测井岩性分类部署偏差：行级验证严重高估未见井泛化性能——基于挪威大陆架118口井数据集的评估

《Scientific Reports》：Validation design governs reliability claims in well-log lithology prediction

　　# 摘要测井岩性分类在缺乏岩心数据的勘探井中支持储层识别和沉积相研究。已发表的研究通常报告行级验证得分，但现场部署则需要对训练集中不存在的井进行泛化。我们在一个包含挪威大陆架118口井的公开数据集上评估了这一部署偏差问题，同时控制了目标映射、数据泄漏协议、缺失曲线处理方式和评估指标。行级验证严重高估了对未见井的可靠性：在行级划分下，合并后的F1-macro为0.81–0.93，而在完全留一井交叉验证（LOWOCV）下仅为0.31–0.45；在固定的12类分类体系下，更为保守的逐井均值在五种配置中仅为0.187–0.245。评估的上下文感知树模型配置在某些严格表面上得分较高，但它们与数值基线之间的差异不仅仅体现在特征集上，因此该差距不能归因于上下文字段本身。惩罚权重和F1-macro模型排序在行级表面上保持一致，但在所有四个严格表面上出现分歧，说明在同一边界上指标选择很重要。类别级、逐井和单井诊断揭示了持续存在的少数类别、混合岩性、模型特有以及井间差异的失效模式。该领域的可靠性论断应基于井级证据而非行级得分。