一种基于深度学习和物理约束的横波速度预测方法

本发明提出了一种基于深度学习和物理约束的横波速度预测方法，通过融合岩性自适应物理约束与Transformer‑MLP混合模型，实现横波速度Vs的高精度实时预测。该方法首先基于伽马值GR进行岩性分类，随后构建包含岩性增强注意力机制的Transformer‑MLP模型，其损失函数结合预测误差MSE、Castagna方程物理约束及岩性分类约束。Transformer模块处理时序数据并校正深度偏移，MLP模块输出Vs预测值，训练过程采用分阶段策略逐步加载物理约束。实际应用表明，本方法在实际的测试中，Vs预测平均绝对误差(MAE)降低至0.053km/s，较传统模型提升37％，且能实时指导钻压调整与井壁稳定性。通过动态融合岩性特征与物理规律，显著提升了复杂地层条件下的预测鲁棒性。