融合CNN与GAT的储层物性参数预测方法

来源：计算机技术与发展杂志2025年第09期北京时间：

作者：张可佳;华浩南;刘宗堡;刘涛*;张岩;

摘要：储层物性参数的预测对于油气开发具有重要意义,而现有的储层物性参数预测方法在应对复杂地质条件时可能存在误差和不确定性。 因此,该文提出了一种基于测井曲线与邻井数据的联合预测方法,选取松辽盆地北部凹陷区块某油田井组作为样本,采用卷积神经网络和图注意力网络相结合的模型(CNN-GAT)预测致密砂岩储层的孔隙度和渗透率。模型首先利用CNN对测井曲线进行局部与全局特征提取,捕捉储层随深度变化的特征趋势;随后,GAT通过构建邻井关系图,对邻井储层特性进行注意力加权融合,增强井间数据关联性,提高预测稳定性。结果表明,该方法在复杂地质环境下表现优越,能够充分利用测井曲线和邻井数据优势,有效降低储层物性参数预测的不确定性。

关键词：孔隙度;渗透率;测井曲线;卷积神经网络;图注意力网络