一种基于随机场与深度学习的多源数据地层分层预测方法

本发明公开了一种基于随机场与深度学习的多源数据地层分层预测方法，包括：提取钻探数据、静探数据及分层信息，并通过HGB捕捉深度趋势，结合高斯过程拟合HGB模型预测值与真实值之间的复杂的非线性残差，最终生成两种连续随机场；基于生成的连续随机场，构建多任务深度学习模型，利用Transformer提取深层语义特征，结合LSTM建模深度方向长距离依赖，多头注意力机制强化局部与全局特征学习，CRF层精确优化分层边界预测，从而实现地层分层与边界精确预测的统一；通过蒙特卡洛随机采样引入随机场不确定性，实现地层分层的置信度计算和风险量化。本发明的优点是：精确地捕捉地层特性及边界，提供稳健可靠的地层分层解决方案。