一种基于AGFusion-TBT模型的储层孔隙度预测方法

一种基于AGFusion‑TBT模型的储层孔隙度预测方法，以测井数据为基础，结合随机森林(RF)与SHAP方法开展特征筛选，利用特征贡献度提取对孔隙度影响显著的测井曲线参数，构建模型后再通过贝叶斯优化框架Tree‑structured Parzen Estimator(TPE)对模型超参数进行调优，其中的核心预测模型：AGFusion‑TBT模型，融合了时间卷积网络(TCN)、双向门控循环单元网络(BiGRU)和预归一化Transformer(Pre‑LN Transformer)编码器，并引入门控注意力机制，实现多尺度特征提取与时序依赖关系建模；本发明还包括实现上述方法的系统、设备，和存储介质，本发明有效地提高了低孔低渗储层孔隙度预测的准确性与稳定性，在实际测井数据验证中表现出更优的泛化性，尤其适用于复杂地质条件下的储层参数预测任务，具有一定的实际应用前景。