《Geoscience Frontiers》：Log-driven classification of shale lithofacies employing Kolmogorov-Arnold network assisted by conditional generative adversarial network and transfer learning
编辑推荐：
岩相分类对于地层解释和沉积学表征至关重要，但在页岩储层中仍具挑战性，因为岩性的快速变化削弱了常规测井曲线的判别能力。为提高页岩岩相识别精度，本研究提出了一种混合分类框架，称为NCA-Bayes-KAN，其中以Kolmogorov-Arnold网络（KAN）作为
岩相分类对于地层解释和沉积学表征至关重要，但在页岩储层中仍具挑战性，因为岩性的快速变化削弱了常规测井曲线的判别能力。为提高页岩岩相识别精度，本研究提出了一种混合分类框架，称为NCA-Bayes-KAN，其中以Kolmogorov-Arnold网络（KAN）作为核心分类器，采用邻域成分分析（NCA）进行特征优化，并应用贝叶斯优化（Bayes）进行超参数调优。研究采用鄂尔多斯盆地的地质与测井数据对所提框架进行评价。引入五种常用分类器作为基准模型，包括k近邻、支持向量机、随机森林、深度神经网络和极端梯度提升。基于准确率、F1分数、Cohen's kappa和曲线下面积（AUC）的实验结果表明，NCA-Bayes-KAN始终优于对比模型。由于基于softmax的输出可能产生校准不良的概率，进一步引入概率校准以提高预测类别概率的可靠性，从而带来额外的性能提升。为增强模型泛化能力，将条件生成对抗网络（CGAN）和迁移学习集成到框架中。CGAN用于数据增强，迁移学习则使得能够利用源井组预学习的知识。结果表明，NCA-Bayes-KAN结合概率校准为研究区内的页岩岩相分类提供了准确且可靠的解决方案，而CGAN和迁移学习进一步提高了其在所研究井和井区之间的可迁移性。
研究背景方面，非常规油气资源因独特的储集模式与开发技术区别于常规资源，在全球勘探中取得重大成功。与寻找背斜和断块圈闭中石油储量的传统地质理论不同，从深层岩性-地层圈闭中开采致密油和致密气被视为非常规资源的首次突破。随后，地质学家关注能否在烃源岩内发现油气储量。随着"自生自储"油气理论和压裂技术的快速发展，赋存于作为烃源岩的页岩层系中的天然气储量得到初步开发利用。近十余年页岩气热潮极大推动了从页岩中提取石油的尝试。由于石油的赋存状态普遍遵循页岩气所遵循的自生自储原则，页岩油勘探具有高度可行性和商业性。中国页岩油研究热情已持续十余年。根据多轮全国资源评价获得的几种主要油气资源类型的原地资源量估算，页岩油在非常规资源中展现出显著潜力，预示其在未来油气供应中日益主导的地位。中国五个盆地主要沉积页岩油资源，鄂尔多斯盆地延长组沉积了最大面积的细粒物质，目前拥有最高的页岩油商业价值。勘探页岩油的基础工作之一是揭示页岩层内的成藏部位，早期地质研究需投入大量精力进行地层对比和沉积模拟。岩相是沉积物和构造的演化结果，能为地层学和沉积学提供重要信息。岩相类型可通过岩心观察和地球化学分析获知，但对于未取心的井，岩相分类必须通过测井解释解决。由于页岩岩性组分快速变化，传统测井曲线解释能力有限，无法判别页岩岩相。此外，考虑成本因素，核磁共振测井、自然伽马能谱测井和偶极声波测井等昂贵特殊测井无法应用于每口井。因此，需要创建更精细的页岩岩相分类方法。机器学习模型可成为现有分类问题的理想求解器，因大多数分类器已在许多研究领域展现出卓越能力。