一种用于油源对比的高精度无监督学习方法：来自中国渤海湾盆地博忠凹陷的启示

《Journal of Asian Earth Sciences》：A high-accuracy unsupervised learning method for oil–source correlation: insights from the Bozhong depression, Bohai Bay Basin, China

　　•KPCA能够处理非线性生物标志物数据，从而更合理、准确地实现多源石油的关联分析。•两种石油类型与三种源岩存在关联，由此可确定三种多源关系。•在两个斜坡带中，沙河街组Mbrs 3是浅层新近纪石油的主要来源；而Mbrs 1对深层古近纪石油的贡献则大于Mbrs 3。

引言
在石油勘探中，准确理解石油与源岩之间的关系对于重建烃类迁移路径以及指导井位选择和储层规划具有至关重要的意义（Su等人，2022）。渤海湾盆地中最大的次级盆地——渤海中坳陷拥有丰富的烃类资源，至今仍是石油和天然气勘探的重要区域（Xue和Wang，2020；Yu等人，2020；Zhou等人，2022）。因此，明确该地区烃类的起源对于确定最佳勘探目标至关重要。

早期的勘探主要集中在常规埋藏丘、中深部古近纪储层以及隆起带和斜坡带的浅层储层上（Chen等人，2021b；Hao等人，2009c；Wang等人，2021；Wang等人，2017；Xu等人，2019）。当时的烃类迁移路径相对简单，通常沿着构造脊或特定通道进行短距离迁移（Xie等人，2019；Xu等人，2024a）。随着勘探的深入，勘探目标逐渐转向细微的埋藏丘、深层及超深层古近纪储层以及浅层凹陷储层。这一变化意味着烃类迁移路径可能变得更为复杂，可能涉及长距离和多阶段的迁移过程（Miao等人，2024；Xu等人，2024a）。因此，石油与源岩的关联分析变得愈发重要：若无法确定石油的起源，就会影响迁移模式的重建，进而阻碍进一步的勘探工作。

渤海中坳陷的石油与源岩关联分析面临三大挑战。首先，该地区存在多个源岩层段。渤海中坳陷经历了多期的构造演化（Qi和Yang，2010；Yu等人，2020），形成了三组高质量的湖相源岩——E2s3、E2s1和E3d3。其次，这些源岩的地球化学特征较为相似。这三组源岩具有相似的沉积环境和有机质来源；尤其是E3d3和E2s3均形成于淡水湖相环境，其差异性较小。第三，湖相源岩存在明显的横向非均一性（Wang等人，2024a；Zhu等人，2003）：同一层段的不同样本之间，生物标志物参数差异显著，难以准确描述每组源岩的整体地球化学特征。综上所述，这些源岩的多层结构、固有的非均一性以及地球化学上的相似性，使得传统的判别指标效果不佳，大大增加了石油与源岩关联分析的难度。

此前已有不少研究探讨过渤海中坳陷石油的起源问题。Hao等人采用了传统的质谱指纹技术和双参数交叉图分析方法（Hao等人，2009c），而Wang等人则应用了层次聚类分析技术（Wang等人，2015）。这些研究证实，渤海中坳陷的原油确实含有来自E3d和E2s源岩的混合成分；但由于难以区分E2s1和E2s3这两种源岩，各层段的相对贡献度仍难以确定。Zhou等人通过判别分析建立了样本分类模型，该模型的原始验证准确率高达92.6%，能够有效区分三种源岩层段（Zhou等人，2023）。不过，该模型是基于整个渤海中坳陷的样本数据进行校准的。鉴于海上采样的困难，规模较小的研究往往缺乏足够的样本来训练此类模型。因此，开发一种对数据要求低且判别能力强的石油与源岩关联分析方法，将极大有助于其他包含多个源岩层段的盆地的研究工作。

现有的石油与源岩关联分析方法可根据参数维度分为双参数法和多参数法两大类。传统的双参数法一次仅能分析两个参数，无法同时整合多个参数，不同参数组合得出的结论往往不一致（Wang等人，2018b；Zhu等人，2003）。因此，许多研究人员开始转向多参数分析法。自20世纪50年代以来，跨学科领域的融合使得层次聚类分析、主成分分析、判别分析等技术被应用于石油与源岩关联分析中（Diasty等人，2019；Killops等人，2014；Song等人，2023；Wang等人，2016b；Zhou等人，2023）。尽管这些方法已取得初步的积极成果，但每种方法都存在一定的局限性（Song等人，2023；Wang等人，2015；Zhou等人，2023）。层次聚类分析的分类结果往往较为粗糙，且容易受到异常值的影响；而主成分分析作为一种线性方法，对于那些参数变异较大的复杂数据集，往往难以实现有效的降维处理（Hao等人，2011；Wang等人，2018b；Yu等人，2018）。进入21世纪后，人工智能和机器学习的快速发展使得支持向量机和神经网络成为石油与源岩关联分析中的新兴工具（Chen等人，2021a；Su等人，2024；Su等人，2022；Wang等人，2017；Wang等人，2022）。然而，支持向量机和神经网络高度依赖训练数据的数量和质量，若样本量不足，会严重影响模型的准确性和可靠性。因此，现有的石油与源岩关联分析方法适用范围有限，在那些存在采样限制和多源混合问题的盆地中——如渤海中坳陷——它们无法实现准确高效的区分。

