本文提出了一个地震资料噪声压制神经网络模型,命名为:Seis-Res Net,自适应识别地震资料中的随机噪声。采用41层深度残差神经网络结构,输入地震数据训练。网络的输出为随机噪声,这种改进突破了深度学习算法网络层数的限制,相比以往浅层神经网络,学习地震信号特征更加充分,噪声压制效果更好。训练数据集在深度学习中起至关重要的作用,是制约神经网络预测精度的关键因素。为解决目前地震数据处理人工智能方法研究中标签数据匮乏的问题,本文自图像处理领域,引入在线字典学习(Online Dictionary Learning)算法,批量化生成适应于地震数据神经网络训练的标准化标签数据集。数值试验、实际地震资料处理结果表明,提出的深度残差网络模型能够有效压制噪声。本文最后使用迁移学习的方法,二次训练网络实现相干噪声压制,实际资料的处理结果验证了本方法扩展性的可信与可行。