and signal‐to‐noise ratio. We adopt an unsupervised machine learning approach to attenuate random noise via signal reconstruction strategy. This approach can be accomplished in the fo...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Geophysical Prospecting Ročník 69; číslo 5; s. 984 - 1002
Hlavní autoři:	Gao, Yang, Zhao, Pingqi, Li, Guofa, Li, Hao
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Houten Wiley Subscription Services, Inc 01.06.2021
Témata:	Adaptive algorithms Attenuation Data processing Distance Feasibility studies Machine learning Neural networks Noise Noise reduction Objective function Random noise Seismic data processing Signal processing Signal quality Signal reconstruction Unsupervised learning
ISSN:	0016-8025, 1365-2478
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!