使用XGBoost从常规测井数据预测矿物成分：跨独立地质盆地的验证

《Physics and Chemistry of the Earth, Parts A/B/C》：Mineral Composition Prediction from Conventional Well Logs Using XGBoost: Validation Across Independent Geological Basins

　　•XGBoost利用仅RHOB、NPHI和DTC测井数据预测七种矿物组分。
•模型在来自66个地层单元的607,971个样本上训练，并使用独立的盲测数据集进行验证。
•独立跨油田评估与反演所得组分对比，平均绝对误差MAE=0.009，均方根误差RMSE=0.021，R2=0.884，显示出向独立盆地迁移的良好潜力。
•工作流程区分四种黏土矿物：高岭石、蒙脱石、伊利石和绿泥石。
•低丰度矿物的预测精度有所降低，凸显了开展组分学习方法研究的必要性。

引言

地下地层表征在众多应用中至关重要，包括油气勘探、储层建模、碳捕集与封存（CCS）、矿产勘探、工程建设和环境科学。由于地质地层很少由单一矿物组成，估算矿物组分（如石英、方解石、白云石、黏土）可提升对地层性质的认识。矿物学非均质性还影响多孔介质中的孔隙结构、渗透率和流体流动行为，这凸显了可靠的矿物表征对于后续储层建模和水力分析的重要意义（Mohammadizadeh et al., 2021; Geng et al., 2025）。实验室矿物学分析通常依赖于岩心样品的X射线衍射（XRD），该方法可提供矿物组成的直接定量测量（Ali et al., 2022; Kadhim et al., 2024; Xiao et al., 2023）。此外，自然伽马能谱测井（SGR）作为推断矿物学特征的补充方法，特别适用于黏土矿物、总有机碳含量（TOC）和沉积环境分析（Al-Azazi et al., 2025; Al-Jafar & Al-Jaberi, 2022; Hussain et al., 2024; Kadhim et al., 2024; Muktadir et al., 2021）。然而，XRD和SGR测井数据的获取往往受到成本限制。此外，这些数据的常规解释受限于稀疏的深度覆盖。因此，矿物学解释可能存在偏差、不完整或产生误导性解释，从而可能削弱储层表征、流体流动模拟和地球化学风险评估的有效性。

鉴于这些局限性，可在大多数井中获取的常规测井数据可应用于全层段范围内的矿物学分析。例如，自然伽马（GR）测井可用于估算页岩和砂岩含量（Bondarenko & Кulyk, 2024; Dar et al., 2023; Yemets et al., 2021），但其响应并非对单一矿物具有唯一诊断意义，因为它取决于地层中存在的放射性元素，并可能随地质和环境条件而变化。中子孔隙度（NPHI）和密度（RHOB）测井用于识别岩性和孔隙度（Mannafi et al., 2024; Ningthoujam et al., 2024; Stadtm?ller & Jarzyna, 2023）。光电吸收因子（PEF）测井与岩石骨架性质相关，在与其他测井数据综合应用时有时可用于矿物识别（Gamal et al., 2022; Konaté et al., 2021; Ogiesoba & Palacios, 2024）。然而，尽管GR和PEF可提供额外的岩性信息，本研究未将其作为预测变量纳入，因为工作流程是基于模型开发和独立验证数据集中均可获得的最小且一致的常规测井组合（RHOB、NPHI和DTC）设计的。近期研究在矿物预测中使用了声波测井（Hu et al., 2023; Kim et al., 2020; Rahmati et al., 2024）。该测井已被证明与矿物学性质密切相关。

矿物组成识别方法最初由斯伦贝谢（Schlumberger, 1989）建立，其基础是对一组联立方程进行迭代反演。在该方法中，测井响应被用作变量，通过最小化理论测井响应与实测测井响应之间的差值来确定矿物组分，直至达到收敛。该方法类似于概率法，能够处理确定矿物组成时面临的不确定性情况，特别是在复杂地下地层中。与确定性方法相比，该方法不适用于油田尺度分析，因为在涉及多种矿物的矿物识别中适应性较差。

