测井资料计算源岩有机碳含量模型对比及分析①

胡慧婷 卢双舫,2 刘 超 王伟明,2 王 民,2 李吉君,2 尚教辉

(1.东北石油大学地球科学学院 黑龙江大庆 163318;2.东北石油大学油气藏形成机理与资源评价省重点实验室 黑龙江大庆 163318; 3.大庆油田有限责任公司第四采油厂 黑龙江大庆 163355)

测井资料计算源岩有机碳含量模型对比及分析①

胡慧婷1卢双舫1,2刘 超3王伟明1,2王 民1,2李吉君1,2尚教辉1

(1.东北石油大学地球科学学院 黑龙江大庆 163318;2.东北石油大学油气藏形成机理与资源评价省重点实验室 黑龙江大庆 163318; 3.大庆油田有限责任公司第四采油厂 黑龙江大庆 163355)

研究首先从理论分析入手,根据Δlog R模型在基线、有机碳含量背景值、叠合系数K、成熟度参数方面存在不足或不便推导出改进的Δlog R模型,针对改进Δlog R模型在测井参数选取方面的不足提出逐步回归模型;然后用具体实例对比三种模型应用效果,结合实例分析说明了改进的Δlog R模型优于Δlog R模型、逐步回归模型优于改进Δlog R模型的原因;最后建议使用逐步回归模型计算源岩有机碳含量。对区域有机碳含量评价时,建议以沉积相为基础分区带评价,同时提出几点模型应用过程中应注意事项,为今后测井途径计算有机碳含量提供方法思路。

测井 烃源岩 有机碳 逐步回归 Δlog R 改进 优选

有机质丰度在评价沉积盆地的生油能力,估算油气储量中具有十分重要的地位[1]。以往研究中有机碳含量主要依靠地球化学分析测试方法获得,并以分析样品有机碳含量的均值来代表整套厚层烃源岩的有机碳含量[2]。由于分析样品数量有限,空间不连续,评价结果受分析样品代表性影响,特别在缺少取芯且岩屑又受到污染的情况下,生油岩的评价将受到严重制约[3]。测井资料计算源岩有机碳含量不同于传统地球化学测试方法,它根据烃源岩内有机碳的含量在测井曲线上具有一定的特征响应,建立有机碳含量与这些特征响应的定量关系式[4～6]。依据测井资料可以获得纵向上连续分布的有机碳含量,消弱了有限岩芯分析样品的随机性取样等因素所带来的统计误差[7],因而为正确评价整段烃源岩提供了可靠基础。

岩石中有机碳会导致多种测井响应[8,9],但由于地下情况比较复杂,几乎每种测井响应都是多种地质因素叠加作用的结果[10],而不单单是有机碳响应造成,因此,要准确计算源岩中有机碳含量就必须结合多种测井信息,首先需从多种测井信息中提取出有效的有机碳含量指示参数,然后构建有机碳含量与测井参数间定量关系。从测井信息选取方面,Δlog R模型及改进的Δlog R模型选用声波时差和电阻率参数,没有考虑密度、伽马等测井信息,显然存在不足,大量的研究表明有机碳含量与密度、伽马等测井信息关系密切[5-10];从模型构建方面,Δlog R模型中主观因素较多[11],不利于模型的推广应用。本文从Δlog R模型入手,分析了Δlog R模型的不足,在此基础上推导出改进的Δlog R模型并提出逐步回归模型;最后以实际例子分析比较Δlog R模型、改进的Δlog R模型及逐步回归模型,说明了逐步回归模型的优越性,并为逐步回归模型进一步应用提供指导建议。

1 模型分析及对比

1.1 Δlog R模型

Δlog R模型由EXXON/ESSO石油公司推导和实验得出并成功的应用到世界各地。该技术以预先给定的叠合系数将算术坐标下的声波时差和算术对数坐标下电阻率曲线叠合,通过确定基线位置,求取Δlog R分布,进而建立有机碳含量定量解释关系式。

根据声波、电阻率叠加计算Δlog R的方程为:

式(1)中Δlog R为两条曲线间的距离;R为测井仪实测电阻率(Ω。m);R基线为基线对应的电阻率(Ω。m);Δt为实测的声波时差(μs/ft);Δt基线为基线对应的声波时差(μs/ft);K=0.02,为声波时差和电阻率间的叠合系数。Δlog R与有机碳呈线性相关,并且是成熟度的函数,由Δlog R计算有机碳的经验公式为:

式(2)中TOC为计算的有机碳含量(%);LOM表示有机质成熟度,ΔTOC为有机碳含量背景值,需人为确定。该方法的优点为声波时差和电阻率叠合能一定程度上消除孔隙度对有机碳测井响应的影响[12]。

