《Petroleum Science》:A data augmentation method for lacustrine shale lithofacies classification based on a conditional diffusion probabilistic model: A case study from the Dongying Depression, Bohai Bay Basin, China
编辑推荐:
准确识别岩相对于页岩油气勘探与开发至关重要。尽管机器学习(ML)是预测页岩岩相最有效的方法之一,但固有的地质非均质性导致训练样本稀缺且类别分布严重不平衡,使得传统ML方法出现过拟合和精度下降。为解决这一问题,研究人员引入条件扩散概率模型(CDPM)来应对这些挑
准确识别岩相对于页岩油气勘探与开发至关重要。尽管机器学习(ML)是预测页岩岩相最有效的方法之一,但固有的地质非均质性导致训练样本稀缺且类别分布严重不平衡,使得传统ML方法出现过拟合和精度下降。为解决这一问题,研究人员引入条件扩散概率模型(CDPM)来应对这些挑战,并开发了一套用于页岩岩相预测的综合数据增强框架。将该框架应用于东营凹陷沙河街组上四段(Es4s),研究人员成功利用NY1井的926个岩心标定样本和八条常规测井曲线生成了3,600个类平衡增强样本,稀有富有机质页理状钙质泥岩(L1)岩相增加了878.3%。为确保增强数据的可靠性,研究人员进行了全面的质量评估,结果表明增强数据有效保留了测井特征和岩石物理关系,弗雷歇起始距离(FID)为22.9,最大均值差异(MMD)为0.078。在此高质量增强数据集基础上,研究人员评估了数据增强对随机森林(RF)、支持向量机(SVM)和梯度提升决策树(GBDT)算法岩相分类性能的影响。结果显示显著提升,平均准确率和F1分数分别提高13.6%和16.5%,L1召回率提高33.1%。为进一步验证该方法的实际适用性,研究人员在不同构造位置的独立井上进行了盲井验证,展现出鲁棒的泛化能力,相较于传统ML方法取得显著改进。本研究开创性地将条件扩散模型应用于页岩岩相预测,为表征湖相页岩油储层和预测甜点区提供了新框架。
**基于条件扩散概率模型的湖相页岩岩相分类数据增强方法:研究解读**
**一、研究背景与问题**
页岩岩相是非常规油气资源的重要储集载体,直接控制着储层物性与开发潜力。然而,页岩岩相在矿物组成和空间分布上均表现出显著复杂性,受古气候波动、氧化还原条件变化、盐度波动及陆源输入等多重地质过程控制。这种复杂性掩盖了特征性测井响应,并在岩相数据集中造成显著的类别不平衡,从而限制了预测精度。尽管机器学习(ML)方法已在页岩岩相分类中得到广泛应用,如随机森林(RF)、支持向量机(SVM)和梯度提升决策树(GBDT)等算法在捕捉测井响应与岩相类型间的复杂非线性关系方面展现出一定效果,但这些判别式模型本质上依赖于从现有标注样本中学习决策边界,而非理解底层数据生成机制。获取高质量标注岩相数据集面临两大根本性挑战:一是取心钻探和实验室分析的高昂成本严重制约了样本获取;二是岩相分布的自然非均质性造成极端类别不平衡,优势岩相数量往往是次要岩相的数倍以上。传统解决方法如过采样、欠采样和合成少数类过采样技术(SMOTE)在高维非线性测井数据上效果有限,而生成对抗网络(GANs)在训练不稳定和模式坍塌等问题。扩散概率模型作为一种新兴生成框架,凭借其训练稳定性、样本多样性和条件控制能力,为解决上述问题提供了新途径。
**二、研究方法概述**
研究人员开发了一套基于条件扩散概率模型(CDPM)的数据增强框架,并从中国渤海湾盆地东营凹陷沙河街组上四段(Es4s)的NY1井获取926个岩心标定样本和八条常规测井曲线作为训练数据,同时引入不同构造位置的N55-X1井和NY1-6HF井作为独立验证数据集。核心技术方法包括:构建条件扩散网络,该网络由特征编码器、时间嵌入模块和岩相条件控制模块三部分组成,通过前向扩散过程将原始测井数据逐步转化为高斯噪声,再通过逆向重构过程在岩相条件标签引导下生成高保真增强样本;采用多维评估框架,运用核密度估计(KDE)、主成分分析(PCA)、t分布随机邻域嵌入(t-SNE)以及弗雷歇起始距离(FID)和最大均值差异(MMD)等定量指标综合评估增强数据质量;选用RF、SVM和GBDT三种主流ML算法进行性能验证,并通过五折交叉验证和盲井验证评估模型泛化能力。
**三、研究结果**
**1.CDPM训练过程与增强数据特征:** 研究人员通过系统训练框架使模型在300个epoch后收敛,训练损失降至0.023,验证损失稳定在0.026,二者差距小于0.003,表明模型未出现过拟合。增强数据成功将原始926个样本扩展至3,600个,实现完全类别平衡,其中稀有L1岩相增加878.3%,优势L3岩相仅增加153.5%。增强数据保留了各岩相的测井响应特征和曲线间物理相关性,如补偿中子测井(CNL)与密度测井(DEN)的负相关性。
**2.多维分布分析:** PCA和t-SNE降维分析显示,增强数据在保持原始空间拓扑结构的同时实现了平衡的样本密度。FID平均值为22.9,MMD为0.078,类内/类间方差比从L1的0.5到L2的0.2不等,证实增强数据在改善类别平衡的同时保持了地质保真度。
**3.分类性能评估:** 三种ML算法在增强数据集上的性能均显著提升,平均准确率和F1分数分别提高13.6%和16.5%。RF模型表现最优,准确率达到88.8%。增强数据有效纠正了分类偏差,RF模型在原始数据上的精确率与召回率差距从10.6个百分点降至0.7个百分点。
**4.特定岩相质量评估:** 稀有L1岩相获得最大性能提升,F1分数从58.8%提高至86.4%,召回率提高33.1个百分点。混淆矩阵分析显示,L1岩相误分类率从47.4%显著降至14.3%,同时保留了与L2岩相的地质相似性特征。
**5.盲井验证:** 在N55-X1井上,基于增强数据训练的RF模型(CDPM-RF)平均准确率达79.7%,较传统MRGC方法提高10.2个百分点;在NY1-6HF井上成功识别了经济关键的L1岩相,验证了方法的跨构造位置泛化能力。
**四、讨论与结论**
参数敏感性分析揭示了扩散步数和增强样本数量的"加速-饱和"效应。扩散步数从500增至1000时,FID分数降低33.5%,准确率提高9.9个百分点;但继续增至1500步仅带来边际改善。增强样本从300增至900时,准确率提高10.6个百分点,而进一步增加效果有限。log变换后的扩散步数与准确率和F1分数呈近似线性关系(R2分别为0.94和0.93),为最优参数选择提供了理论指导。研究还指出,单盆地训练数据的模型跨盆地迁移能力受地质代表性限制,未来需在更多不同水化学和沉积特征的中国湖相盆地中进行系统验证。
本研究首次将CDPM应用于湖相页岩岩相分类,建立了系统的数据增强框架,有效解决了地质数据集中的小样本和类别不平衡问题。增强后L1岩相F1分数从58.8%提高至86.4%,盲井验证准确率较传统方法提升10.2个百分点。该研究为页岩油气勘探和储层表征提供了实用工具,拓展了扩散模型在地球科学中的应用前景,并为构建更泛化的数据增强框架奠定了基础。