نُشرت دراسة حديثة في دورية "علوم الأرض المعلوماتية" (Earth Science Informatics) تكشف عن إطار عمل يعتمد على نماذج التعلم العميق لأتمتة تحديد المكونات العضوية الدقيقة في الصخر الزيتي، معالجةً بذلك الذاتية وعدم الكفاءة المصاحبتين للتحليل اليدوي التقليدي.
إطار عمل متكامل لتحليل دقيق وقابل للتكرار
يجمع الإطار المقترح بين تصنيف الصور القائم على الشبكات العصبية التلافيفية (CNN)، والتقسيم الدلالي (Semantic Segmentation)، وتحسين المعلمات الفائقة بالخوارزمية البايزية، لتمكين كمي دقيق وقابل للتكرار للمكونات العضوية عبر عينات جيولوجية متنوعة. ركزت الدراسة على عينات صخر زيتي من حقبة الحياة الوسطى تتميز بنضج حراري منخفض ووفرة في المكونات العضوية الدقيقة.
جمع البيانات من أربعة أحواض صينية رئيسية
جُمعت 209 عينة قلبية من الصخر الزيتي بشكل منهجي من أربعة أحواض متميزة: يينخه، فوشون، سونغلياو، وتاريم. أُعدت مقاطع رقيقة من هذه العينات لبناء مجموعة بيانات شاملة للتقسيم الدلالي. واحتُفظ بـ 72 مقطعًا رقيقًا من حوض يينخه للتقييم الجيولوجي، واستُبعدت تمامًا من مجموعات التدريب والتحقق والاختبار لضمان تقييم غير متحيز لنموذج التعميم.
تحديد سبعة أصناف من المكونات العضوية الدقيقة
شُخصت المكونات العضوية الدقيقة، التي تشمل الميسرالات العضوية والبيريت المصاحب، باستخدام مجهر زييس للضوء المنقول والفلوري المنعكس بتكبير 50 مرة. ولضمان الدقة، حُسب ما لا يقل عن 500 نقطة لكل مقطع رقيق عبر مجالات رؤية متعددة. أُعلّمت مجموعة البيانات لسبعة أصناف محددة: سبورينيت، لامالجينيت، إنيرتينيت، بيريت، كيوتيتيلينيت، تيلالجينيت، وفايترينيت. وراجعت ملاحظات خبير ثانٍ في بترولوجيا العضوية التعليقات التوضيحية، وحُلّ أي خلافات بإعادة الفحص المشترك حتى التوصل إلى توافق.
تقنيات تكبير البيانات وتقسيم صارم للمجموعات
للتغلب على تحدي قلة بيانات التدريب، استُخدمت تقنيات تكبير البيانات بما في ذلك الانعكاس الأفقي العشوائي، والقص، ومزج صور الضوء الأبيض والفلورسنت. قُسمت مجموعة البيانات على مستوى المقطع الرقيق وليس على مستوى الصورة الفردية لمنع تسرب البيانات، إذ تشترك مجالات الرؤية المجاورة من مقطع واحد في التكوين البتروغرافي وليست مستقلة إحصائيًا. أسفر هذا الإجراء عن 1,531 صورة للتدريب، و439 للتحقق، و220 للاختبار، مما يضمن تقييمًا أعمى على مستوى العينة لقدرة النموذج على التعميم.
تحسين بايزي يرفع دقة التقسيم بشكل كبير
دُرب نموذج التقسيم الدلالي باستخدام هيكل ResNet-50 كعمود فقري، وقُيم ثلاثة هياكل مرشحة هي FCN و DeepLabV3 و PSPNet تحت بروتوكول تحسين بايزي موحد. أكمل كل هيكل 50 تجربة تحسين مستقلة باستخدام مقدّر بارزن المُبني على الشجرة (TPE) كنموذج بديل. قدم هيكل FCN-8s أفضل توازن بين دقة التقسيم والكفاءة الحسابية، محققًا دقة بكسل 90.26% ومتوسط تقاطع على اتحاد (mIoU) بلغ 56.97% على مجموعة الاختبار المحتفظ بها.
