一种面向咸化湖相页岩小样本总有机碳（Total Organic Carbon, TOC）预测的混合深度学习（Deep Learning）方法

《Energies》：A Hybrid Deep Learning Approach for Small-Sample TOC Prediction in Saline Lacustrine Shale

　　

总有机碳（Total Organic Carbon, TOC）是地质甜点优化与资源评价的关键参数。然而，在传统物理方法与机器学习方法常受限于标注数据不足的情况下，小样本条件下的精确TOC预测仍具挑战。针对此问题，研究人员提出一种集成卷积自编码器（Convolutional Autoencoder, CAE）与BP神经网络（Back Propagation Neural Network, BPNN）的混合深度学习框架（CAE-BPNN）。在该框架中，研究人员首先利用CAE从丰富的无标注测井数据中学习代表性特征表达，随后将习得的编码器迁移至监督预测阶段，通过BPNN利用标注样本进行TOC预测。数据集包含玛湖凹陷MY1井风城组页岩的177个实测TOC样本与1388个无标注测井样本，MY2井数据用于独立验证。研究人员采用五折交叉验证评估模型性能，以决定系数（coefficient of determination, R2）与均方根误差（root mean square error, RMSE）作为度量指标。对于MY1井，CAE-BPNN取得最优性能，R2 = 0.89，RMSE = 0.061，优于CNN（R2 = 0.85，RMSE = 0.075）、GBDT（R2 = 0.83，RMSE = 0.076）、RF（R2 = 0.81，RMSE = 0.082）及BPNN（R2 = 0.77，RMSE = 0.085）。在MY2井的独立验证中，CAE-BPNN亦展现优越预测性能，R2 = 0.81，RMSE = 0.367。结果表明，在标注样本有限的条件下，无标注测井数据可有效增强特征表征并提升TOC预测精度。该方法为小样本TOC预测提供了有效方案，为利用含油饱和度指数（oil saturation index, OSI）评估可动油及预测S1、S2、孔隙度等其他地质参数提供了可靠依据。

该研究发表于《Energies》。研究背景在于全球页岩油勘探开发成为热点，中国主要发育陆相湖盆页岩油，其薄互层频繁、非均质性强且有机质富集模式复杂，给地质甜点评价带来挑战。总有机碳（Total Organic Carbon, TOC）是微运移评价与有效烃源岩识别的关键有机地化指标，但TOC实验室测定耗时费资，连续剖面数据获取困难且岩心样本量少，难以满足大数据需求。传统ΔlogR及其改进法依赖参数选取与单一曲线，非线性处理不足；常规数据驱动方法如随机森林（Random Forest, RF）、梯度提升决策树（Gradient Boosting Decision Tree, GBDT）、BP神经网络（Back Propagation Neural Network, BPNN）、卷积神经网络（Convolutional Neural Network, CNN）等高度依赖标注数据量与质量，在小样本及新区推广时泛化能力不足。为此，研究人员开展本研究以解决小样本TOC预测中模型泛化与精度不足的问题。

研究人员采用的主要关键技术方法如下：研究数据源自玛湖凹陷MY1井风城组（Fengcheng Formation, P₁f）的177个含实测TOC标注样本与1388个无标注测井样本，并以MY2井作独立验证；特征选取伽马（Gamma Ray, GR）、声波时差（Acoustic Transit Time, AC）、中子孔隙度（Neutron Porosity, CNL）、体积密度（Bulk Density, DEN）四类测井曲线并经深度校正与标准化；构建两阶段端到端混合框架，无监督阶段用卷积自编码器（Convolutional Autoencoder, CAE）基于无标注数据预训练提取潜空间特征，监督阶段将预训练编码器迁移至BPNN进行微调预测，并引入残差分支（residual branch）增强表征，训练采用AdamW优化器、余弦退火调度及早停机制，评估采用五折交叉验证与R²、RMSE指标，对比模型包括CNN、GBDT、RF、BPNN。

研究结果部分阐述如下：

4.1. Geochemical Characteristics

研究人员对177个样品的地化特征分析表明，TOC介于0.28%至1.16%（均值0.61%），生烃潜力（hydrocarbon generation potential, PG）介于0.70至9.71 mg/g（均值2.46 mg/g），呈正相关，多数P₁f页岩为良好烃源岩；干酪根类型以I₁型为主（T_max均值437.86 °C，氢指数（Hydrogen Index, HI）均值281.50 mg/g）具强生油潜力；镜质体反射率（vitrinite reflectance, R_o）介于0.71%至0.89%（均值0.80%），T_max范围414.5至451.11 °C，风城组页岩处于成熟阶段。

