永利6774app手机版官网碩士生漆影強在SCI收錄期刊《Applied Sciences》上發表題為“Prediction of Carbonate Reservoir Porosity Based on CNN-BiLSTM-Transformer”的研究論文。永利6774app手机版官网為論文第一署名單位，羅水亮副教授為第一通訊作者，論文由中國青年基金國家自然科學基金項目資助。

該研究針對碳酸鹽岩儲層孔隙度預測精度低、泛化能力差等問題，提出融合CNN、BiLSTM與Transformer的深度學習模型CNN-BiLSTM-Transformer。模型充分挖掘測井曲線的局部特征、時序關系和全局依賴，有效提升預測性能。以四川盆地磨溪氣田為例，實驗證明該模型在精度和穩定性方面均優于傳統方法，拟合精确度效果提升明顯，誤差顯著下降，具備良好的應用前景。該成果為複雜碳酸鹽岩儲層參數預測提供了高效智能的新路徑，對提升油氣勘探開發的精度與效率具有重要意義。

論文鍊接：https://www.mdpi.com/2076-3417/15/7/3443

(https://doi.org/10.3390/app15073443)

圖1 磨溪地區地質概括

圖2 CNN-BiLSTM-Transformer模型盲井應用效果對比

圖3 論文首頁