哈西梅萨乌德油田地下水碳酸盐结垢趋势的人工智能建模:线性方法与非线性方法

《Journal of African Earth Sciences》:Artificial-intelligence modeling of carbonate scaling tendency in Hassi Messaoud oilfield groundwater: linear versus nonlinear approaches

【字体: 大 中 小 】 时间:2026年06月17日 来源:Journal of African Earth Sciences 2.2

编辑推荐:

  布哈姆拉·穆萨|阿尔巴乌伊·梅德·阿里|图阿赫里·阿卜杜勒贾贝尔|马赫布布·穆罕默德·阿卜杜勒巴塞特 阿尔及利亚瓦尔格拉省卡斯迪梅尔巴大学碳氢化合物、可再生能源与地球宇宙科学学院撒哈拉地质实验室 摘要 碳酸钙结垢是地下水驱动的油田系统中的一个重要运营问题。本研究旨在评估是否可以通

  布哈姆拉·穆萨|阿尔巴乌伊·梅德·阿里|图阿赫里·阿卜杜勒贾贝尔|马赫布布·穆罕默德·阿卜杜勒巴塞特 阿尔及利亚瓦尔格拉省卡斯迪梅尔巴大学碳氢化合物、可再生能源与地球宇宙科学学院撒哈拉地质实验室 摘要 碳酸钙结垢是地下水驱动的油田系统中的一个重要运营问题。本研究旨在评估是否可以通过阿尔及利亚哈西梅萨乌德的地下水部分水化学参数来估算计算得到的朗格利尔饱和度指数,以及非线性人工智能模型是否比常规线性模型更具优势。研究使用了2024年采集的326份地下水样本,根据pH值、总溶解固体、Mg2+、Cl-、浊度以及总有机碳等参数来构建计算朗格利尔饱和度指数模型。研究采用了岭回归、随机森林、梯度提升、XGBoost以及前馈神经网络等多种模型,并通过时间顺序的训练-验证-测试划分、SHAP解释方法、统计误差比较、基于种子的稳健性测试以及额外的超参数调整稳健性分析来评估这些模型。在主要的预设模型配置下,岭回归取得了最佳的测试性能,其R2值为0.9634,RMSE为0.0600,MAE为0.0474。在非线性模型中,随机森林的测试R2值最高,RMSE最低,分别为0.9162、0.0908和0.0738。进一步的调整分析也得出了相同的结论,即经过调整的岭回归仍是表现最好的模型。敏感性分析表明,pH值是起主导作用的控制因素,而总溶解固体则提供次要的预测信息。这些研究结果表明,即便使用较少的水化学参数,也能可靠地估算出未知时间序列测试子集中的朗格利尔饱和度指数,这为基于朗格利尔饱和度指数的地下水初步筛选提供了依据。不过,要更广泛地应用这一方法,还需要在哈西梅萨乌德以外的独立地下水数据集上进行验证。 引言 碳酸钙沉积是地下水驱动的工业系统中长期存在的运营难题,因为它会引发矿物结垢、限制水流、加速设备污染并增加维护成本。在油田环境中,由于产出水或辅助用水处于复杂的化学动态条件下,因此评估碳酸钙结垢倾向不仅关乎水质问题,还关系到工艺连续性和资产保护。在碳酸盐地球化学领域,朗格利尔饱和度指数一直是用于判断水体相对于碳酸钙是欠饱和还是过饱和的最常用指标之一。该指标在饮用水系统、处理厂以及地下水稳定化研究中的持续应用表明它具有实际价值,但这些研究也指出,它的优势在于结构化的水化学解读,而非普遍的预测准确性。因此,传统研究将朗格利尔饱和度指数视为一种实用的碳酸盐稳定性指标,但同时也未明确它在更复杂的运营系统中能否可靠地用于预测。当比较实际应用研究与批判性研究时,这种不确定性更为明显。一方面,如哈萨尼等人(2021年)、邦姆等人(2015年)以及梅斯基塔和凯尔纳(2015年)的研究表明,朗格利尔饱和度指数有助于诊断具有侵蚀性或不稳定的水体,还能为实际系统的稳定化策略提供指导。另一方面,奥扎伊尔(2012年)和帕拉佐等人(2015年)则提醒说,如果单独使用基于碳酸钙的饱和度指数,尤其是在水化学情况复杂或实际腐蚀性不符合平衡状态预期时,可能会产生误解。这两组研究形成了鲜明对比:前者证实朗格利尔饱和度指数在实践中仍然具有重要作用,而后者则表明,随着水化学复杂性的增加,其可靠性会下降。对于油田地下水系统而言,这意味着不能仅仅依靠指数计算来评估碳酸钙结垢情况,而需要一种既能保留地球化学意义又能应对更复杂化学环境的预测框架。另有研究指出,朗格利尔饱和度指数受到少数关键水化学变量的强烈影响,尤其是pH值、总溶解固体、碱度、钙硬度以及温度。