WLFM：用于多任务和跨井地质解释的井日志基础模型
机器学习
2025-09-24 v1 人工智能
摘要
井日志解释是地下物质表征的基本任务，但面临着工具响应异质性、噪声信号和标签有限等挑战。我们提出了 WLFM，这是一个在 1200 口井的多曲线日志上预训练的基础模型，包含三个阶段：将日志块脱敏处理为地质标记、基于掩码标记建模和地层感知对比学习的自监督预训练，以及基于少样本微调的多任务适配。WLFM 在所有基准上均显著优于最先进的方法，孔隙度估计达到 0.0041 MSE，岩相分类准确率达到 74.13%，而 WLFM-Finetune 进一步提高到 0.0038 MSE 和 78.10% 的准确率。除了预测准确度外，WLFM 还表现出涌现的图层感知能力，学习了可复用的地质词汇，并以合理保真度重建被掩码的曲线，尽管在浅层和超深区间观察到系统性偏移。虽然本文未明确评估边界检测，但聚类分析表明其在未来扩展方面具有强大的潜力。这些结果将 WLFM 确立为面向地质 AI 的可扩展、可解释且可迁移的基础模型，具有将日志、地震和文本数据多模态集成的意义。
引用
@article{arxiv.2509.18152,
title = {WLFM: A Well-Logs Foundation Model for Multi-Task and Cross-Well Geological Interpretation},
author = {Zhenyu Qi and Qing Yu and Jichen Wang and Yun-Bo Zhao and Zerui Li and Wenjun Lv},
journal= {arXiv preprint arXiv:2509.18152},
year = {2025}
}