复杂储层的精确表征由于训练样本的限制和横向非均质性而面临较大挑战。针对这些问题，研究团队提出一种地震波形指导的基于非参数分析和信息论约束的智能化弹性参数反演方法。首先，对地震波形进行聚类分析，然后在各类别内利用核密度估计对训练样本进行扩充，以确保扩充后的样本在统计分布和地质特征方面均与测井数据保持一致。进一步地，引入一种基于Kullback–Leibler（KL）散度的信息论约束项，并将其与模型驱动损失函数和数据驱动损失函数进行联合优化，从而在反演过程中约束参数分布的一致性。通过在薄互层地质模型和实际数据上的应用结果表明，所提出的方法相比传统方法在反演精度和横向连续性方面均具有明显优势，同时能够有效刻画弹性参数的整体变化趋势和局部细节特征。
图1、传统半监督反演结果。(a) VP. (b) VS. (c)ρ
图2、NPIC融合网络反演结果。(a) VP. (b) VS. (c)ρ
相关研究成果近期发表在地球物理领域国际重要期刊《Petroleum Science》。论文通讯作者为中国石油大学（华东）张广智教授，第一作者为博士生陈腾飞，合作者包括中石化经纬有限公司杨亚华，中国石油大学（华东）地球科学与技术学院博士生郝洪鉴，中国石油勘探开发研究院西北分院常德宽和高建虎，长江大学（武汉校区）高刚。研究得到国家自然科学基金等项目的资助。
论文信息：Chen Tengfei, Zhang Guangzhi, Yang Yahua, Hao Hongjian, Chang Dekuan, Gao Jianhu, Gao Gang. Seismic waveform guided intelligent elastic parameter inversion method based on non-parametric analysis and information-theoretic constraints[J]. Petroleum Science, 2026. Doi:https://doi.org/10.1016/j.petsci.2026.07.033.