为克服这些局限性，亟需探索更具通用性的多参数石油与源岩关联分析方法（Seifert和Michael Moldowan，1978）。用于石油与源岩关联分析的生物标志物参数通常为非线性特征（Zhan等人，2016）。作为非线性降维技术，核主成分分析和多维尺度分析为这一领域提供了有力的替代方案：这两种方法都能有效处理非线性数据，并将其投影到低维空间中（Wang等人，2016b；Wang等人，2018b），从而提升数据的非线性特征与分析框架之间的兼容性。

基于此，本研究以渤海中坳陷北部石臼坨隆起的东倾翼作为案例，旨在开发一种结合层次聚类分析与非线性降维技术的有效石油与源岩关联分析方法。研究的目的是区分该地区的三组源岩，并确定产出石油的来源，从而为其他多源盆地的石油与源岩研究提供方法论框架和参考依据。

地质背景
渤海中坳陷位于渤海湾盆地的中东部，面积约为8,660平方公里（Li等人，2012；Wang等人，2024a）。作为该盆地中烃类资源最丰富的坳陷区域（见图1a），这里近年来取得了多项重要的勘探成果，发现了多个大中型油田以及BZ19-6、QHD29、QHD32-6、CFD6-4等含烃构造（Chen等人，2021a；Wang等人，2015；Wang等人）。

样品采集
本研究共从研究区域采集并分析了160个样本，其中包括133个源岩样本和27个原油样本。这些源岩样本代表了渤海中坳陷中的三组湖相源岩：E3d3（52个样本）、E2s1+2（33个样本）和E2s3（48个样本）。所有133个源岩样本都经过了Rock-Eval热解分析以及总有机碳含量测定，其中35个样本还被用于气相色谱-质谱分析。

有机质的丰度、类型及成熟度
有机质的丰度是通过总有机碳含量和S1 + S2参数来评估的，而干酪根类型则根据Rock-Eval热解分析得到的最高分解温度以及氢指数来确定（Hao等人，2009a；Liu等人，2019）。如表2和图2所示，E3d3的总有机碳含量在0.90%至2.04%之间，其主要干酪根类型为II1型和II2型，表明其具有中等至良好的烃类生成潜力。E2s1和E2s3的總有机碳含量分别为1.09%至4.97%（平均值为2.07%）和0.69%至6.07%（平均值）。

湖相源岩的地球化学相似性与非均一性
由于沉积环境和有机质来源相似，研究区域内的三组湖相源岩在地球化学特征上大体一致。例如，E2s1和E2s3的有机质来源相似，都以浮游生物和细菌为主，藻类所占比例较低。E2s3和E3d3的元素反射率以及Gam/C30H值均较低（分别为0.30和0.19，以及0.37和0.10），这表明这两组源岩的……

结论
1）KPCA和MDS能够有效区分三种湖相源岩层段（E2s3、E2s1和E3d3），解决了该地区传统石油与源岩关联分析中存在的非唯一性和不确定性问题。在石油与源岩关联分析方面，KPCA的表现优于MDS，它对异常值的抗干扰能力更强，能够更准确地识别源岩类型。
2）通过结合层次聚类分析和KPCA的方法，可以明确渤海中坳陷石臼坨隆起东倾翼地区石油的来源。

作者贡献说明
吴轩：撰写——初稿、方法学、研究实施、正式分析、数据整理。
宋泽章：撰写——初稿、监督指导。
刘光迪：监督指导。
张静：方法学研究。
王翔：资源获取、方法学研究。
刘志峰：资源获取。
朱晓尔：资源获取。
张子宇：验证工作。

利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢
本研究得到了中国国家自然科学基金（项目编号：42272161）以及中国海洋石油集团有限公司北京研究院的“中国海风险勘探区油气资源勘探关键科学问题与创新技术研究”项目（项目编号：CCL2022RCPS2017XNN）的资助。同时，我们也感谢中国海洋石油集团有限公司天津分公司慷慨提供本研究所使用的部分源岩样本和地球化学数据。作者名单：吴轩|宋泽章|刘光迪|张静|王翔|刘志峰|朱晓尔|张子宇