k近邻（KNN）通过欧氏或曼哈顿距离自动聚类输入数据，因算法简单而被地质学家广泛使用。支持向量机（SVM）是另一种流行分类器，因其能在既定高维空间中高效识别数据模式。随机森林（RF）通过构建大量决策树并行计算结果，经投票机制得出最佳结果，保证了良好的鲁棒性。但这三种经典分类器存在两个明显缺点：KNN或SVM的性能对超参数条件相当敏感，导致泛化性差；由于并行计算机制，RF的微小改进需要更多决策树的投入，在分类竞争中往往效率低下。因此，先进的页岩岩相分类器必须结构轻量、实现智能且具有足够泛化能力。Kolmogorov-Arnold网络（KAN）已被令人信服地证明是传统预测器和深度学习模型在分类任务中的竞争性乃至常优于的替代方案。尽管KAN依赖由非线性和可学习激活函数组成的相对简单神经架构，但在验证中始终展现出强大的预测能力、高适应性和鲁棒泛化性能。因此，KAN被采用为面对分类问题最具潜力的解决方案。为极大激发KAN的性能，需认真考虑输入的分解和超参数的微调。邻域成分分析（NCA）和贝叶斯优化（Bayes）分别用于降低输入维度和调整超参数设置，二者与KAN集成，提出了一种用于页岩岩相的混合分类器NCA-Bayes-KAN。为进一步提升泛化性，训练更多可学习样本并同时继承预训练模型的知识是神经网络计算特性下的必要操作。在此考虑下，创新性地设计并采用了由条件生成对抗网络（CGAN）和迁移学习辅助的方案来增强所提预测器的表现。研究人员开展了以下研究：首先初步解释页岩岩相识别的因果关系，接着详细解释混合求解器的方法论，最后系统阐明基本实验过程及结果启示。研究得出以下结论：页岩岩相通常通过岩心观察和实验室分析识别，成本高耗时长，使用常规测井数据提供了实用替代方案，但常规测井单独在区分复杂矿物组成的页岩岩相方面能力有限，在此条件下引入KAN作为机器学习分类器改进测井数据岩相识别；直接使用常规测井曲线训练KAN未提供满意分类性能，即使考虑基于SHAP的解释，这表明模型训练前特征提取是必要的，在测试的特征提取方法中NCA表现更好，因提取的变量改善了不同岩相簇的可分离性；KAN的预测性能也受超参数设置影响，表明参数优化是模型构建的重要步骤，基于几种优化策略的对比实验，贝叶斯优化为KAN分类器提供了更好的参数配置，因此通过结合NCA特征提取和贝叶斯超参数优化建立了NCA-Bayes-KAN框架；对于多类岩相预测，KAN的概率输出可能不总能准确反映预测类别的置信水平，因此引入概率校准提高预测概率的可靠性，对比结果表明等渗校准在本数据集中优于sigmoid校准，因此采用NCA-Bayes-KAN结合等渗校准提供更可靠的岩相识别结果；学习数据集的扩展和预学习知识的有效利用是可能影响机器学习分类器泛化能力的两个关键因素，因此引入CGAN和迁移学习，基于所涉及井和井区的验证结果，CGAN展现出生成合格合成测井样本的能力，迁移学习有助于有效利用预训练知识，因此建议结合这两种方法提高所提分类器在研究井区内的泛化性能。所提框架展现出良好的页岩岩相分类能力，并在本研究所涉及的井和井区之间显示出可迁移性，这一改进得益于特征提取、超参数优化、概率校准、数据增强和迁移学习的集成。然而，这种性能提升以增加工作流复杂性为代价，与更精简的分类器相比，所提框架需要额外的预处理、多个依赖模块、更多超参数设置以及中间输出的仔细验证，可能增加实现和调试难度并降低直接部署性。因此，所提框架应被视为针对所研究井和井区的性能导向解决方案，而非普遍简单的流程，其泛化能力目前仅在本项目数据集内得到验证，在扩展到更广泛页岩油勘探场景之前仍需使用更多井、更大数据集和不同地质背景进行进一步验证。该研究的重要意义在于为页岩岩相分类提供了准确可靠的解决方案，并提高了模型在井和井区之间的可迁移性，对页岩油甜点定位和地质研究具有重要价值。论文发表在《Geoscience Frontiers》。
