基于端到端架构的多通道气相色谱-质谱（GC-MS）智能油源对比

《Petroleum Science》：Intelligent oil-source correlation based on an end-to-end architecture for multi-channel GC-MS

　　

传统的油源对比方法依赖于少量生物标志化合物参数，阻碍了充分利用GC-MS全扫描数据中蕴含的丰富地球化学信息，且在区分地球化学指纹高度相似烃源岩时面临严峻挑战。为突破该局限，研究人员开发了基于端到端架构的智能油源对比技术，构建了从GC-MS原始文件解码、数据预处理到深度学习模型构建与可解释分析的完全自动化工作流。该流程通过扫描点数重采样、质荷比（m/z）取整及信号累积算法建立标准化三维特征张量，随后部署针对石油GC-MS数据统计与谱学特征定制的多通道一维卷积神经网络（1D-CNN），并引入梯度加权类激活映射（Grad-CAM）在可解释人工智能（XAI）框架下对模型决策进行透明化解释。应用于鄂尔多斯盆地延长组长7与长9段烃源岩，油源识别平均准确率达94.52%。关键的是，可解释分析分离出一组关键m/z通道（包括m/z 55、71和95），其判别能力超越传统甾烷与萜烷生物标志物：m/z 55在长7烃源岩中显著富集，而m/z 71和57在长9烃源岩中占主导。这些新揭示的地球化学特征为油源对比提供了新判别依据，并为阐明烃源岩间地球化学差异提供重要证据。创新在于深度学习与地球化学分析的深度融合，不仅为石油地球化学提供新技术路径，也为人工智能在地球科学中的进阶应用提供示范案例，对复杂地质条件下油源识别具重要方法论意义与实用价值。

研究背景方面，油源对比是石油地质学核心科学问题，传统方法依赖甾烷、萜烷等生物标志物参数比值，将复杂地球化学信息压缩为少量比值，丢弃大量潜在信息且带主观性；在鄂尔多斯盆地延长组长7与长9段等多套烃源岩指纹高度重叠的复杂场景中判别力严重受限，而GC-MS全扫描数据虽涵盖数千扫描点与数百m/z通道却缺乏高效挖掘手段。为此，研究人员提出基于端到端架构的多通道GC-MS智能油源对比技术，以鄂尔多斯盆地51口井228件岩心与原油样品（196件长7/长9泥页岩、24件油砂抽提物、8件原油）为对象，构建从NetCDF（.CDF）原始文件解码到识别输出的全自动流水线，最终在长7/长9二分类任务中取得94.52%平均准确率，并通过Grad-CAM锁定m/z 55、71、57、95等关键通道，证明m/z 55富集于长7、m/z 71与57主导长9，判别力优于传统C₃₀重排藿烷等指标，为复杂条件油源识别提供新方法。该文发表于《Petroleum Science》。

主要关键技术方法上，研究人员首先用自研算法解码AIA标准NetCDF文件，经扫描数线性插值重采样至8000点、m/z取整至整数并信号累积、按通道做最小-最大归一化；继而以方差/均值/变异系数/熵结合PCA、TOPSIS、熵权法筛选前20个m/z通道，融合TIC与已知油气地球化学通道共36通道，组装样本×8000扫描×36通道的三维张量，并以时间轴平移、强度缩放、高斯噪声做数据增强至392例；模型采用三层堆叠多通道一维卷积神经网络（1D-CNN）（64/128/256核，卷积核尺寸10/7/5，配套批归一化、最大池化、Dropout与Sigmoid分类头），Adam优化二元交叉熵，早停800轮；解释端在第三卷积层接Grad-CAM获热力图，经类别间均值差检验提取关键扫描点，在关键点求类平均质谱并依绝对差或ANOVA的F值挑前20个m/z通道，最后用Pearson相关系数聚合关键通道曲线相似度作油源归属判据。

研究结果部分，地质背景小节指出鄂尔多斯盆地延长组长7段为深湖相富有机质油页岩与泥岩（TOC 8%–16%均值13.81%，R_o约0.62%），长9段暗色泥岩分布广（TOC 3%–7%均值4.60%，R_o约0.84%），二者传统萜烷/甾烷谱图高度相似、C₃₀重排藿烷受成熟度而非层位控制，亟需新判别器。样品与数据小节说明228件样品来自51口井，饱和烃经氯仿索氏抽提、柱色层分离后由Agilent 7890A-5975C GC-MS（HP-5MS柱，100–300℃程序升温）以NetCDF导出。端到端架构小节给出四模块：NetCDF解码预处理、多通道学习数据构建、多通道1D-CNN、特征分析与可视化。预处理小节详述扫描重采样公式、m/z取整与强度累积∑I、通道独立Min-Max归一化至[0,1]。多通道数据构建小节涵盖统计+PCA/TOPSIS/熵权混合选通道、8000×36三维张量、0/1标签（长7为0、长9为1）、三种增强操作。1D-CNN小节列明张量形状（36×8000）、三层卷积数学表达式与约3000万参数量、Adam（β₁=0.9, β₂=0.999）与二元交叉熵、75%/25%分层划分、seed=42。可解释与特征发现小节用Grad-CAM权重α_k=全局平均池化梯度、热力图L=ReLU(∑α_kA_k)上采样回8000点，依类间热力差取Top5扫描点做t检验，在关键点取类平均谱算|ΔI_m/z|取Top20通道，并定义曲线相关R_c=(∑(x- x?)(y-?))/√(∑(x- x?)²∑(y-?)²)作归属分数。

结果与讨论中，m/z通道评价小节显示综合得分前5为m/z 57（方差5.13×10¹⁰）、71、85、55、69，低m/z通道方差/均值高、高m/z通道熵高；模型性能小节给出测试集平均准确率94.52%；Grad-CAM解释小节确认模型注意力集中于m/z 55（长7富集）、71与57（长9主导）对应保留时间窗口，其判别效度超越m/z 217（甾烷）、191（藿烷）等传统通道；曲线相关小节以关键通道Pearson聚合相似度>0.8判同源、0.5–0.8判混合源。结论部分翻译如下：研究人员提出端到端多通道GC-MS智能油源对比技术，实现从原始NetCDF到油源识别的全自动流转；通过扫描重采样、m/z取整累积与通道归一化保留时序-谱学结构，多通道1D-CNN捕获跨尺度色谱-质谱模式，Grad-CAM将黑箱决策转为透明地质语言，在鄂尔多斯延长组长7/长9二分类达94.52%准确率；可解释分析析出m/z 55、71、57、95等新判别通道，其类间分异强于传统甾/萜烷参数，为长7与长9贡献争议提供地球化学新证据；该工作深度融合深度学习与石油地球化学，在复杂地质条件油源识别中兼具方法论创新与工程适用价值，并为人工智能嵌入地球科学提供可解释范式。