《表4 不同噪声水平时本文算法的去噪结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《改进的卷积神经网络对地震数据进行去噪的方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

需要指出的是，本文去噪方法是在固定噪声幅度（15%）时进行的，如果待去噪地震数据的噪声幅度发生变化，需要重新训练LeNet-5系统，这对实际地震数据去噪时所用样本集的丰富性提出了更高的要求。为了解决实际数据中训练样本少的问题，本文采用与实际噪声概率分布相似的估计水平，即5%、10%、15%，25%、30%，分别进行实验，对实际工程中采用的叠后地震数据进行去噪，结果如表4所示。由表4可知，随着噪声水平的增加，网络输出的MSE越来越大，使得PSNR和SNR值越来越小。对比表4可知，在30%的噪声水平下，本文算法仍然能达到63.7596dB的PSNR值，22.1031的SNR值，并不低于其他算法在15%噪声水平时的去噪能力，该结果表明本文算法在实际工程中确实有效可行。