日前，中国海洋大学海底科学与探测技术教育部重点实验室在深度学习表征油气藏高分辨率井筒成像研究取得新进展，获得一项国家发明专利“基于循环生成对抗网络的油气藏高分辨率井筒成像表征法”（专利号：ZL 2022 1 1059620.3），为深海油气和天然气水合物储层物性参数高分辨率评价提供技术支撑，发明人闫伟超副教授、邢会林教授、李三忠教授、王秀娟教授。

深海油气和天然气水合物储层物性参数高分辨率评价一直是国内外油气资源精细勘探开发重点攻关的难点。尽管微纳尺度岩石物理实验能够高分辨率表征岩石内部矿物组分和孔隙结构特征，但成本较高，实验周期较长，且对于非均质性强的地层缺乏代表性。地球物理测井技术能够连续深度采集地层物理场参数，但分辨率低，对薄层无法进行有效识别，且评价精度低于岩石物理实验结果。

针对上述问题，研究团队利用循环生成对抗网络深度学习算法，通过井筒油气藏电阻率成像图像预处理、全直径岩心外表面图像预处理、电阻率成像图像到全直径岩心外表面图像的深度学习映射等几个步骤，实现油气藏高分辨率井筒成像表征，有效融合测井资料与岩石物理资料的优势，弥补了岩石物理实验代表性不足的问题，提高了薄层的识别能力，易于在不同油气田推广应用。

发明专利证书