地球科学学院硕士生漆影强在SCI收录期刊《Applied Sciences》上发表题为“Prediction of Carbonate Reservoir Porosity Based on CNN-BiLSTM-Transformer”的研究论文。长江大学地球科学学院为论文第一署名单位，罗水亮副教授为第一通讯作者，论文由中国青年基金国家自然科学基金项目资助。

该研究针对碳酸盐岩储层孔隙度预测精度低、泛化能力差等问题，提出融合CNN、BiLSTM与Transformer的深度学习模型CNN-BiLSTM-Transformer。模型充分挖掘测井曲线的局部特征、时序关系和全局依赖，有效提升预测性能。以四川盆地磨溪气田为例，实验证明该模型在精度和稳定性方面均优于传统方法，拟合精确度效果提升明显，误差显著下降，具备良好的应用前景。该成果为复杂碳酸盐岩储层参数预测提供了高效智能的新路径，对提升油气勘探开发的精度与效率具有重要意义。

论文链接：https://www.mdpi.com/2076-3417/15/7/3443

(https://doi.org/10.3390/app15073443)

图1 磨溪地区地质概括

图2 CNN-BiLSTM-Transformer模型盲井应用效果对比

图3 论文首页