可压性评价是对页岩油气藏进行高效开发的重要依据，其常利用泊松比、杨氏模量和体积模量等参数确定，关键在于能否获得准确的横波速度。然而，实际测井资料中常缺失横波数据，严重制约了页岩储层“甜点”评价。
论文提出了一种基于物理约束的可解释2D-CNN在页岩储层横波速度快速、精确预测方法（图1）。通过敏感性分析，优选纵波时差、中子孔隙度等测井曲线作为基础数据。基于孔隙介质岩石物理理论，利用VRH边界平均模型确定等效弹性模量，通过计算Biot-Gassmann方程得到地层横波速度，形成考虑复杂多矿物组分的岩石物理模型。进而，构建物理约束的二维卷积神经网络预测模型，网络结构中采用GAP层替代传统全连接层，并基于类激活映射技术获取可视化的热力图，从而在保证预测精度的同时提升模型的可解释性。为定量刻画约束对网络关注区域的影响，论文进一步提出适用于回归模型的C-factor指标，并结合SHAP模型分析各输入特征对预测结果的贡献度。结果表明：物理约束下的模型在曲线变化趋势及精度上都有所提高，并证明了方法在测井曲线补全、盲井预测和泛化能力上的优势（图2）。
图1. 模型流程图
图2. 三种模型横波速度预测结果对比
研究成果发表在地学领域重要期刊Petroleum Science。论文通讯作者为中国石油大学（华东）邓少贵教授，第一作者为中国石油大学（华东）博士生李志君，合作者包括中国石油大学（华东）博士生洪玉真、讲师魏周拓以及广州海洋地质调查局蔡联云博士。本研究得到了国家自然科学基金的资助（42374150、42374152）。
论文信息：Zhi-Jun Li, Shao-Gui Deng, Yu-Zhen Hong, Zhou-Tuo Wei, and Lian-Yun Cai, 2025. Study on S-wave velocity prediction in shale reservoirs based on explainable 2D-CNN under physical constraints. Petroleum Science, 22(8): 3247-3265. https://doi.org/10.1016/j.petsci.2025.04.027.
