（通讯员 杨玲）近日，我校地球物理与石油资源学院测井信息工程系张占松教授课题组在储层参数智能预测与测井大数据建模方面取得研究进展。相关研究成果发表于国际化学与交叉学科领域开放获取期刊《ACS Omega》2026年第11卷，论文题目为《DATS: A Depth-Aware Transformer Hybrid Framework for Geological Parameter Prediction》（DATS：面向地质参数预测的深度感知Transformer混合框架）。该论文第一作者为测井信息工程系博士生吕恒阳，张占松教授、聂昕教授为通讯作者。

渗透率是表征储层流体渗流能力的基础参数，但岩心实验采样稀疏离散、强非均质储层测井响应非唯一，给高精度渗透率预测带来挑战；传统机器学习方法通常将每块岩心样品视为独立样本，忽略了埋深序列中蕴含的地层上下文信息。为此，该研究提出了深度感知Transformer混合建模框架DATS：通过滑动窗口构建深度序列样本，采用频率可学习的连续傅里叶深度编码、含深度距离偏置的注意力机制，以及衔接连续测井曲线与离散岩心数据的两阶段训练策略，将深度信息与地层先验系统融入建模过程。基于研究区碳酸盐岩储层2856块岩心样品，通过3种特征组合策略与14种下游模型的系统对比，最优模型DATS-XGBoost_Combined的决定系数R²达0.9404；消融实验验证了各组成模块的有效性，SHAP与注意力矩阵分析表明模型捕捉的深度相关地层模式与岩石物理规律相一致，可为未取心井段与欠采样井的储层参数评价提供有效的辅助工具。

论文全文链接：https://doi.org/10.1021/acsomega.6c05020。

据悉，《ACS Omega》创刊于2016年，是由美国化学会（ACS）出版的化学与交叉学科领域国际期刊，SCIE收录，IF：5.2，CiteScore：7.8。重点关注化学、材料、地球科学等多学科交叉方向的前沿研究。

（审核 盛广龙 编辑 余为）