地科学院硕士研究生赵丽芳在喻思羽副教授的指导下，在期刊《物探与化探》上发表题为“基于深度学习的变差函数自动拟合方法研究”的论文，长江大学地球科学学院为论文第一署名单位，硕士研究生赵丽芳为论文第一作者，其导师喻思羽副教授为该文通讯作者。

变差函数是地质统计学中量化空间相关性的重要工具，其拟合精度对地质分析和油气资源开发具有重要意义。然而，传统的变差函数拟合方法（如最小二乘法）往往存在拟合不稳定、精度较低的问题，特别是在处理复杂非线性问题和大规模数据时，往往无法有效捕捉到变差函数的细节变化。为了克服这一问题，赵丽芳等人提出了一种基于深度学习的自动拟合方法，旨在提高变差函数拟合的精度、稳定性及计算效率。

该方法的核心思想是通过深度学习技术，利用不同参数值的理论变差函数生成大量的训练数据集，并采用深度神经网络进行训练（图1）。训练完成后的神经网络模型能够自动完成实验变差函数与理论变差函数之间的拟合，达到更高的拟合精度和稳定性。实验结果表明（图2），与传统的最小二乘法相比，深度学习方法更适合处理具有复杂非线性关系的变差函数数据，尤其是在大规模数据集和复杂地质环境下，能够更加精准地拟合变差函数，进而提高储层预测的可靠性和精度。

论文链接：https://www.wutanyuhuatan.com/CN/10.11720/wtyht.2024.1522

图1 深度学习神经网络结构图及拟合流程图

图2 深度学习与最小二乘法拟合效果对比图

图3论文首页