技术方法方面，研究人员采用鄂尔多斯盆地三个井组（A、B、C）的测井与岩心数据，A组3108个样本、B组471个样本、C组346个样本，每个样本包含11条常规测井曲线（AC、AT10、AT20、AT30、AT60、AT90、CNL、DEN、GR、PE、SP），以岩心观察和地质分析确定的岩相标签为真值。主要关键技术方法包括：Kolmogorov-Arnold网络（KAN）作为核心分类器；邻域成分分析（NCA）进行输入特征分解降维；贝叶斯优化（Bayes）以高斯过程为代理模型进行超参数调优；概率校准（等渗回归与sigmoid校准对比，以Brier分数评价）；条件生成对抗网络（CGAN）进行数据增强生成合成测井样本；迁移学习利用源井组预训练知识提升目标井组泛化能力；并采用K折交叉验证、Tukey法异常值检测、[0,1]归一化等预处理，以准确率、F1分数、Cohen's kappa和AUC为性能指标。
研究结果方面，第一，数据来源与预处理：A、B、C三个井组经异常值检测后分别保留3067、460和334个样本，从A、B、C组分别选取500、160、160个样本组成测试集，各岩相类型比例完全一致。第二，输入分解：直接使用原始测井曲线时KAN最佳准确率仅41.52%，基于SHAP选取前六个显著测井曲线后准确率仅升至48.34%，表明原始测井输入训练难以获得满意岩相识别；引入NCA进行输入分解，与PCA对比，NCA变量在非线性和降低岩相分布重叠方面均优于PCA，故采用NCA输出六个变量。第三，参数优化：原始KAN对黑色页岩预测仍有近40%样本误判，引入贝叶斯优化后，在GA、PSO、SSA和Bayes四种优化器对比中Bayes和SSA表现突出但Bayes略优；在使用Bayes优化所有分类器的对比中，KAN取得最高分，NCA-Bayes-KAN成为最优混合估计器。第四，概率校准：对黑色、纹层状和珍珠岩型页岩的对比显示等渗校准优于sigmoid校准，校准单纯形图显示绝大多数概率箭头合理移向对应顶点，ROC对比表明校准后各岩相AUC提升，NCA-Bayes-KAN在两次对比中均胜出。第五，测试集预测：NCA-Bayes-KAN在准确率（90.90%）、F1分数（平均0.82）、Cohen's kappa（0.76）和AUC（0.97）各项指标上均取得最高分，始终优于所有对比模型。第六，输入显著性：SHAP分析显示N1影响最大、N2次之，相关分析表明N1至N6在很大程度上分别由GR、DEN、AT90、AC、SP和CNL表征；GR在分类中起主要作用，DEN可辅助深化岩相分类，SP、AC、AT90和CNL中值可有效辅助岩相识别。第七，泛化增强实验：B和C井组在三种方案下指标得分从第一方案到第三方案均递增，B组准确率由84.69%升至89.69%再升至92.19%，C组由81.88%升至86.88%再升至90.94%，表明CGAN数据增强明显改善分类性能，与迁移学习结合后可进一步增强；使用超过2000个合成样本的额外测试未观察到进一步改善，表明2000个CGAN生成样本对本数据集已足够。
