干热岩资源凭借储量巨大、分布广泛等优势，被视为21世纪极具开发潜力的清洁能源。由于其埋藏深度大,渗透性差,故从中提取地热能需构建增强型地热系统（Enhanced geothermal system, EGS），即通过水力压裂等手段形成人工裂隙以提升储层渗透率。人工裂隙作为EGS系统中液体流动以及热量传递的主要通道，对其进行精细刻画是预测储层产热性能的基础。然而,深部储层中观测数据稀缺，对储层进行刻画难度极大，为其产热性能预测带来了巨大挑战。本文采用了一种基于深度学习融合多源数据的联合反演框架（convolutional variational autoencoder-ensemble smoother with multiple data assimilation, CVAE-ESMDA）。研究表明，融合多源数据后，储层刻画归一化均方根误差（Normalized root mean square errors, NRMSEs）从27.66%降低至24.52%。另外，两个开采井的热运移预测误差降低至了2.3%和8.2%。

增强型地热,深度学习,多源数据融合,储层刻画