油气作为一种极其重要的不可再生资源,一直与世界经济发展紧密地联系在一起,是世界经济发展的重要推力。目前,分布在浅层容易开采区域的常规油气资源逐渐面临枯竭。那些地下深层构造复杂的区域的难以开采的非常规油气资源逐渐成为目前勘探重心。中国西北部沙漠区域众多,这些地区往往蕴藏着大量未勘测、未开发的油气资源。沙漠地区地质条件和勘测条件均较为恶劣,噪声错综复杂。而低频噪声是沙漠地震勘探记录中最常见的噪声类型之一。低频噪声看似简单,但其统计特性、数理表征确非常复杂,能量大,随机性强。低频噪声和有效信号在频域会出现重叠,表现出微弱的相似性。这使得低频噪声和有效信号在时空域上的特征差异减小。而高质量的地震勘探资料是地层构造成像与解释的基础,因此我们需要找到一种有效的沙漠地震勘探资料处理策略。目前,大多数传统方法都是在变换域中,通过能量,相关性或者其他物理量对有效信号与噪声加以区分,在传统地震勘探数据处理领域都有成功的应用实例。但是面对沙漠地震勘探资料中复杂的低频噪声性质,这些传统算法呈现出噪声压制不彻底,有效信号难识别等问题。基于上述问题,我们提出基于广域推理网络(WIN)的沙漠地震勘探资料噪声压制算法。首先,我们设置一个5层的网络模型,每一层含有卷积处理、批归一化处理和激活函数。接着我们构建了一套高质量训练集,并将训练集添加到我们设计好的网络模型中训练。网络训练过程中我们引入残差学习,将预测值与目标值之间的误差降到最小,最终得到一组最优参数,如权值和偏差。WIN是基于大数据角度,利用训练得到的最优网络模型参数从海量地震勘探数据中得到低频噪声和有效信号的特征信息,由此对低频噪声和有效信号能够进行有效分离。在沙漠地震勘探资料处理中,我们通过大量对比试验验证了本文所提方法的可行性和有效性。本文所提方法在含噪记录与有效信号之间建立了一个最优的非线性映射模型。训练好的网络模型是一种无需人工调整参数的基于数据驱动的自动去噪器。无论是整体去噪效果还是时域单道对比图,本文所提方法均优于传统方法。基于数据定量分析,尤其在低信噪比时,WIN在模拟实验中可以将信噪比从-13.7dB提高到3.71dB。同时,我们将WIN与1)-反褶积、变分模态分解(VMD)和Shearlet变换硬阈值去噪结果进行对比,WIN在低频噪声与有效信号之间构建非线性映射模型方面具有优势,明显更适合沙漠地震勘探资料。