下面对模型中基线值、有机碳含量背景值、叠合系数K、成熟度参数逐一分析,从模型便捷性、客观性、适应性角度,指出Δlog R模型的不足:

1 )基线值-Δlog R的计算依赖于基线值,由于一口井通常存在多个基线值,常需要分段求取Δlog R。即使在分段后,研究层段内基线值时常也不唯一,需要依据经验确定合适的基线值,操作过程比较繁琐,同时主观因素影响也较大。

2 )有机碳含量背景值ΔTOC-从(2)式可以看出,最后计算出的TOC值还需加上有机碳含量背景值。而有机碳含量背景值变化区间较大,不易确定,选取不当时,会直接引进较大的整体误差。该值主要依据经验及区域地质、地化资料人为估计,受主观因素影响大,不客观。

3 )叠合系数K-Passey[12]等选用固定的叠合系数0.02,张立强[13]等将叠合系数看作是变量,由两条曲线的具体叠合情况而定。这两种做法实质上都是尚不明确源岩测井响应特征的条件下,预先给定叠合系数,不客观(下文举例说明)。

4 )成熟度参数-Δlog R方法将成熟度参数LOM引入方程,LOM可以根据大量样品分析(如镜质体反射率、热变指数、Tmax分析)得到,或从埋藏史和热史评价中得到。成熟度参数选取不当时,计算有机碳的绝对含量将产生整体误差,对缺少成熟度参数的地区,该方法适用性受到限制,具有一定不适用性。

1.2 改进的Δlog R模型

从上面的分析可知,Δlog R模型在基线、有机碳含量背景值、叠合系数K、成熟度参数几个方面存在不足,下面针对存在的不足逐一分析,然后根据Δlog R方法的原理推导出改进的Δlog R模型。

1 )基线值-无需读取基线值,便可以快速计算Δlog R,论证如下:

(1)式中

K值的物理意义为每个声波时差(1μs/ft)对应对数坐标下电阻率的单位个数;公式(1)中log(R/ R基线)是无量纲的,(Δt-Δt基线)是有量纲的,K值的地质意义为将(Δt-Δt基线)转化为无量纲的数,使(Δt-Δt基线)与log(R/R基线)量级相当,共同构成Δlog R。当规定对数坐标下的每个电阻率单位对应算术坐标下50μs/ft声波时差刻度范围时,K值为0.02。

假定基线之后,不难得到:

Δt基线、R基线与(1)式中意义相同,Rmin(Δtmin)和Rmax(Δtmax)分别为声波时差和电阻率曲线叠合时电阻率(声波时差)曲线刻度的最小、最大值。将(3)和(4)带入(1),则(1)式可进一步推导为:

这样只要声波时差和电阻率叠合后,便能计算出Δlog R值,避开了读取基线值的繁琐过程,也减少了主观因素的干扰。

2 )有机碳含量背景值ΔTOC-有机碳含量背景值是针对Δlog R为零时提出的,其值应该与有机碳测井响应敏感程度有关,若有机碳测井响应敏感,有机碳含量背景相对小,否则相对较大,估计此值是需考虑源岩的测井响应特征。可以通过函数拟合的方法确定该值,令TOC=A。Δlog R+B,通过拟合函数确定B值,为确定有机碳含量背景值提供参考。

3 )叠合系数K-叠合系数一方面起着抵消了孔隙度对有机碳测井响应的作用,一方面制约着识别干酪根和烃类流体的相对能力。从制约识别干酪根和烃类流体的相对能力层面上讲,叠合系数的确定至少需考虑源岩中干酪根和烃类流体的比例,不应该是固定值。实际应用过程中也发现,叠合系数的选取直接影响计算有机碳含量的准确性,如王府断陷城深1井所示(图1)。

图1 ΔLog R与实测有机碳间相关度R2随叠合系数K变化曲线Fig.1 R2 betweenΔLog R and measured TOC and its vary with superposition coefficient K

容易发现,随叠合系数K的增大,Δlog R与实测有机碳的相关度R2连续变化而且呈先增大后减少趋势,预先给定叠合系数很难使R2达到最大,即很难准确计算出源岩中有机碳含量。

4 )成熟度参数

由于一口井常存在多个基线值,需分井段建立解释关系式,建立模型的深度范围内Ro变化一般不大(或控制深度范围使Ro变化不大),这样(2)式中10(2.297-0.1688LOM)可视为定值,记作A。这样在成熟度参数难以确定的层段,大大提高了模型的适用性。

综上分析,建立模型的深度范围内将(2)式子可修改为:

