一种岩石物理与深度学习双重驱动的储层物性参数智能预测方法

本发明公开了一种岩石物理与深度学习双重驱动的储层物性参数智能预测方法，属于非常规储层地震勘探技术领域，包括以下步骤：基于标定测井的物性参数及弹性参数观测数据构建岩石物理模型；利用高斯混合模型分别估算物性参数和弹性参数的概率分布，生成物性参数无标签数据和弹性参数无标签数据形成有标签数据集；搭建残差卷积神经网络ResNet模型，使用有标签数据训练初始ResNet模型；将弹性参数无标签数据输入ResNet模型形成全伪标签数据集；对初始ResNet模型迭代训练得到最终ResNet模型；将观测数据输入得到预测储层物性参数。本发明通过岩石物理与深度学习双重驱动，融合地质先验与数据驱动优势，提升预测精度。