尽管迭代反演技术显著改善了利用测井数据估算矿物组分的精度，但它们仍依赖预定义的理论模型，并要求领域专家进行仔细标定，这可能耗时且计算成本高昂。机器学习的近期进展提供了一种互补的数据驱动方法，通过从代表性训练数据中学习实测测井响应与地下性质之间的非线性关系（Mandal et al., 2021; Martin et al., 2021; Mondal & Singh, 2022）。近期研究已展示了数据驱动方法在储层表征和岩石物理性质估算中的应用，利用测井、地震和空间信息的不同组合。例如，Leisi和Saberi（2023）整合测井与地震信息来估算岩性和岩石物理参数，而Leisi等人（2026）将神经网络预测与地质统计学建模相结合，从常规测井估算横波速度。这些研究阐明了与本研究相关的更广泛方法论概念，包括互补特征表示的使用、非线性学习以及整合超出单一测量范围信息的策略。这类方法论进展为将机器学习应用于结构化地下数据集提供了更广泛的背景，但并不意味着这些研究的地质背景或目标变量与矿物组分预测直接等同。

更具体而言，机器学习已日益广泛应用于基于测井数据的矿物和岩性预测。Wang等人（2024）应用岭回归（RR）、随机森林（RF）、梯度提升回归（GBR）、支持向量回归（SVR）和人工神经网络（ANN）从伊利诺伊盆地的常规测井和脉冲中子测井（PNL）数据预测矿物体积分数和孔隙度。Kim等人（2020）展示了深度神经网络（DNN）在坎宁盆地中利用常规测井和XRD信息进行矿物学预测的应用，而Hu等人（2023）利用ConvXGB框架和常规测井测量展示了矿物组分预测。这些研究证明了机器学习在矿物预测方面的潜力，同时也显示了预测变量选择、矿物类别、地质背景和验证策略方面的差异。

在机器学习算法中，XGBoost特别适用于常规测井等结构化表格数据集，因为基于树的集成方法能够捕捉数值预测变量之间的非线性关系和交互作用。与传统线性回归模型不同，XGBoost通过顺序构建决策树来修正先前树的残差误差，最终生成一个强模型（Amjad et al., 2022; Turska et al., 2021）。基准研究表明，基于树的模型在典型表格数据集上表现强劲，并可能在某些深度学习方法的计算和调参方面具有优势（Grinsztajn et al., 2022; Shwartz-Ziv & Armon, 2022）。这与测井解释相关，因为常规测井构成了一个结构化特征空间，其中测量值可能相关，且其与矿物学性质的关系可能是非线性的。因此，本研究选择XGBoost作为基于树的学习策略，用于将有限的一组常规测井响应映射到多个矿物组分目标。更广泛而言，数据驱动的储层表征研究表明，通过组合互补特征表示或学习策略可以增强预测性能。例如，Leisi和Saberi（2023）将地震属性与测井信息及人工神经网络相结合来估算岩性和其他岩石物理参数，而Leisi等人（2026）将神经网络预测与普通克里金法相结合，将空间连续性纳入横波速度估算。这些研究阐明了超越其特定地质案例研究的方法论概念，特别是互补信息整合、非线性特征学习和空间背景。

XGBoost是一种基于梯度提升的监督式机器学习方法（Kumar et al., 2022; Noorunnahar et al., 2023; Tarwidi et al., 2023）。本研究选择XGBoost算法，是因为它结合了高预测精度和计算效率，并在众多地球科学和储层表征应用中表现出强大性能。大量研究已证明XGBoost在储层表征、岩相分类、岩石物理性质预测、渗透率估算和矿物组成预测中的成功应用（例如，Hu et al., 2023; Wang et al., 2024; Balaguera et al., 2025; Isah et al., 2025）。除了地下应用外，近期机器学习研究强调了学习策略与输入数据结构相匹配的重要性。针对表格数据集的基准研究表明，XGBoost等基于树的集成模型在结构化数值数据上可能非常有效，并在模型调参和计算效率方面相比某些深度学习方法具有优势（Grinsztajn et al., 2022; Shwartz-Ziv & Armon, 2022）。这些发现与测井解释相关，因为常规测井构成了一个结构化的表格特征空间，其中单个测量值可能相关、异质，并受不规则非线性关系的影响。