A、Δtmax、Rmin、ΔTOC为常数,显然,计算有机碳含量受叠合系数K值影响,令K取最优值(最优K值能使R2最大),则公式(7)可简化可得到改进的ΔLog R模型:

a、b、c为拟合公式的系数。从(8)式可以看出,改进模型只需声波时差和电阻率参数,不需要成熟度参数,也无需人为确定基线值、有机碳含量背景值,大大提高了模型的便捷性,客观性性及适应性。但其仍有不足之处,如模型没有考虑到密度、伽马、中子等测井信息,而大量的研究表明,源岩中有机碳含量与伽马、密度、中子等测井响应密切相关,为了克服这一缺点,下面介绍逐步回归模型。

1.3 逐步回归模型

逐步回归是多元回归的一种改进,该模型将伽马、密度、中子等测井参数全部考虑在内,从多个测井参数中筛选出对有机碳含量变化显著的参数,然后建立回归方程,能够克服Δlog R模型容易遗漏重要有机碳含量指示参数和多元回归模型容易引入非有机碳含量指示参数。由于组合参数中往往蕴含的重要信息[14],对测井参数进行二次型组合[15]:

为了便于表达,假设初始参数为X1,X2,X3,则组合后的参数为

令Y1=X1,Y2=X2,Y3=X3,Y4=X12,Y5=X12,Y6=X13,Y7=X22,Y8=X23,Y9=X33。用逐步回归模型从组合后的参数中筛选出对有机碳含量变化显著的参数,假设最终选取了n个参数,则回归方程形式为:

值得注意的是,逐步回归在对各自变量贡献的显著性检验中,如果临界值Fα取得足够小,特别是Fα=0,则全部自变量都会被选中,这时逐步回归退化为一般的多元线性回归,若一般的多元回归分析只考虑声波时差和电阻率,不考虑其它测井参数,则多元回归模型退化为改进的Δlog R模型。因此可以说多元回归模型和改进的Δlog R模型都是逐步回归模型的一种特殊形式。

2 实例对比及分析

2.1 数据的选取及预处理

有机碳分析样品的深度与其实际深度存在一定误差,加之,有机碳的发育存在强烈的非均质性,这两个因素加大了建立可信度较高的解释模型的难度。为了减小分析样品深度与其实际深度的误差以提高建立模型的可信度,应保证有机碳分析数据来源于取芯较好的层段。测井曲线应保证其尽量不受泥浆滤液等外界因素干扰,尽可能的反映原状地层特征。文中所用有机碳分析数据均为岩芯数据且取样密集,测井数据质量较好,是建立有机碳测井解释模型的理想层段。由于无法得知分析样品的精确深度,将分析样品所在深度上下0.2 m范围内的测井参数取平均值,把求得的均值当做分析有机碳对应的测井值。

2.2 对比及分析

分别用Δlog R模型、改进的Δlog R模型和逐步回归模型计算源岩有机碳含量。统计三种模型的计算有机碳与分析有机碳之间相关度R及标准误差SE (表1)。

表1 三种模型计算有机碳含量结果统计Table1 TOC calculating results from three differentmodels

R越大,计算有机碳与实测有机碳相关度越高。SE越小,表明计算有机碳与分析有机碳偏差越小。故R越大,SE越小,计算结果越可靠。从三种模型的计算结果容易看出,二次型逐步回归模型计算有机碳含量效果明显优于Δlog R及改进的Δlog R模型,改进的Δlog R模型计算效果优于Δlog R模型。下面结合实例说明这种现象的原因。

1 )Δlog R模型模型与改进的Δlog R模型对比

从表1可以看出,乌23井、贝35井、金88井Δlog R模型与改进的Δlog R模型计算效果相当;贝10井、金87井、鱼17井改进的Δlog R模型比Δlog R模型效果好。下面对这一结果原因分析:从2.2中的(3)可知,叠合系数K的选取影响计算效果,分别求取各井计算有机碳与分析有机碳含量间相关系数R随叠合系数K变化曲线(图2)。可以看出,乌23井 (图2a)、贝35井(图2c)、金88井(图2e)K=0.02时,R基本达到最大值,故Δlog R模型与改进的Δlog R模型计算效果相当。贝10井K=0.035时R最大(图2b),金87井K=0.04时R最大(图2d),鱼17井K=0.045时R最大(图2f),Δlog R模型选取固定的叠合系数0.02,K=0.02时R没有达到最大,限制了计算有机碳含量的准确性,故改进的Δlog R模型比Δlog R模型效果好。

2 )逐步回归模型与改进的Δlog R模型对比

从表1数据容易看出,各井逐步回归模型计算有机碳含量效果均优于改进的Δlog R模型,乌23井、贝35井、鱼17井尤为明显。对各井逐步回归模型包含的测井参数统计(表2),以下从模型参数选取和参数组合两个方面对比分析逐步回归模型优于改进Δlog R模型的原因。

