地科學院碩士研究生趙麗芳在喻思羽副教授的指導下，在期刊《物探與化探》上發表題為“基于深度學習的變差函數自動拟合方法研究”的論文，永利6774app手机版官网為論文第一署名單位，碩士研究生趙麗芳為論文第一作者，其導師喻思羽副教授為該文通訊作者。

變差函數是地質統計學中量化空間相關性的重要工具，其拟合精度對地質分析和油氣資源開發具有重要意義。然而，傳統的變差函數拟合方法（如最小二乘法）往往存在拟合不穩定、精度較低的問題，特别是在處理複雜非線性問題和大規模數據時，往往無法有效捕捉到變差函數的細節變化。為了克服這一問題，趙麗芳等人提出了一種基于深度學習的自動拟合方法，旨在提高變差函數拟合的精度、穩定性及計算效率。

該方法的核心思想是通過深度學習技術，利用不同參數值的理論變差函數生成大量的訓練數據集，并采用深度神經網絡進行訓練（圖1）。訓練完成後的神經網絡模型能夠自動完成實驗變差函數與理論變差函數之間的拟合，達到更高的拟合精度和穩定性。實驗結果表明（圖2），與傳統的最小二乘法相比，深度學習方法更适合處理具有複雜非線性關系的變差函數數據，尤其是在大規模數據集和複雜地質環境下，能夠更加精準地拟合變差函數，進而提高儲層預測的可靠性和精度。

論文鍊接：https://www.wutanyuhuatan.com/CN/10.11720/wtyht.2024.1522

圖1 深度學習神經網絡結構圖及拟合流程圖

圖2 深度學習與最小二乘法拟合效果對比圖

圖3論文首頁