1.一种基于感知引导生成对抗网络的三维储层属性模型分辨率重建方法，其特征在于，包括：获取低分辨率三维储层属性模型的三组二维低分辨率多属性切片，其中三组二维低分辨率多属性切片通过三向正交切片策略和多通道图像编码策略对低分辨率三维储层属性模型进行处理后得到，包括：获取低分辨率三维储层属性模型，利用三向正交切片策略按XY、YZ、XZ三个正交方向进行二维切片操作，得到三组二维低分辨率多属性切片；对三组低分辨率属性切片进行线性归一化处理后，利用多通道图像编码策略得到对应的三组二维低分辨率多属性切片；输入三组二维低分辨率多属性切片至分辨率重建模型，得到三组二维高分辨率多属性切片，其中分辨率重建模型通过若干样本对Geo-RealESRGAN模型进行深度学习得到，每个样本均包括三维储层属性模型的三组二维低分辨率多属性切片和对应三组二维高分辨率多属性切片的标签信息，Geo-RealESRGAN模型采用生成对抗网络机制，利用生成器将输入的每组二维低分辨率多属性切片恢复为预测二维高分辨率属性切片，利用判别器通过Patch-wise判别确定真实二维高分辨率多属性切片与预测二维高分辨率属性切片之间的细节差异，向生成器反馈细粒度的空间监督信号；将三组二维高分辨率多属性切片进行解码及融合，得到高分辨率三维储层属性模型，包括：对每组二维高分辨率多属性切片进行多通道图像解码与反归一化处理；基于坐标映射查找将每组二维高分辨率多属性切片还原为一组三维属性点数据，其中每个三维属性点数据均包括三维物理坐标(x, y, z)与其预测属性值；引入多源预测融合机制，对每个三维坐标点的多个预测属性值进行加权整合，得到最终预测属性值；基于各个三维坐标点的最终预测属性值，建立高分辨率三维储层属性模型。
2.根据权利要求1所述的基于感知引导生成对抗网络的三维储层属性模型分辨率重建方法，其特征在于，所述分辨率重建模型的构建过程，包括：获取至少一个原始三维储层属性模型，得到对应的样本，其中样本包括三组二维低分辨率多属性切片和对应的三组真实二维高分辨率多属性切片的标签信息；对样本进行数据增强处理，得到多个样本，并按比例将其划分为训练集和测试集；利用训练集对Geo-RealESRGAN模型进行训练，训练时引入损失函数，在损失函数的值稳定时，结束训练，得到分辨率重建模型，其中Geo-RealESRGAN模型采用生成对抗网络机制，利用生成器将输入的每组二维低分辨率多属性切片恢复为预测二维高分辨率属性切片，利用判别器通过Patch-wise判别确定真实二维高分辨率多属性切片与预测二维高分辨率属性切片之间的细节差异，向生成器反馈细粒度的空间监督信号；利用测试集分别对训练后的分辨率重建模型进行测试，优化分辨率重建模型的模型参数，并输出符合测试评估要求的分辨率重建模型。
3.根据权利要求2所述的基于感知引导生成对抗网络的三维储层属性模型分辨率重建方法，其特征在于，所述获取至少一个原始三维储层属性模型，得到对应的样本，包括：获取原始三维储层属性模型；利用三向正交切片策略按XY、YZ、XZ三个正交方向对原始三维储层属性模型进行二维切片操作，得到三组真实二维高分辨率多属性切片；分别对三组真实二维高分辨率多属性切片进行降采样，得到对应的二维低分辨率多属性切片，并利用LR-HR图像配对策略构造样本，其中样本包括三组二维低分辨率多属性切片和对应的三组真实二维高分辨率多属性切片的标签信息；对样本进行线性归一化处理后，利用多通道图像编码策略对样本中的三组二维低分辨率多属性切片进行编码。
4.根据权利要求2或3所述的基于感知引导生成对抗网络的三维储层属性模型分辨率重建方法，其特征在于，所述增强处理包括方向变换、裁剪与缩放、模糊扰动、层位扰动模拟。
5.根据权利要求2或3所述的基于感知引导生成对抗网络的三维储层属性模型分辨率重建方法，其特征在于，所述损失函数如下所示：其中， 为各损失权重； 分别为像素重建损失、感知损失、对抗损失。
6.一种应用如权利要求1至5中任意一项所述方法的基于感知引导生成对抗网络的三维储层属性模型分辨率重建装置，其特征在于，包括：低分辨多属性切片获取单元，获取低分辨率三维储层属性模型的三组二维低分辨率多属性切片，其中三组二维低分辨率多属性切片通过三向正交切片策略和多通道图像编码策略对低分辨率三维储层属性模型进行处理后得到，包括：获取低分辨率三维储层属性模型，利用三向正交切片策略按XY、YZ、XZ三个正交方向进行二维切片操作，得到三组二维低分辨率多属性切片；对三组低分辨率属性切片进行线性归一化处理后，利用多通道图像编码策略得到对应的三组二维低分辨率多属性切片；分辨率重建单元，输入三组二维低分辨率多属性切片至分辨率重建模型，得到三组二维高分辨率多属性切片，其中分辨率重建模型通过若干样本对Geo-RealESRGAN模型进行深度学习得到，每个样本均包括三维储层属性模型的三组二维低分辨率多属性切片和对应三组二维高分辨率多属性切片的标签信息；高分辨率三维储层属性模型形成单元，将三组二维高分辨率多属性切片进行解码及融合，得到高分辨率三维储层属性模型，包括：对每组二维高分辨率多属性切片进行多通道图像解码与反归一化处理；基于坐标映射查找将每组二维高分辨率多属性切片还原为一组三维属性点数据，其中每个三维属性点数据均包括三维物理坐标(x, y, z)与其预测属性值；引入多源预测融合机制，对每个三维坐标点的多个预测属性值进行加权整合，得到最终预测属性值；基于各个三维坐标点的最终预测属性值，建立高分辨率三维储层属性模型。
7.一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，计算机程序由处理器加载并执行以实现如权利要求1至5任一项所述的方法中的步骤。
8.一种存储介质，其特征在于，所述存储介质上存储有能被计算机读取的计算机程序，所述计算机程序被设置为运行时执行如权利要求1至5任一项所述的方法中的步骤。