XGBoost也已被应用于储层表征、岩相分类、岩石物理性质预测和矿物组成预测（Hu et al., 2023; Wang et al., 2024; Balaguera et al., 2025; Isah et al., 2025）。其提升框架顺序生成决策树以减小预测误差，从而在不要求测井响应与矿物组分之间存在显式函数关系的情况下，表示输入特征与目标变量之间的非线性关系（Chen & Guestrin, 2016）。然而，模型性能取决于超参数选择和训练数据的代表性；因此，系统性的调参和适当的验证对于评估超出训练观测数据的泛化能力是必要的。此外，基于树的结构可能使单个预测效应的物理解释不如传统线性回归那样直接，这促使在后续工作中使用特征重要性或可解释人工智能方法。

近期研究已展示了机器学习在测井矿物预测和更广泛储层表征方面的潜力；然而，现有工作流程在数据集、测井输入、预测矿物类别和验证策略方面存在显著差异。表1总结了代表性研究，并将本研究置于这些更广泛方法论发展之中。本研究并非仅将XGBoost作为先前应用于地质数据集的算法引入，而是将其作为基于树的学习策略，用于将一组紧凑的常规测井特征映射到多个矿物组分目标。该方法论框架将用于矿物组分估算的约束联立方程反演与非线性监督学习相结合，随后进行地层分组验证和独立盲测数据评估。这种整合使本研究工作流程区别于主要聚焦于单一属性预测、空间插值或储层质量评估的研究，同时融合了适当特征表示、非线性学习和稳健模型验证的可迁移原则。因此，本研究的贡献不仅在于使用XGBoost，而在于将常规矿物反演框架与数据驱动的非线性预测及独立验证相结合，从有限的常规测井组合中估算七种矿物组分。

此外，尽管已有关于利用测井数据进行矿物预测的机器学习方法的报道（Kim et al., 2020; Hu et al., 2023; Gavidia et al., 2023; Wang et al., 2024），但大多数研究聚焦于特定盆地的数据集，使用了更广泛的岩石物理测井组合，或将黏土矿物合并为单一类别。Hu等人（2023）证明了使用ConvXGB框架在霍恩河盆地中利用测井数据成功预测矿物组分的可行性。其工作流程包含了更广泛的测井组合，并在单一地质背景内进行了评估。相比之下，本研究有意将预测变量限制为RHOB、NPHI和DTC测井，以最大限度地提高在成熟油田中的适用性，因为这些油田可能缺乏元素俘获能谱（ECS）、核磁共振（NMR）或岩心XRD测量等先进测井数据。所提出的模型使用来自66个地层单元的数据进行训练，并使用来自不同盆地的独立盲测数据集进行评估，以考察模型的可迁移性。这使得能够通过来自不同盆地的独立盲测数据集评估模型稳健性，而非仅通过盆地内验证。独立验证旨在评估所学关系在训练数据所代表的地质背景之外是否仍然有用，而非在所有地质地层中建立普遍的可迁移性。

