应用双向长短时记忆神经网络的微地震信号降噪方法

李佳 王维波 盛立 高明

摘要：地面微地震监测数据噪声干扰强、信噪比低，对后续的微地震初至拾取、成像定位等产生严重影响。因此，微地震信号降噪是微地震数据预处理中的关键步骤，而常规降噪方法常依赖于算法参数的设置，不具备普遍的适用性。为此，提出了一种应用双向长短时记忆（Ｂｉ-ＬＳＴＭ）神经网络的微地震信号降噪方法。首先，使用合成信号和实际信号构造样本数据集，对构建的Ｂｉ-ＬＳＴＭ 模型进行训练和测试，得到降噪效果最好的模型；然后，利用训练好的Ｂｉ-ＬＳＴＭ 网络对不同信噪比的合成信号和川渝地区油气井的实际压裂监测微地震信号进行降噪处理。降噪后的实际微地震信号用于地震发射层析成像，并分析圖像以实现地面微地震信号的震源定位。实验分析结果表明，该方法能够有效降低微地震信号中的各类噪声，提高信噪比，从而提高震源定位的精度。与传统算法相比，该方法不需要参数调整，具有良好的泛化特性。

关键词：微地震，信号降噪，双向ＬＳＴＭ 神经网络，模型训练

中图分类号：Ｐ６３１ 文献标识码：Ａ dol：１０．１３８１０／ｊ．ｃｎｋｉ．ｉｓｓｎ．１０００-７２１０．２０２３．０２．００４