一种基于深度学习的多点地质统计学沉积微相预测方法

本发明提供一种基于深度学习的多点地质统计学沉积微相预测方法，具体方法包括：将沉积模式、相序组合规律等地质约束条件转化为可嵌入神经网络的规则化张量；采用卷积神经网络与图神经网络混合架构，同步提取沉积微相的局部微观特征与区域宏观展布模式；基于预训练模型进行目标工区微调，结合对抗样本生成技术增强模型泛化能力；生成具有置信度评估的三维沉积微相分布模型。本技术方案创新性地实现了：地质统计学空间相关性约束与深度学习特征提取的耦合优化；多源数据在隐式特征空间的非线性映射与协同表征；沉积微相预测结果的地质过程动态演化可视化。