结合Transformer神经网络的改进变分模态分解用于大地电磁数据去噪

《Applied Sciences》：Improved Variational Mode Decomposition for Magnetotelluric Data Denoising Combined with Transformer Neural Network

　　

摘要

磁 telluric（MT）转移函数估计在复杂观测环境中受到强工业干扰和随机噪声的严重挑战。我们提出了一种混合去噪框架，将基于 Transformer 的干扰识别与粒子群优化-变分模态分解（PSO-VMD）相结合。Transformer 用于识别并抑制强高频干扰，同时保留和重建低频信号；PSO-VMD 自适应优化分解参数，以分离并去除噪声主导的分量，恢复高频信号。通过整合两个阶段的互补输出，所提出的框架实现了 MT 时间序列的宽带重建。使用合成数据和现场数据进行的实验表明，该方法能够鲁棒地抑制复杂干扰和噪声，并显著提高了 MT 转移函数估计的精度和稳定性。这些结果表明，所提出的框架为复杂噪声环境下的 MT 数据处理提供了一种有效的方法。