2025年年初，永利6774app手机版官网22級本科生（在讀大三）王芷含在EI、核心期刊《中國石油勘探》上發表了題為《基于樹結構Parzen估計器優化後兩層Stacking模型的岩石脆性指數預測》的論文（圖1，共18頁）。全部作者均來自永利6774app手机版官网師生，本科生王芷含為論文第一作者，其導師溫韬教授為通訊作者。論文借助樹結構Parzen估計器和兩層Stacking集成學習模型的新方法，在岩石脆性指數預測中表現出優秀的性能。
圖1 論文首頁
岩石脆性是決定岩石在加載和卸載條件下破壞特性的關鍵參數，具有重要的工程意義，已經在海上低滲油藏資源的壓裂研究、非常規儲層油氣的甜點範圍預測和水力壓裂研究等方面做出了實際工程貢獻。傳統脆性指數評價方法依賴岩心實驗，成本高、周期長。随着機器學習與人工智能的發展，基于數據驅動的脆性指數預測方法成為研究熱點，但模型的超參數尋優、泛化能力和穩定性仍是亟待解決的問題。
本文基于樹結構Parzen估計器（TPE）和兩層Stacking集成學習模型，系統研究了其在岩石脆性指數預測中的可行性：TPE作為一種高效的超參數優化算法，能夠在複雜參數空間中快速定位最優解，從而提升基學習器的性能；兩層Stacking模型能捕捉不同算法對數據特征的敏感性和差異性，對前一層的輸出結果進行再學習與優化，從而降低單一模型所帶來的偏差與方差問題（圖2）。
圖2 TPE-Stacking融合具體過程
通過訓練，所構建的TPE-Stacking集成模型與各個基模型相比，總體發揮相對較為穩定，不僅在正常預測時拟合較好，而且在面對異常數據波動時相較于其他模型表現着更為不錯的泛化能力（圖3）。經數據校驗，本文構建的TPE-Stacking模型在預測脆性指數時其決定系數R2分别達到了0.967、0.950和0.937，均為各組數據最優成績；TPE-Stacking模型預測的平均絕對誤差MAE分别做到了96.08、1.662和2.059，在與其他基模型對比時相對更低。這說明本文構建的基于樹結構Parzen估計器優化後的兩層Stacking模型可以較為準确、可靠地預測岩石脆性指數。
圖3 各模型預測結果折線圖
本文提出了一種面向脆性指數的機器學習應用，是對目前采用岩心實測數據進而計算脆性的方法的重大革新，是人工智能等技術在油氣領域的重要方向，也揭示了人工智能方法在地球科學研究中蘊含的巨大潛力。随着數據驅動與人工智能算法的不斷發展，人工智能與地球科學的交叉融合展現出前所未有的廣闊前景。從理論探索到工程應用，這一領域的創新成果正在逐步推動非常規油氣儲層評價與開發方式的變革。
論文鍊接：https://doi.org/10.3969/j.issn.1672-7703.2025.02.009
第一作者簡介：王芷含，永利6774app手机版官网地質學專業工程地質方向22201班學生。獲“創新湖北·青力青為”湖北省第十五屆“挑戰杯”大學生課外學術科技作品競賽一等獎，學期最高績點3.93，參與發表發明專利7項、SCI、EI論文4篇，其中以第一發明人授權國家發明專利1項，第一作者發表SCI、EI論文2篇。
