鄂尔多斯盆地延长组多油源贡献比例与分布规律:基于机器学习与可解释性研究

作     者：苏恺明 徐耀辉 徐旺林 张月巧 白斌 李阳 严刚 SU Kaiming;XU Yaohui;XU Wanglin;ZHANG Yueqiao;BAI Bin;LI Yang;YAN Gang

作者机构：油气地球化学与环境湖北省重点实验室湖北武汉430100 长江大学资源与环境学院湖北武汉430100 中国石油勘探开发研究院北京100083 

出 版 物：《地学前缘》 (Earth Science Frontiers)

年 卷 期：2024年第31卷第3期

页      面：530-540页

核心收录：

学科分类：0820[工学-石油与天然气工程] 08[工学] 082002[工学-油气田开发工程] 

基　　金：中国博士后科学基金面上资助(2023M730365) 湖北省自然科学基金计划青年项目(2023AFB232) 中石油科学研究与技术开发项目(2021DJ0404) 

主　　题：机器学习 深度神经网络 敏感性分析 鄂尔多斯盆地延长组 油源对比 

摘      要：鄂尔多斯盆地延长组发育多套潜在的烃源岩,但不同烃源岩之间生物标志物特征相似,常规油源对比方法效果不佳,相关认识长期存在争议。基于这样的问题,本文提出了一种基于深度学习的油源对比方案,将人工智能方法应用于油源对比研究,所开展的工作和认识有:(1)以延长组不同层位大量泥岩、页岩样品的42种生物标志物参数作为学习数据,构建了一种识别未知样品油源类别的深度神经网络模型,对长7泥页岩、长8—长10泥页岩的判别正确率分别达到了79.6%和83.0%,实现了延长组主要烃源岩生烃产物的有效区分;(2)通过模型分析了大量砂岩、原油样品的油源分类,统计了不同烃源岩对于延长组各个油层组原油的贡献比例,总结了它们的分布规律;(3)基于目前较为先进的置换特征重要性(PFI)算法,对所得模型进行了敏感性分析,初步揭示了延长组两类主要烃源岩的生物标志物差异。本文对于人工智能方法、技术在石油分子地球化学领域的发展具有积极的参考价值。