跨模态Transformer模型：成像测井图像与常规测井曲线的特征融合及岩性分类
摘要
岩性识别是储层评价的关键环节，而成像测井（FMI）与常规测井曲线分别提供了高分辨率的地质结构信息和连续的物理参数信息。本文提出一种基于跨模态Transformer的深度学习模型，创新性地将Vision Transformer（ViT）提取的成像测井特征与Transformer编码器提取的常规测井曲线特征进行深度融合。模型的核心在于设计了一种跨模态注意力融合模块，使网络能够动态学习两种异质数据之间的关联权重，从而实现更精准的岩性分类。为了验证模型的有效性，本文建立了三个基线模型进行对比：单模态图像模型（ViT）、单模态曲线模型（Transformer）、以及简单的特征拼接模型。实验结果表明，所提出的跨模态注意力融合模型在准确率、F1分数等指标上均显著优于三个基线模型。此外，本文还实现了注意力权重的可视化模块，用于解释模型关注的测井响应特征与成像特征，提升了模型的可解释性。本文提供了完整的PyTorch代码实现，涵盖数据预处理、模型构建、训练评估及可视化全流程。
关键词：跨模态Transformer；成像测井；常规测井；岩性分类；注意力机制；特征融合
1. 引言
1.1 研究背景与意义
随着油气勘探开发向深层、非常规领域拓展，储层评价的精度要求不断提高。岩性识别是储层评价的基础工作，直接关系到后续的储量计算和开发方案设计。传统岩性识别方法主要依赖岩心描述和薄片鉴定，虽然精度高但成本昂贵、时效
