地震勘探是探查沙漠地区油气资源的主要方法。沙漠地震勘探数据中包含大量随机噪声,包括自然噪声和人文噪声。受松散的沙层和多变的沙丘形态影响,地震随机噪声表现为与有效信号波形相似的低频色噪声,且具有非平稳、非高斯、弱相似的特点。复杂的噪声特性使得传统地震勘探去噪方法很难有效压制沙漠噪声,对后续的地震信号处理和成像产生不利的影响。因此,本文研究适合沙漠地震勘探随机噪声的降噪方法以提高地震勘探资料质量。本文提出了一种基于优化深度卷积自编码网络(IDCAE)的沙漠地震勘探随机噪声压制方法。IDCAE采用残差学习方式通过编码网络对地震勘探数据进行特征提取,获得噪声的隐藏表征,解码网络将隐藏表征重构为地震噪声以达到降噪的目的。IDCAE在深度卷积自编码网络(DCAE)的结构上增设了基于阈值收缩的跳接结构,把卷积网络浅层获得的噪声特征经过阈值收缩传递到网络深层,以解决深层网络结构造成的同相轴结构形态失真的问题。本文针对实际地震信号数据缺乏问题,构建了适合沙漠随机噪声压制的训练集,并提出适合沙漠地震噪声压制的迁移学习训练策略。本文将基于合成数据的预训练模型参数迁移至实际地震数据降噪任务,利用实际沙漠噪声数据作为标签微调模型的参数,从而提升IDCAE对实际沙漠地震勘探记录的降噪能力。合成沙漠地震数据和野外实际沙漠地震数据的去噪结果表明,本文提出的IDCAE对沙漠随机噪声的抑制能力对比F-K滤波和DCAE有了明显提高,可以更好地恢复有效信号的结构,降噪后的信噪比提高,均方误差降低,并且IDCAE在迁移学习的策略下达到了增强有效信号的效果。为了更好地从弱相似沙漠地震随机噪声中恢复地震同相轴的复杂结构,本文提出一种注意力机制引导的深度卷积自编码网络(AIDCAE)。AIDCAE在IDCAE网络中嵌入了注意力模块(AM),将网络输入通过长路径和解码网络输出拼接后,经过AM中的卷积和Sigmoid函数生成注意力权重矩阵。注意力权重矩阵融合输入的全局特征和解码噪声的局部特征,对与同相轴和随机噪声对应的特征赋予不同的关注度,在训练中通过权重系数的约束逐步削弱错误特征对网络输出的影响。模拟和实际地震数据处理结果表明,AIDCAE利用注意力机制调节不同特征的权重,有效地改善了实际信号恢复效果,即使在被噪声严重淹没的区域中,AIDCAE仍然可以恢复出有效信号。此外,注意力权重在训练过程中作为梯度过滤器抑制信号特征生成的梯度,从而提高模型的训练效率,训练AIDCAE达到最优去噪结果的迭代次数比IDCAE减少了10次。本文提出的AIDCAE与传统降噪方法相比具有更有效的去噪效果,并且与主流的深度学习算法相比更适用于沙漠地震随机噪声压制,在训练效率上也具备一定的竞争力。