自监督嵌入模型预测海洋沉积物性质

研究人员在LILY海洋钻探数据库中，基于六项常规测井参数训练了自监督嵌入模型。该模型涵盖296个钻孔中的236,963个观测数据，采用掩码变分自编码器架构。 模型在未见钻孔上预测物理性质时，嵌入模型R²达0.20，远超单一深度指标的-0.02。研究表明，增加岩性标签权重虽未提升分类性能，却降低了重建精度，证实岩性分类压缩了关键连续信息。 该方法成功实现了对训练中缺失物理性质的有效预测，证明了自监督嵌入在海洋沉积物性质推断中的应用价值。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。