لعب التحسين البايزي دورًا حاسمًا في تعزيز الأداء عبر ضبط منهجي للمعلمات الفائقة مثل معدل التعلم، واضمحلال الوزن، والزخم، وعدد فترات التدريب. وبالمعلمات الافتراضية، حقق النموذج دقة بكسل 86.42% و mIoU بنسبة 35.58%، بينما ارتفعت هذه المقاييس بعد التحسين إلى 92.11% و 58.75% على التوالي على مجموعة التحقق، مما يُظهر فعالية بروتوكول التحسين في تحديد التركيبات المثلى للمعلمات.
تحدي عدم توازن الأصناف وتحقق جيولوجي قوي
كشفت النتائج لكل صنف عن توزيع غير متوازن بشكل ملحوظ، حيث شكل الفايترينيت واللامالجينيت معًا حوالي 83.6% من جميع بكسلات المكونات الدقيقة. وعُزيت البكسلات المصنفة خطأ من الأصناف النادرة في الغالب إلى الأصناف المهيمنة حجميًا، وهو ما يتسق مع انخفاض استدعائها (Recall). ويبرز هذا عدم التوازن قيدًا في النموذج الحالي، حيث يظل الكم الدقيق للميسرالات النادرة صعبًا رغم دقة البكسل الإجمالية العالية.
للتحقق من اتساق مخرجات النموذج جيولوجيًا، قورن مؤشر نوع الكيروجين المستمد من التقسيم مع المؤشرات المقاسة يدويًا لـ 72 مقطعًا رقيقًا من حوض يينخه. أظهر المؤشران المتوقع واليدوي ارتباطًا خطيًا قويًا وذا دلالة إحصائية بمعامل بيرسون 0.921 وخطأ مطلق متوسط 16.0. كما ارتبط المؤشر المستمد من النموذج بشكل معنوي مع مؤشر الهيدروجين، والكربون العضوي الكلي، وإمكانات توليد الهيدروكربون، محققًا قيم R² أعلى من المؤشرات اليدوية لهذه المعلمات الجيوكيميائية.
خصائص جيوكيميائية تؤكد إمكانات الحوض
أظهر تحليل البيروليز (Rock-Eval) لعينات حوض يينخه أن الكربون العضوي الكلي تراوح بين 0.53% و 13.6% بمتوسط 5.26%. وتراوحت إمكانات توليد الهيدروكربون بين 0.19 و 152.47 ملغ/غ، مشيرة إلى إمكانات توليد جيدة بشكل عام. وتراوحت درجة حرارة ذروة تكسير الهيدروكربون بين 423 و 442 درجة مئوية، دالة على مادة عضوية غير ناضجة إلى منخفضة النضج. وتشير هذه الخصائص، مجتمعة مع مؤشر الهيدروجين المرتفع، إلى أن الصخور الزيتية تهيمن عليها كيروجين مولدة للزيت، مما يبرز أهمية التحليل الجيوكيميائي العضوي لتقييم إمكانات الموارد.
قيود معترف بها واتجاهات مستقبلية
أقر الباحثون بعدة قيود، منها أن مجموعة البيانات مستمدة من عدد محدود من الآبار والمقاطع الرقيقة، وأن التصنيف اليدوي كثيف العمالة يحد من حجم بيانات التدريب. ركزت الدراسة على عينات صخر زيتي منخفضة النضج، ولا تزال قابلية تطبيق النموذج على عينات أعلى نضجًا - حيث تتغير أشكال الميسرالات بالنضج الحراري - بحاجة للاختبار. كما لم يُجرَ تحقق مخصص عبر الأحواض باستخدام عينات من حوض مستبعد تمامًا من التدريب بعد.
رغم هذه القيود، يوفر الإطار نهجًا عالي الإنتاجية لتقدير مؤشر نوع الكيروجين، مع تطبيقات محتملة في تقييم إمكانات الهيدروكربون وإعادة بناء البيئة القديمة. وسيشمل العمل المستقبلي توسيع مجموعة البيانات لتشمل أحواضًا ومستويات نضج إضافية، وإجراء تحقق مستقل يستبعد حوضًا كاملًا، ودمج أعمق للكم المستمد من التقسيم مع التحليلات الجيوكيميائية والبيئية القديمة لتحسين فائدة النموذج في تقييم الموارد.
