用于地震到井表示学习的物理跨模态掩蔽自动编码

从科学测量中学习通常需要将模式与不同的空间支持和分辨率结合起来。地下表征是一个极端的密集-稀疏问题，其中 3D 地震提供体积但间接的测量，测井曲线提供稀疏钻孔位置的高分辨率一维测量。我们引入了一种物理grounding的跨模态掩码自动编码器（CM-MAE），用于地震到井的表示学习。该模型联合标记地震体和测井深度补丁，使用四轴旋转位置嵌入将两种模态嵌入连续物理坐标中，并使用跨模态解码器重建屏蔽目标。稀疏的专家混合层提供特定于模态的能力，而密集的注意力允许模态之间的信息交换。预训练使用了覆盖美国近海和陆上盆地约 178,000 平方公里的 23 个地震体以及约 92,000 口井。匹配掩模消融显示出强烈的不对称信息流。地震环境将保留测井重建提高了 9.73%，而测井环境将地震重建提高了 0.65%。我们根据独立解释者绘制的盐地质体掩模评估纯地震伪测井预测，以确定它们是否包含地质信号。在美国近海的调查中，压缩慢度产生的盐分数达到了 0.910 的 AUROC。在陆上盆地中，尽管存在校准漂移，但预测的压缩慢度在看不见的调查中保留了地层尺度结构和部分相关组织。尽管绝对伪对数校准仍然依赖于测量，但 CM-MAE 在极端模态不对称下学习有用的地震到井表示。