4.2. Different Models’ Performance

4.2.1. BP Neural Network Model Performance

BPNN在MY1井表现最弱，R²为0.77，RMSE为0.085，易陷入局部最优与过拟合。

4.2.2. Random Forest Model Performance

RF模型R²为0.81，RMSE为0.082，略优于BPNN但在高维小样本不均数据下仍受限。

4.2.3. Gradient Boosting Decision Tree Model Performance

GBDT模型R²为0.83，RMSE为0.076，优于BPNN与RF，略低于CNN。

4.2.4. Convolutional Neural Network Model Performance

CNN表现较好，R²为0.85，RMSE约0.075，优于前述传统机器学习与全连接网络，但仍受小样本回归制约。

4.2.5. Convolutional Autoencoder-BP Neural Network Model Performance

CAE-BPNN取得最佳性能，R²为0.89，RMSE为0.061，通过CAE从无标注数据降维去噪提取深层特征，显著提升预测精度与薄互层峰值保真度，避免过平滑。

4.3. Validation of the Generalization Ability of the Model

在MY2井独立验证中，CAE-BPNN仍最优（R² = 0.81，RMSE = 0.367），优于CNN（0.76，0.432）、GBDT（0.76，0.423）、RF（0.77，0.405）、BPNN（0.69，0.516），证明其在横向非均质性下具初步泛化能力。

4.4. Movability Evaluation of Shale Oil

基于CAE-BPNN高精度TOC预测，研究人员计算含油饱和度指数（oil saturation index, OSI）（均值110.57 mg/g，超半样本>100 mg/g）评估可动性，低TOC区间对应高OSI；结合排烃潜力（ΔQ）分析（均值188.49 mg/g），高TOC低OSI多为排烃段，低TOC高OSI多为充注段，低TOC层系为优势烃类受体具良好可动性。

4.5. Additional Robustness Checks and Methodological Limitations

研究人员指出小样本下指标差异属经验性提升非形式统计显著，未来需重复交叉或Bootstrap；无标注数据贡献依赖地质代表性而非固定比例；模型可解释性受限需引入SHAP与潜空间可视化；输入仅四常规曲线限制表征，未来需融合多源信息。

讨论部分总结：研究人员指出该研究将咸化湖盆陆相页岩油TOC预测定为小样本回归问题，CAE-BPNN耦合无监督预训练与有监督微调在MY1与MY2均最优，但因仅一额外井验证泛化属初步结论。传统ΔlogR依赖基线选取与局部岩石物理假设，在强非均质薄互层存不确定性，而CAE-BPNN不依赖单一电阻-孔隙度分离或人工基线，集成多曲线并利用无标注数据学非线性表征。其优势源于混合策略（利用1388无标注学内在分布再迁移微调降标注依赖）与端到端结构（联合学习使特征提取不与TOC目标完全分离，高效利用有限监督）。相比数据增强，无监督预训练更直接挖掘无标注潜在结构，选用CAE因卷积可保局部垂向响应与瓶颈紧凑表征适于回归。预测TOC剖面支持页岩油可动性评价与甜点识别。局限在于独立验证井少、输入曲线少（CAE作用限于去噪与非线性组合初始化而非提取极复杂高维特征）、未分析重构质量与潜特征可视化、无标注有效最小量非固定值、未来可用变分自编码器（Variational Autoencoders, VAE）做不确定性量化，框架可扩展预测S1、S2、T_max、孔隙度等多目标。

结论部分翻译：(1) CAE-BPNN在P₁f取得最高TOC预测精度（R²为0.89，RMSE为0.061），通过CAE利用无标注测井学表达特征，在小样本下优于GBDT、RF、CNN、BPNN。(2) 精确TOC预测与验证的泛化为页岩油可动性评价提供实用依据，TOC驱动的OSI评估佐证玛湖凹陷低TOC高可动模式，微运移分析量化支持有利层段识别。(3) CAE-BPNN具良好扩展性可用于S1、S2、T_max等甜点评价参数预测，未来将深化甜点模型研究并赋予一定地质解释性。