1.一種用于多尺度特征地震數據去噪的深度學習方法，包括生成器和判別器，所述生成器和判別器構成一個生成對抗網絡(gan)，其中：所述生成器用于將低分辨率、高噪聲的地震數據重建為高分辨率、低噪聲的地震數據；所述判別器用于區(qū)分輸入數據是來自于真實數據集還是由生成器生成的合成數據；其特征在于，所述生成器和判別器采用transformer機制和批量重整化(batch?renormalization，brn)技術，以捕捉地震信號的時序依賴關系和提升去噪性能。
2.根據權利要求1所述的深度學習方法，其中所述生成器包括：
3.根據權利要求1或2所述的深度學習方法，其中所述判別器采用卷積神經網絡(cnn)，用于提高判別器的鑒別能力。判別器的任務就是將真實的圖像ihr與由生成器生成的isr區(qū)分開，進而判斷輸入的數據是否由生成器生成。如圖所示，判別器由特征精煉矩陣(fra)和真?zhèn)闻袥Q單元(vdu)組成。生成器的輸出isr和真實圖像ihr會分別作為輸入，輸入到判別器d中。
4.一種基于所述深度學習模型的地震數據去噪方法，包括以下步驟：
5.根據權利要求4所述的去噪方法，其中優(yōu)化生成器和判別器的參數包括使用對抗性訓練策略，以使生成器生成的數據更加接近真實數據。去噪目標可以通過下述優(yōu)化公式(1)表達。