汗等人(2016年)发现,对pH值敏感的初始朗格利尔饱和度指数值会影响废水软化处理的效果;而扎雷·阿比亚内等人(2011年)则证明,可以利用与朗格利尔饱和度指数相关的变量,通过自适应神经模糊框架来模拟地下水的腐蚀性。同样,邦姆等人(2015年)报告称,pH值和温度的季节性变化会显著影响处理厂中朗格利尔饱和度指数的表现。总溶解固体也呈现出类似的趋势。皮西根和辛格利(1984年)发现,在多变量腐蚀模型中,即使仅依靠朗格利尔饱和度指数不够,总溶解固体也能提供重要信息。埃尔南德斯-苏亚雷斯和莱昂(2021年)的近期研究进一步表明,矿物质含量描述符也可用于间接估算朗格利尔饱和度指数。综合来看,这些研究都表明pH值和总溶解固体并非次要变量,而是起主导作用的水化学控制因素,这为在部分公式引导的预测框架中保留这些变量提供了依据。与此同时,现有研究越来越认为,传统的碳酸盐稳定性变量并不总能完整反映沉积物形成的全部水化学背景。关于总有机碳、处理水特性以及油田结垢过程的研究,并没有将总有机碳、浊度、Mg2+或Cl-视为朗格利尔饱和度指数的直接输入参数,但它们表明,这类变量仍可能传递有关水成分、污染环境或沉淀行为的化学相关信息。例如,科斯塔等人(2000年)和柯林斯等人(2024年)将有机碳视为衡量水质和处理效果的重要指标;而梅洛等人(2008年)以及阿尔·纳赛尔等人(2016年)则表明,实际系统中的结垢行为取决于比单一平衡指数所能代表的更广泛的物理化学条件。在油田环境中,由于碳酸钙沉积是在多种化学和操作因素的共同作用下形成的,因此这些次要描述符的价值并非取代朗格利尔饱和度指数的化学原理,而是作为补充变量,用来描述碳酸盐结垢趋势形成的更广泛水化学和水质背景。这对于哈西梅萨乌德地区尤为重要,因为那里的地下水结垢管理必须在水化学精确性与操作实用性之间找到平衡。 最近的地下水质量建模研究也进一步支持了这种平衡方法的必要性。托雷斯-马丁内斯等人(2024年)指出,机器学习在地下水质量预测中的作用日益凸显,但他们的综述也揭示了重要的方法学缺陷:83%的研究忽略了关键的预处理步骤,65%的研究只关注模型优化,仅有15%的研究提供了模型结果的可解释性。这一发现对于朗格利尔饱和度指数预测尤为重要,因为如果模型只是为了提高统计精度,而无法为水化学决策提供支持,那么这样的精度就毫无意义。维贾亚库马尔和马泰(2025年)也强调,数据异质性以及模型泛化能力有限,仍然是将地下水质量模型应用于不同场景时的主要障碍;萨克塞纳(2024年)和拉尔等人(2023年)同样指出,在可持续的地下水管理中,需要严格的方法论、跨学科的知识基础以及可靠的模型解释能力。艾哈迈德等人(2025年)进一步证明,将水文地质数据与机器学习算法相结合,可以提高水质指标的预测精度,这进一步强调了将与领域相关的水化学信息与数据驱动的建模方法相结合的重要性,而非仅仅依赖纯粹的统计特征选择。来自干旱地区以及受工业活动影响地区的证据也凸显了采用综合计算方法进行复杂水质评估的重要性。尽管这些研究并未直接针对朗格利尔饱和度指数,但塔瓦比尼等人(2022年)表明,人工智能模型,尤其是人工神经网络和支持向量回归,能够准确预测受工业活动影响的表土中的重金属浓度,这体现了机器学习在模拟人为压力下的污染模式方面的能力。此外,贝纳菲等人(2023年)利用K均值聚类和主成分分析方法,研究了受海水入侵和地下水过度开采影响的多层含水层中的盐碱化问题,他们发现钠吸附比等水化学指标对于监测水资源安全风险具有重要意义。综合来看,这些研究表明,在受工业活动和水化学压力影响的干旱地区,要实现可靠的环境预测,就需要能够处理多种相互作用描述符的模型。对于本研究而言,这就意味着可以将一些次要的地下水变量纳入考虑范围,它们并非替代碳酸盐平衡化学原理,而是作为描述结垢现象发生的更广泛水化学环境的潜在有用指标。 最近的机器学习研究证实,朗格利尔饱和度指数可以高精度地被预测出来,但同时也暴露出该领域存在的方法学空白。维斯科维奇等人(2026年)发现,当拥有相对完整的地下水化学数据集时,机器学习模型的表现非常好,其中pH值、碱度和钙是主要的预测因子。相比之下,萨伊迪尼亚等人(2026年)则表明,即使仅使用pH值、电导率和温度这些少量参数,仍然可以实现实用的实时预测。这两项研究相辅相成,但却遗漏了一个尚未得到充分探索的重要中间环节:目前还没有研究在常规监测条件下,刻意将选定的与朗格利尔饱和度指数相关的直接变量与Mg2+、Cl-、浊度以及总有机碳等次要水化学描述符结合起来,以评估它们所带来的非线性预测效应。