《Applied Computing and Geosciences》：A systematic analysis of machine learning methods for rock wettability prediction: Algorithm performance and computational considerations
编辑推荐：
岩石润湿性从根本上控制着多孔介质中的流体分布，并直接影响提高采收率（Enhanced Oil Recovery, EOR）应用。传统的实验室测量虽然精确，但耗时且空间分辨率有限，制约了全面的储层表征。研究人员提出了一种基于X射线荧光（X-ray Fluores
岩石润湿性从根本上控制着多孔介质中的流体分布，并直接影响提高采收率（Enhanced Oil Recovery, EOR）应用。传统的实验室测量虽然精确，但耗时且空间分辨率有限，制约了全面的储层表征。研究人员提出了一种基于X射线荧光（X-ray Fluorescence, XRF）元素数据的机器学习方法，用于快速预测润湿性，以满足储层分析中高效筛选方法的需求。研究人员系统评估了七种机器学习算法与四种预处理策略的组合，应用于来自61个岩石样品、涵盖不同岩性的243个数据点。最有效的方法采用极端梯度提升（Extreme Gradient Boosting, XGBoost）结合合成少数类过采样技术（Synthetic Minority Oversampling Technique, SMOTE），在留出测试数据上达到了96.7%的准确率。该模型在所有润湿性类别中均表现出稳健性能，正确识别了100%的强水湿样品、75%的中性润湿样品和90%的强油湿样品。学习曲线和功效分析确认了数据集的充分性，检测中等效应量的统计功效为0.87。特征重要性分析识别出铷、溴和砷作为润湿性类别的关键元素指标。SHAP（SHapley Additive exPlanations）分析揭示，较高的铷浓度与更强的水湿行为相关，这与铷的大离子半径改变矿物-流体界面表面静电学特性一致。这些发现与过渡金属通过氧化态变化影响表面化学的认知相符，同时揭示了微量元素在润湿性控制中此前未被认识的作用。
**论文解读：基于XRF元素数据的岩石润湿性机器学习预测系统分析**
**1. 研究背景与问题**
岩石润湿性（wettability）是指流体在岩石表面附着或铺展的倾向，它从根本上控制着多孔介质中流体的分布与运移，直接影响提高采收率（Enhanced Oil Recovery, EOR）、碳封存等应用。传统实验室测量方法（如接触角测量、自吸法）虽然精确，但耗时且空间分辨率有限，难以全面刻画储层非均质性。因此，亟需一种快速、高效的润湿性筛选方法。X射线荧光（X-ray Fluorescence, XRF）分析可快速、非破坏性地获取矿物元素组成，且能捕捉空间变化，为建立元素组成与润湿性之间的关联提供了可能。然而，将元素数据转化为可靠的润湿性预测面临诸多挑战：元素数据的高维性、特征相关性、类别不平衡（如某些润湿性类别样本稀少），以及不同预处理策略（如归一化、过采样、降维）对模型性能和计算效率的影响，均缺乏系统评估。以往研究虽采用机器学习预测润湿性，但鲜有系统比较多种算法与预处理组合，也未深入结合模型可解释性分析元素控制机制。为此，研究人员开展了本研究，旨在通过系统评估七种机器学习算法与四种预处理策略的28种组合，确定最优预测方案，并利用特征重要性分析与SHAP（SHapley Additive exPlanations）值揭示元素对润湿性的潜在控制机理。
**2. 研究方法概述**
研究人员制备了61个来自不同岩性（包括硅质碎屑-碳酸盐岩混合、砂岩、纯石英、泥岩、玄武岩等）的样品立方体（约25×25×5 mm），使用Bruker M4 TORNADO微区XRF系统（配备多毛细管光学元件，光斑约20 μm，铑靶源50 kV/600 μA）从每个样品采集≥5个随机位置的光谱，共获得243个数据点。润湿性通过座滴法（sessile droplet method）使用Attension Theta光学张力计（Biolin Scientific?）测量，样品先用高总酸值（Total Acid Number, TAN=0.42 mg KOH/g）原油在室温常压下老化72小时，以模拟储层条件。接触角测量在充满盐水的立方体塑料池中进行，以癸烷（99%纯度）作为润湿流体，测量三次取平均，按Sch?n（2015）标准分类为强水湿（0-70°）、中性润湿（70-110°）、强油湿（110-180°）。数据按样品立方体水平随机分为训练集（75%，46个立方体）和测试集（25%，15个立方体），防止数据泄漏。预处理策略包括：仅归一化（Recipe 1）、归一化+SMOTE过采样（Recipe 2）、归一化+主成分分析（Principal Component Analysis, PCA）降维（Recipe 3）、归一化+SMOTE+PCA（Recipe 4）。评估了七种算法：多项逻辑回归、随机森林、线性支持向量机、极端梯度提升（XGBoost）、装袋树、决策树、多层感知器。采用网格搜索进行超参数调优，以ROC-AUC（Receiver Operating Characteristic - Area Under Curve）为优化目标，使用Hand-Till AUC估计器处理多类别不平衡。最终在测试集上计算准确率、灵敏度、特异度、精确度、F值等指标。所有建模在R语言（4.1.1版）中完成，使用tidymodels等包。
