游离油含量是页岩油勘探中关键的物性参数,对于页岩油的产能具有重要的指导意义,但目前其精确测定还十分困难,为此本文提出了融合差分多头注意力机制与长短期记忆网络(LSTM)的游离油含量预测方法。首先,根据工区的测井资料和地质信息,建立相应的岩石物理模型,然后根据Pearson相关性分析得到对游离油敏感的岩石物理参数,最后将这些数据集作为输入,应用到本文方法所建立的回归模型中。该网络结合了差分特征提取和差分多头注意力机制等技术,在原有的长短期记忆网络(LSTM)上加以改进,同时和常规LSTM网络作对比,比较两种方法预测值和真实值之间的差别。结果表明,本文方法预测的游离油含量比常规LSTM方法预测更准确,在页岩油的勘探开发上具有更广阔的应用前景。