高信噪比和高分辨率的地震资料成为近些年发展起来的高精度地震勘探的基础数据。随机噪声是严重影响地震资料信噪比的因素之一,预测滤波方法是最经典的随机噪声衰减方法。然而传统的预测滤波方法存在滤波前后对模型噪声的假设不一致问题,对有效信号的保幅能力很差。为解决预测滤波方法存在的问题,本文提出了一种基于数据驱动和反演策略的时空域随机噪声衰减方法,进一步将该方法扩展到了三维。合成模型实验和实际资料处理结果表明新方法与预测滤波方法对随机噪声衰减的能力相当,但是比预测滤波方法有更好的保幅性。提高地震资料分辨率的主要方法是反褶积,传统的线性反褶积技术无法较大幅度的提高地震资料的分辨率,近些年来已经被非线性的稀疏反褶积方法代替。然而常规的非线性反褶积是单道反演方法,容易破坏同相轴在横向上的连续性,并且在有噪声存在时,该方法很不稳定。为了解决常规非线性反褶积方法存在的问题,我们将前面提到的随机噪声衰减过程中求出来的预测误差算子作为横向约束加入到稀疏反褶积的目标函数中,这样就得到了具有横向约束的多道反褶积方法。该方法能够有效的保护反演结果的横向连续性,并且能很好的保持地震资料的信噪比。