使用地震数据研究地球物理特征,这对于地球内部结构探索至关重要。然而,大多数真实地震数据在记录过程中都受到噪声污染。数据中的噪声导致重要信息被掩盖,从而影响分析的准确程度。因此,记录数据的噪声消除是地震信号处理中的一项重要任务。获取高分辨率图像,提高信噪比,挖掘隐藏信息并保留重要特征是去噪过程的关键。为了深入研究此问题,人们提出了许多数学理论和方法。这些算法各有优缺点。本论文综合现有技术的优点,针对解决现有技术的不足,使用新的思想和方法改进结果。传统方法如维纳滤波、卡尔曼滤波、傅里叶变换是主流的方法,然而,这些仅适用于线性和平稳信号的研究。小波、经验模态分解（EMD）、变分模态分解（VMD）等方法是处理非平稳非线性信号的常用方法。为了更好地解决去噪问题,我提出了一种基于VMD的去噪新算法。在本文中,我们应用所提出的方法来去除噪声,提高信噪比和分辨率,并研究了噪声对地震峰值、位移、起跳时间等重要参数的影响。通过对合成地震数据、真实地震数据和二维地震数据的实验,验证了该模型的有效性。地震数据去噪并非十分复杂,但在这一过程中,保留原始的重要特征是最关键的。EMD方法可以去除数据中的噪声,但缺乏较完备的数学基础,模态混合问题明显,我们消除了第一模态,因此模态中包含的信息很有可能丢失。VMD方法解决了模态混合等EMD缺陷,在VMD过程中不消除任何模态,模态信息丢失的机会很小。但由于数据中存在较强的噪声,VMD方法的灵敏度较低,因此我提出了改进方法。首先使用VMD将噪声信号从低频率分解为高频率的固有模态数（IMF）。利用核密度估计（KDE）计算概率密度函数（PDF）,进而将这些模态分为信号模态和噪声模态。利用连续小波变换和S-G滤波器的滤波特性对高频噪声模态进行重构。最后我针对噪声峰值、加速度、位移的影响进行了实验研究。我们提出了二维地震数据去噪方法,在第2章中,我们解释了噪声如何导致P波起跳时间识别不准确。在第3章我们将算法扩展为2D,第4章中,我们将小波变换应用于二维地震数据的几何模态分解去噪。综合和实际地震资料的数值结果验证了该方法的有效性。