对于哈西梅萨乌德这样的油田地下水系统而言,尚未解决的问题并非是否可以通过完整的化学数据来分析或预测朗格利尔饱和度指数,而是能否在基于部分公式但信息不完整的水化学特征空间中,依然能够以可靠的方式预测该指数,同时保证方法的实用性。目前还没有研究直接测试这种将选定的朗格利尔饱和度指数相关直接变量与次要水化学描述符结合起来的配置,以此评估它们带来的额外非线性预测贡献,而这正是本研究要解决的核心问题。在干旱的油田环境中,地下水结垢控制是一项紧迫的运营任务,此时预测工具既需要具备科学可信性,又需要便于实际应用,因此这种中间配置显得尤为重要。 正是基于上述背景,本研究开发了一种机器学习框架,旨在利用部分常规的地下水测量数据来预测计算得到的朗格利尔饱和度指数,同时研究非方程式水化学变量所带来的额外预测价值,以及线性模型与非线性模型的性能差异。通过将选定的朗格利尔饱和度指数相关直接变量与次要水化学描述符相结合,本研究提出了一种基于部分公式且经过水化学增强的策略,用于哈西梅萨乌德地下水系统中计算朗格利尔饱和度指数,同时还提供了基于Gradio的界面,以便应用训练好的模型。要将这一方法推广到哈西梅萨乌德以外的地区,还需要使用独立的地下水数据集进行外部验证。 数据收集与描述 本研究的目的是开发一种机器学习框架,利用部分常规的地下水质量测量数据来预测计算得到的朗格利尔饱和度指数,研究非方程式水化学变量对朗格利尔饱和度指数预测的贡献,同时开发一个基于Gradio的界面,以便应用训练好的哈西梅萨乌德模型来估算朗格利尔饱和度指数。该应用的目的并非在没有外部验证的情况下,就宣称其可在哈西梅萨乌德以外地区通用。 研究结果 本研究为哈西梅萨乌德地下水系统中的朗格利尔饱和度指数预测所开发的机器学习框架的主要定量研究成果,体现在数据集的描述性统计特征(表1和表2)、所选取水化学变量的相关性结构(图1)、各评估模型的性能比较(表4;图3)、实测值与预测值之间的吻合程度(图4),以及基于SHAP方法的预测因子重要性排序等方面。 讨论 哈西梅萨乌德的地下水数据集涵盖了用于评估碳酸钙结垢倾向的广泛且具有实际意义的各类条件。如表1和表2所示,所采集的水样中,总溶解固体含量在1.320–2.895 g/L之间,钙离子含量在0.160–0.529 g/L之间,碳酸氢根离子含量在0.052–0.218 g/L之间,镁离子含量在0.047–0.131 g/L之间,氯离子含量在0.390–0.879 g/L之间,硫酸根离子含量在0.460–1.303 g/L之间,而pH值则在5.320到8.310之间。由此计算得到的朗格利尔饱和度指数范围为-1.827至... 结论 本研究表明,作为碳酸钙结垢倾向指标的计算得到的朗格利尔饱和度指数,可以通过哈西梅萨乌德油田地区地下水中的部分水化学参数高可靠性地被估算出来。通过采用经过时间验证的机器学习框架,研究证明,即使使用数量较少但具有水化学意义的预测因子——包括pH值、总溶解固体、Mg2+、Cl-、浊度以及总有机碳——也足以实现准确的朗格利尔饱和度指数估算。 软件与应用可用性 用于计算和比较朗格利尔饱和度指数值的交互式网页应用已公开发布,读者可通过https://huggingface.co/spaces/moussa360/LSIHMD访问。 在线资源 在线资源1:补充方法、完整的模型超参数设置、神经网络架构、基于种子的稳健性分析、推断统计学方法以及更多的实现细节 CRediT作者贡献说明 图阿赫里·阿卜杜勒贾贝尔:研究工作。马赫布布·穆罕默德·阿卜杜勒巴塞特:资金筹集。布哈姆拉·穆萨:方法设计、研究工作、资金筹集、正式分析、数据整理、概念构建。阿尔巴乌伊·梅德·阿里:方法设计、正式分析。 未引用参考文献 法国标准化协会,2000年;贝纳菲等人,2023年;国际标准化组织,1984年;国际标准化组织,1994年。 数据可用性 本研究期间生成和/或分析的数据集,可应合理请求从相应作者处获取。 利益冲突 作者声明没有利益冲突。 资金支持 本研究未获得任何外部资金支持。 利益冲突声明 ? 作者声明没有已知的财务利益冲突或可能影响本文研究结果的个人关系。 致谢 我们衷心感谢ABBACI Boussad先生以及SONATRACH公司的所有成员(阿尔及利亚的Houad Berkaoui),还有能源与矿业部的AOUNALLAH Maroua女士在数据收集过程中给予的帮助。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号