**3. 研究结果**
**3.1 模型选择**
通过10折交叉验证比较28种组合的平均测试准确率，发现最优组合为XGBoost与SMOTE（Recipe 2），平均准确率0.9（标准误0.04），紧随其后的是仅归一化（Recipe 1）的MLP（0.896）和XGBoost（0.89）。总体而言，XGBoost、随机森林和MLP表现最佳，而SVM、朴素贝叶斯和决策树较差。SMOTE过采样对树集成模型（如XGBoost、随机森林）特别有效，使其进入前五名。仅归一化对于简单模型（如MLP）也足够。PCA与SMOTE+PCA仅在随机森林上表现较好。结果表明，SMOTE处理类别不平衡结合非线性集成模型（如XGBoost）是有效策略，且最小数据处理即可获得强性能。
**3.2 数据集规模验证**
学习曲线分析显示，当训练样本从50增至150时，ROC-AUC显著提升，之后增益趋于平缓，表明243个样本对于当前特征集是充分的。统计功效分析（Cramér's V效应量，3类分类）显示，243个样本在α=0.05下检测中等效应量（V=0.3）的功效为0.87，超过0.8常规阈值，确认数据集具有足够功效。但中间类别（仅19个原始样本）预测仍有改进空间，更大数据集可能有益。
**3.3 模型鲁棒性与SMOTE验证**
5折交叉验证（不同随机种子）显示XGBoost的ROC-AUC在0.91-0.96之间，表明对数据划分稳健。SMOTE验证通过比较Rb、Br、As三种关键元素的分布，确认合成样本与原始样本的均值差异<5%，标准差差异<10%，密度分布高度重叠，说明SMOTE未引入不真实的地球化学伪影。但SMOTE不能创造训练数据中不存在的新地球化学关系。
**3.4 特征重要性分析**
使用XGBoost变量重要性图、排列重要性以及SHAP值分析元素对预测的贡献。SHAP分析揭示铷（Rb）对润湿性预测影响最大，较高Rb浓度与更水湿行为相关，其大离子半径（1.52 ?）可能改变矿物-流体界面静电及水化壳结构。溴（Br）和砷（As）也作为关键元素出现，提示大原子半径的微量元素可能影响表面性质。过渡金属（V、Ni、Co）的突出与已知氧化态对表面化学的影响一致。模型对二价阳离子（Ca2?、Sr2?）与一价阳离子（Na?、K?）的敏感性符合二价离子促进水湿的认知（通过增强矿物-水粘附）。
**3.5 模型性能与讨论**
最终XGBoost+SMOTE模型在测试集上达到96.7%准确率，对强水湿样品灵敏度100%（95% CI: 94.2–100%），强油湿样品90%（95% CI: 82.1–97.9%），中性润湿样品75%。系统比较28种组合表明集成方法（XGBoost、随机森林）优于线性方法，提示元素组成与润湿性存在非线性关系。SMOTE有效处理类别不平衡。特征重要性排名在不同模型运行中可能不稳定，尽管准确率稳定（~96-97%），因此应将重要性分数视为近似指标而非确定性排序。Rb、Br、As的识别在多数运行中一致，但需谨慎解读。研究局限包括：样品为实验室制备（非实际储层岩心），测量在环境条件下进行（未模拟高温高压），老化时间仅72小时，SMOTE可能引入微小伪影，且未整合孔隙结构和粗糙度。未来方向包括温度控制研究、井下XRF集成、物理信息机器学习（如结合毛细管压力方程）以扩展到CO?/H?储存和EOR工作流。
**4. 结论总结**
研究人员评估了从元素浓度数据预测岩石润湿性的机器学习方法。XGBoost模型结合SMOTE预处理在测试数据上达到96.7%准确率，表明元素组成可作为润湿性评估的有效代理。特征重要性分析识别出铷、溴、砷为潜在影响元素，但排名稳定性需进一步研究。元素组成可提供比传统接触角测量更快速、成本效益更高的筛选方法，XRF分析的计算效率和非破坏性可扩展岩心分析中的润湿性表征。该方法有望将润湿性评估时间从数天缩短至数分钟，并可能集成到井下元素测井工具中，但需广泛验证。该方法应视为传统润湿性测量技术的补充，其有效性限于所研究的特定岩性和条件。尽管如此，研究展示了机器学习在识别元素控制润湿性方面的潜力，为未来研究奠定基础，并揭示了地球化学数据中此前未被认识的关系。
