基于深度卷积和自注意力机制的端到端地震波降噪方法

您当前的位置：

首页 >

文章列表页 >

研究 | 更新时间：2026-03-31

- 基于深度卷积和自注意力机制的端到端地震波降噪方法
- End-to-end seismic signals denoising via deep residual convolution and self-attention mechanisms
- 大数据 2026年12卷第2期页码：111-128
- 作者机构：
  
  1.平安科技（深圳）有限公司，广东深圳 518063
  2.天津市地震局，天津 300201
  3.湖南大学工商管理学院，湖南长沙 410082
  4.深圳市宝安区教育信息中心，广东深圳 518101
- 作者简介：
- 基金信息：
- DOI：10.11959/j.issn.2096-0271.2025070
  中图分类号： TP391
- 纸质出版：2026-03-15
- 稿件说明：
移动端阅览
赵博涛,亢祖衡,贺亚运等.基于深度卷积和自注意力机制的端到端地震波降噪方法[J].大数据,2026,12(02):111-128.

Zhao Botao,Kang Zuheng,He Yayun,et al.End-to-end seismic signals denoising via deep residual convolution and self-attention mechanisms[J].BIG DATA RESEARCH,2026,12(02):111-128.
赵博涛,亢祖衡,贺亚运等.基于深度卷积和自注意力机制的端到端地震波降噪方法[J].大数据,2026,12(02):111-128. DOI： 10.11959/j.issn.2096-0271.2025070.

Zhao Botao,Kang Zuheng,He Yayun,et al.End-to-end seismic signals denoising via deep residual convolution and self-attention mechanisms[J].BIG DATA RESEARCH,2026,12(02):111-128. DOI： 10.11959/j.issn.2096-0271.2025070.

浏览量

143

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于深度学习的警情记录关键信息自动抽取

基于改进YOLOv8的高分辨率遥感图像目标检测算法

沙尘图像视觉增强技术综述

情感语音合成综述

基于生成对抗网络的多特征融合去雾技术