近日，​太阳成集团122ccvip2023级地质学专业硕士生邵俊哲以第一作者身份在中文核心期刊《沉积学报》上发表题为“基于机器学习的海陆过渡环境中陆源有机质分布预测模型”的研究论文。硕士生邵俊哲为论文第一作者，太阳成集团122ccvip为第一完成单位。

由于陆源海相烃源岩是我国多个近海盆地的主力烃源岩，其差异性展布特征制约着烃源岩的分布预测精度和油气勘探成效。而陆源有机质的搬运沉积过程决定着陆源海相烃源岩质量和分布。本研究运用水槽沉积模拟结合三维激光扫描技术，从“正演”的角度动态记录并定量表征不同水体盐度条件下陆源分散有机质的搬运过程并运用机器学习算法建立TOC预测模型。

结果表明海陆过渡环境中的陆源有机质主要富集在三角洲前缘和前三角洲沉积相带内，随着搬运距离的增大，海陆过渡环境中的陆源有机质丰度呈现先增大后减小的趋势。在盐絮凝作用影响下，咸水环境中陆源有机质搬运距离更靠近物源区，沉积厚度更大。基于随机森林、人工神经网络和支持向量机三种深度学习算法建立了实验条件下的TOC预测模型，优选出基于随机森林算法的预测模型具有最高的预测准确度和稳定性。基于实验条件下最优模型的输入特征，建立了地质条件下的TOC预测模型。

图1淡咸水条件下TOC平面分布

图2崖南凹陷主三角洲泥岩TOC分布预测及平面展布特征

图3 论文首页

论文链接：http://www.cjxb.ac.cn/cn/article/doi/10.14027/j.issn.1000-0550.2024.056