美国研究人员利用机器学习模型发现阿肯色州南部油田卤水中存在大量锂资源，储量估计高达510万吨至1900万吨，相当于美国当前估算总量的36%-136%。这一发现对锂电池产业发展有推动作用，并凸显了机器学习在关键矿产资源勘探评估中的应用价值。
研究人员利用机器学习模型结合地质、地球化学和温度等数据，预测了美国阿肯色州南部油田卤水中的锂浓度分布，发现了大量的锂资源。
研究估计该地区锂资源量为510万吨至1900万吨，相当于2700万吨至1亿吨碳酸锂当量，这是美国目前估算锂资源总量的36%至136%。
这项研究展示了机器学习等数据驱动方法在关键矿产资源的勘探和评估中的有效性，为未来锂资源和其他关键矿产资源的开发利用提供了新的思路。
这一发现有助于推动锂电池产业的发展，加速电动汽车和可再生能源的普及，为实现能源转型和经济可持续发展贡献力量。
【导读】
近日美国在油田卤水中发现巨量锂资源。
研究人员利用随机森林机器学习模型，结合地质、地球化学和温度等数据，预测了美国某地层油田卤水中的锂浓度分布。结果发现该地区潜在锂资源量高达510万吨至1900万吨，相当于美国当前估算总量的36%-136%。这一发现
有助于推动锂电池产业的发展，为实现能源转型和经济可持续发展贡献力量
，并凸显了机器学习在关键矿产资源勘探评估中的应用价值。
随着全球向电动汽车和可再生能源转型的加速，锂离子电池的关键原料——锂的需求量激增，导致全球锂资源供需失衡。世界各国将锂列为关键矿产，并积极寻找新的锂资源以满足日益增长的需求。
油田卤水(Oilfield Brines)作为石油和天然气生产的伴生水，通常被视为废弃物，近年来却因富含锂资源而备受关注。然而，油田卤水中的锂浓度和赋存状态因地而异，对其进行准确的资源评估和高效提取是目前面临的重大挑战。
如何准确评估油田卤水中锂资源的储量和空间分布？如何利用现有数据和技术手段提高锂资源勘探和开发的效率？
这项研究聚焦于美国阿肯色州南部斯马克沃组地层中的油田卤水。该地区此前已有锂资源的报道，但缺乏对其储量和空间分布的系统性评估。
研究人员利用美国地质调查局收集的历史卤水数据和2022年新采集的样品数据，结合地质、地球化学和温度等解释变量，构建了随机森林机器学习模型(Random Forest Machine Learning Model)。该模型能够预测斯马克沃组不同位置的卤水中锂的浓度，并生成预测图。通过将预测的锂浓度与储层厚度、孔隙度和水油比等参数相结合，研究人员最终估算了该地区斯马克沃组油田卤水中的锂资源总量。
研究结果表明，阿肯色州南部斯马克沃组油田卤水中的锂资源储量约为510万吨至1900万吨，相当于2700万吨至1亿吨碳酸锂当量(Lithium Carbonate Equivalent，LCE)，这一数字是美国目前估算锂资源总量的36%至136%。
此外，研究人员还发现，2022年该地区约有5000吨锂伴随油气和卤水开采被带到地表，如果能够对其进行100%的提取，则足以满足美国2022年的锂消费量。
该研究显示
机器学习等数据驱动方法可以有效地应用于关键矿产资源的勘探和评估，为未来锂资源和其他关键矿产资源的开发利用提供了新的思路。本研究
将有助于推动锂电池产业的发展，加速电动汽车和可再生能源的普及，为实现能源转型和经济可持续发展贡献力量。
图1 墨西哥湾沿岸地区盐水中锂浓度的地图
(图来源于
Knierim et al., 2024)
图2 阿肯色州南部模型域按地质构造或地质组划分的卤水中锂浓度
(图来源于
Knierim et al., 2024)
图3 观察到的锂浓度与预测的锂浓度
(图来源于
Knierim et al., 2024)
图4 基于SHAP计算值的解释性变量重要性
(图来源于
Knierim et al., 2024)
图5 预测锂浓度和不确定性图(图来源于
Knierim et al., 2024)
参考信息：
K
atherine J. Knierim et al. ,Evaluation of the lithium resource in the Smackover Formation brines of southern Arkansas using machine learning.Sci. Adv.10,eadp8149(2024).
以上就是这篇文章的主要内容，如需了解详情，请阅读原文。
样品袋
