近日，我院智慧感知团队在地球物理领域取得重要研究成果。在团队老师的指导下，邓宇博士设计并提出了一种融合AMPSO优化的分形插值技术与BiLSTM神经网络的测井曲线超分辨方法。该方法通过深入挖掘测井曲线的分形特性，创新性地结合智能优化算法与深度学习模型，成功突破了复杂储层中高频信息及局部尖锐结构难以精确恢复的技术瓶颈。相关研究成果已发表于国际地球物理权威期刊《Geomechanics and Geophysics for Geo-Energy and Geo-Resources》（中科院二区）。

论文创新点：

1. 将AMPSO优化引入分形插值，实现垂直比例因子的智能调节

首次将自适应变异粒子群优化算法（AMPSO）引入分形插值过程，将垂直比例因子作为决策变量进行全局优化。相较于传统随机设定或经验调节的方法，该优化策略更符合分形理论约束条件，显著提高了插值曲线对测井数据分形结构的拟合精度，从而提升了高频细节重建的能力。

2. 创新融合测井曲线的分形结构与时序信息，实现深层特征建模

在超分辨率重建过程中，创新性地提出了一种融合测井曲线分形结构特征与垂向时序依赖信息的建模方法。该方法充分挖掘测井数据的上下文关联，有效提升了模型对复杂储层中局部尖锐变异与非线性波动的感知与重建能力，从而提升了非常规储层的精细地质刻画精度。

论文信息：

Well logging super-resolution based on fractal interpolation enhanced by BiLSTM-AMPSO. Geomech. Geophys. Geo-energ. Geo-resour. 11, 54 (2025). https://doi.org/10.1007/s40948-025-00969-9