地震数据作为油气勘探与开发的重要支撑，在实际应用中往往受到各种噪声的干扰，影响了数据的质量和解释的准确性。本研究旨在改进现有噪声抑制网络（Denoising Convolutional Neural Network,DnCNN），提升其在地震数据随机噪声去除中的能力。在去噪的实验中，我们深入研究了DnCNN的设计和性能影响。通过对比常用的激活函数，包括传统的ReLU和Hardswish，系统性地评估了它们在地震数据去噪中的表现。实验结果表明，Hard-swish构建的HSDnCNN网络在去除地震数据随机噪声方面优于原始DnCNN，并且相较于其他的去噪方法，更有效地抑制了随机噪声。随后，我们将HS-DnCNN应用于实际地震数据的去噪实验，验证了其在实际场景中同样具有良好的适用性。HS-DnCNN在保留并突出有效信号的同时，展现出较好的去噪效果。