地科学院研究生朱家为以第一作者身份在中文核心期刊《地质科技通报》上发表题为“基于不同条件模拟策略的生成对抗网络沉积相建模”的研究论文，英国威廉集团为论文第一署名单位。研究生朱家为为第一作者，李少华教授为论文通讯作者。

图1 论文首页

已有的生成对抗网络条件化建模研究主要集中于理论方法的发展和应用探索，缺乏对不同井网密度下各类条件化方法模拟效果的系统性定量评估，难以给实际沉积相建模的方法选择提供精准参考。针对生成对抗网络地质建模的条件化方法开展研究，系统评估不同井网密度下3种条件化方法的模拟效果，具体为：①在训练中显式引入井点条件损失优化生成器的条件损失函数法；②基于梯度下降的输入向量搜索方法；③基于前置神经网络的输入向量搜索方法。研究以井点匹配率、砂体连通性为评价指标，在2%～10%井密度下开展对比实验，同时探究了条件损失权重与井网密度的交互作用对建模效果的影响。实验表明，条件损失函数策略在操作便捷性与建模效率上整体更优，且可通过调整损失权重灵活平衡约束精度与模式多样性，适配兼顾全局结构与局部精度的场景；梯度下降法在匹配率上有优势，但计算成本高；前置神经网络映射法生成速度快，适合快速推断场景，且该方法存在100～1000的损失权重临界区间，可实现约束精度与地质模式多样性的合理平衡。研究结果揭示了不同条件化方法在不同井网密度下的性能差异，明确了各方法的适用场景，为不同井网密度下沉积相建模的条件化策略选择提供了定量参考与实操参数依据。

图2 结论实例图

论文链接：https://dzkjtb.cug.edu.cn/cn/article/doi/10.19509/j.cnki.dzkq.tb20250431