Kim等人（2020）的研究证明了所开发的DNN模型在坎宁盆地中结合常规测井和XRD结果预测矿物学的适用性，但将黏土视为单一成分。在本研究中，工作流程将黏土分为四种独立矿物，即高岭石、蒙脱石、伊利石和绿泥石，这将为CCS、采矿和地质力学研究等应用提供更详细的矿物学信息。黏土矿物具有独特的物理化学性质，可用于不同的应用场景（Damato et al., 2022; Krūmi?? et al., 2022; Nomicisio et al., 2023; Singh, 2022）。本研究应用XGBoost算法，并提出了以下整合方案：（i）仅包含RHOB、NPHI和DTC的最小常规测井组合，（ii）对七种矿物（包括四种独立黏土矿物）的预测，以及（iii）在独立盆地上进行验证以评估模型的可迁移性。这一组合方案在以往的矿物预测研究中尚未被系统性地报道。该框架评估了在数据受限环境中使用常规测井预测矿物组成的可行性，此类环境中可能缺乏先进的测井测量或大量岩心数据。随后，将所开发的XGBoost模型的预测结果与使用常规约束联立方程反演估算的矿物分数进行比较。所提出的工作流程并非取代既有的岩石物理解释技术，而是展示了机器学习方法如何通过从常用测井数据中快速提供矿物组成预测，来补充常规矿物估算方法。研究结果表明，在训练数据可用且具有代表性的前提下，该工作流程有潜力在实际地下应用中支持矿物学分析。

章节片段

地质背景

本研究使用了来自两个地质背景截然不同的数据集：来自挪威大陆架的Force数据集，主要位于北海的南维京地堑和北维京地堑；以及来自马来西亚登嘉楼近海马来盆地的独立X油田数据集。这种地质对比用于评估从构造复杂的北海裂谷层序中学习到的关系，是否在独立验证中仍适用于较年轻的新生代陆内盆地。

数据相关性分析——热图

图6显示了测井响应与估算矿物组成之间的相关性热图。总体而言，热图表明测井数据与几种矿物（特别是方解石、高岭石和绿泥石）之间的线性相关性相对较弱。此外，GR测井与其他测井测量值之间的相关性也相对较弱。这些弱相关性可能归因于这些矿物在数据集中的体积分数相对较低。

结论

本研究评估了一个XGBoost工作流程，用于再现通过约束联立方程反演从三种常规测井（体积密度RHOB、中子孔隙度NPHI和纵波声波时差DTC）估算出的七种矿物分数。反演得到的矿物分数被用作监督学习的目标变量。按地层分组交叉验证得到的宏平均MAE为0.0154 ± 0.0013，RMSE为0.0353 ± 0.0033，R2为0.875 ± 0.020。在一个独立的...

CRediT作者贡献声明

Azlinda Aziz：撰写——审阅与编辑，验证，监督。Muqri Syahmi Anas：撰写——初稿，可视化，验证，软件，项目管理，方法学，调查，正式分析，数据管理。Nur Shuhadah Japperi：撰写——审阅与编辑，验证，监督。Wan Zairani Wan Bakar：撰写——审阅与编辑，验证，监督，资源，方法学，调查，资金获取，概念化。

未引用参考文献

Akiwumi and Merounani, 2024; Al-Mansoori and Al-Marzouqi, 2025; Breiman, 2001; Chen et al., 2025; Da Silveira et al., 2024; Mansor et al., 2014; Zhang et al., 2024.

数据可用性

Force数据集可从其原始存储库公开获取。机构X油田数据集可向通讯作者提出合理请求后获取，但须遵守适用的保密和数据共享限制。衍生结果也可向通讯作者提出合理请求后提供，但须遵守相同限制。

写作过程中生成式AI和AI辅助技术的声明

在撰写本工作期间，作者使用了ChatGPT（OpenAI）来改善可读性和语言表达。作者已审阅并编辑了内容，并对出版内容承担全部责任。

利益冲突声明

? 作者声明，不存在任何已知的竞争经济利益或个人关系可能影响本报告所述工作。

致谢

本研究由基础研究资助计划（FRGS/1/2024/TK08/UITM/02/15）资助。

Wan Zairani Wan Bakar|Muqri Syahmi Anas|Nur Shuhadah Japperi|Azlinda Azizi