讨论部分总结：所提测井驱动KAN分类器已被全面证实为页岩岩相识别的优越替代方案，相关实验揭示三方面认识。其一，页岩岩相识别通常依赖岩心观察、轻矿物分析、地球化学分析等综合解释，虽可靠但财务成本高，常规测井因低成本和广泛可得提供有吸引力的替代方案，但页岩矿物组成高频变化削弱常规测井判别能力，机器学习模型作为多类预测的成本有效方法被引入；尽管KAN在A井组初步评价中表现不理想，但其用于页岩岩相判别的可行性仍得到证明，提升其预测能力成为后续分析的关键目标。其二，输入分解、参数调优和概率校准被充分证实为进一步提升KAN分类能力的三个关键操作：NCA作为优先分解器但仅靠其变量仍不能显著提升KAN性能，贝叶斯优化使NCA-KAN获得更高质量预测，概率校准有效改善估计。其三，训练好的分类器在局部研究区内可取得满意性能，但迁移至另一研究区时预测能力常大幅下降，主要源于不同区块间概率密度分布不匹配；迁移学习可借助预训练估计器的可迁移知识增强目标区预测，但仅有迁移学习辅助时若训练样本较少预测仍不可接受；CGAN旨在条件限制下生成与期望样本相似的样本，适用于作为监督分类的岩相识别以扩展训练数据集；CGAN参与后KAN估计器指标得分更优，表明训练更多样本比单一应用预训练知识对泛化增强更重要；CGAN与迁移学习协作进一步提升估计器泛化性，第三方案的最高得分为此提供了有力证据，因此CGAN和迁移学习被充分证实为增强分类器泛化的两个关键因素，实际案例中优先推荐二者联合应用。
研究结论翻译：基于模型机制分析和对比实验，关于所提测井驱动KAN页岩岩相识别分类器可总结如下发现：（1）页岩岩相通常使用岩心观察和实验室分析识别，通常成本高耗时长，因此使用常规测井数据为岩相预测提供了实用替代方案；然而常规测井单独在区分具有复杂矿物组成的页岩岩相方面显示出有限能力，在此条件下引入KAN作为机器学习分类器以改进测井数据岩相识别。（2）直接使用常规测井曲线训练KAN未提供满意的分类性能，即使考虑基于SHAP的解释，这一结果表明模型训练前特征提取是必要的；在测试的特征提取方法中NCA表现更好，因为提取的变量改善了不同岩相簇的可分离性。（3）KAN的预测性能也受超参数设置影响，表明参数优化是模型构建中的重要步骤；基于几种优化策略的对比实验，贝叶斯优化为基于KAN的分类器提供了更好的参数配置，因此通过结合基于NCA的特征提取和贝叶斯超参数优化建立了NCA-Bayes-KAN框架。（4）对于多类岩相预测，KAN的概率输出可能不总能准确反映预测类别的置信水平，因此引入概率校准以提高预测概率的可靠性；对比结果表明等渗校准在本数据集中优于sigmoid校准，因此采用结合等渗校准的NCA-Bayes-KAN模型提供更可靠的岩相识别结果。（5）学习数据集的扩展和预学习知识的有效利用是可能影响机器学习分类器泛化能力的两个关键因素，因此本研究引入CGAN和迁移学习；基于本项目所涉及井和井区获得的验证结果，CGAN展现出生成合格合成测井样本的能力，迁移学习有助于有效利用预训练知识，因此建议结合这两种方法以提高所提分类器在研究井区内的泛化性能。所提框架展现出良好的页岩岩相分类能力，并在本研究所涉及的井和井区之间显示出可迁移性，这一改进得益于特征提取、超参数优化、概率校准、数据增强和迁移学习的集成；然而这种性能提升以增加工作流复杂性为代价，与更精简的分类器相比，所提框架需要额外预处理、多个依赖模块、更多超参数设置以及中间输出的仔细验证，可能增加实现和调试难度并降低直接部署性；因此所提框架应被视为针对所研究井和井区的性能导向解决方案，而非普遍简单的流程，其泛化能力目前仅在本项目数据集内得到验证，在扩展到更广泛页岩油勘探场景之前仍需使用更多井、更大数据集和不同地质背景进行进一步验证。
