在我国钾盐资源对外依存度持续攀升、深层卤水型钾盐勘探开发亟需技术突破的背景下，传统地球物理储层预测方法在面对卤水储层与围岩物性差异小、声波测井响应微弱、深部孔隙-裂隙型储层非均质性强等挑战时，逐渐显现出识别精度低、空间外推能力不足、人工解释效率低下等问题。如何融合多源地球物理数据、突破深层卤水储层智能识别技术瓶颈，已成为制约柴达木盆地等战略资源基地高效勘探的关键难题。近日，地质力学研究所地球物理团队，张浩、方欣欣、王颖、陈程、施辉、周远剑等科研人员研发的"一种基于深度学习的地震卤水储层响应特征识别方法"获得国家发明专利授权（专利号：ZL 202510489518.4），标志着地质力学所在智能矿产资源勘探技术领域取得重要突破。
该成果提出了一套系统化、高精度的深层卤水储层智能识别技术。新方法首先融合感应测井数据与地震反演结果，通过孔隙度-电阻率叠加法与阵列感应深电阻率-声波时差关系模型，构建高质量、精准的卤水储层标签数据集，突破了传统声波测井对卤水储层特征响应微弱的技术局限；进而将测井特征图与地震剖面进行多模态特征融合，通过通道级联、空间分辨率对齐及特征压缩，实现测井垂向特征与地震横向剖面的深度融合，有效解决了感应测井空间外推能力不足的问题。在此基础上，创新性地使用了改进的UNET++深度神经网络方法——该网络通过嵌套密集跳跃连接结构动态融合编码器的多尺度特征与测井信息的跨模态特征，并在跳跃连接处嵌入通道注意力机制，通过特征门控动态调节测井特征对地震特征的权重分配，显著增强了薄层卤水弱反射信号的捕获能力与边界识别精确度。为进一步优化层位匹配关系，研究团队引入双向LSTM处理测井曲线序列，提取深度相关特征，有效降低了因速度异常导致的误判风险。最终，基于深度监督机制与联合训练策略，生成三维储层空间展布模型，实现对深层孔隙-裂隙型卤水储层的精细化刻画。
该项技术实现了人工智能深度学习算法与井震联合反演的深度融合，突破了传统方法依赖单一数据源、难以适应复杂地质条件的局限性，为我国西部盆地深层卤水型钾盐资源的高效勘探与开发方案优化提供了一种全新的智能化解决方案。地质力学研究所将持续推进该技术在钾盐资源勘探现场的应用示范，加快成果转化，为保障国家钾盐资源安全与战略矿产智慧勘探开发提供强有力的科技支撑。
图1 发明专利证书
图2 新方法中使用的改进型Unet++深度网络架构示意图
图3 井震资料联合智能三维卤水储层识别与建模