图2 各井Δlog R与实测有机碳的相关度R随叠合系数K变化曲线Fig.2 Correlation coefficient betweenΔLog R and measured TOC and its variation with superposition coefficient K for differentwells

表2 各井逐步回归模型参数选取Table2 Parameters in Stepw ise regression equations

(1)测井参数选取

从单口井上看,每口井的回归方程中都有伽马、密度、中子,尤其是乌23井、鱼17井,这2口井回归方程中含有伽马、密度、中子的参数个数分别占回归方程中全部参数的75%和100%;整体上,对表2中参数统计,发现含有伽马、密度、中子的参数占全部参数的75%,说明伽马、密度、中子、对有机碳含量响应明显。尤其是伽马参数,6口井中有4口井伽马参数以二次方的形式直接出现在方程中,其余两口井中伽马以组合参数的形式存在,说明GR能很好的反映有机碳含量,应该将其作为计算有机碳含量的有效参数。改进的Δlog R模型没有考虑伽马、密度、中子,故计算有机碳含量不及逐步回归模型。

(2)测井参数的组合

从单口井上看,组合参数在每口井的回归方程中所占比重均较大,其中金87井最小(50%),贝35井最大(100%);整体上,组合参数占全部参数的71.8%。说明组合参数比单一测井参数更能反映有机碳含量,应加强从组合参数中挖掘有机碳含量信息。改进的Δlog R模型声波时差和电阻率都采用单一参数形式,没有对参数组合,从这一角度上讲,逐步回归模型计算有机碳效果也要优于改进的Δlog R模型。

3 建议及注意事项

从1.2中可知,改进的Δlog R模型在便捷性、客观性、适用性、定量的准确性上都优于Δlog R模型。从1.3中可知,改进的Δlog R模型又是逐步回归分析模型的一种特殊形式,故逐步回归模型要优于Δlog R模型及改进的Δlog R模型,2.2中实例也证明了逐步回归模型计算有机碳含量精度高于其它两种模型,所以建议优先考虑逐步回归模型计算有机碳机碳含量。

由于有机碳测井响应易受多种因素影响,影响因素会导致某些测井参数不能很好的反应有机碳含量,从而不出现在回归方程中。由于影响因素的差异,大的区域范围难以建立起形式统一的代表方程,表3也可以看出,同是松辽盆地,金87、金88、鱼17回归方程中包含的测井参数却不同。针对这一问题,进行区域性有机碳含量评价时,建议借助地质资料(如沉积相)进行分区带评价,因为区带内影响有机碳测井响应的因素相近,各井间相似的影响因素会起到一定的抵消作用。

每个区块内选择具有代表性的井,建立有机碳测井响应应关系式。为了使建立的关系式具有代表性,可以首先对测井变量进行主成分分析,筛选出区带内与有机碳含量密切相关的测井参数,然后利用逐步回归模型建立定量关系式,这样,不同的区带间筛选出的主成分可能会不同,最终的回归方程也会不同,由于区带内影响有机碳测井响应的因素相近,各井间相似的影响因素会起到一定的抵消作用,所以计算有机碳含量的效果会更好。

模型应用过程中应注意与有机碳无关的测井曲线异常,包括差的井眼条件,欠压实地层、低孔隙度层、超压实带、含水孔隙等,利用测井资料计算有机碳含量时应首先排除这样的井段;测井数据要尽量避免泥浆滤液的干扰,尽量反映原状地层的特征。同时应注意,声波时差、体积密度等测井参数受岩性、压实(深度)等因素作用的影响较大,可考虑以分层段、分岩性建立模型,必要时需对这些测井参数进行压实校正及标准化处理,尽量减少外界因素对有机碳测井响应的影响。

4 结论

Δlog R模型需人为确定基线值、有机碳含量背景值、叠合系数K、成熟度参数,操作过程繁琐、主观因素大、同时成熟度等参数不确定时模型适用性受到限制,具有不便捷,不客观和不适用性。

根据Δlog R方法的原理推导得出改进的Δlog R模型,改进模型只需声波时差和电阻率参数,不需要成熟度参数,也无需人为确定基线值、有机碳含量背景值,大大提高了模型的便捷性,客观性及适应性。但其与Δlog R模型相似,都一样忽略伽马、密度、中子等测井参数,仍有不足之处。

伽马、密度、中子等测井参数中包含着重要的有机碳含量指示信息,组合参数往往比单一参数更能反映有机碳含量。逐步回归模型考虑多种测井参数并对测井参数组合,能优选出对有机碳含量变化显著的测井参数,方法客观,理论分析和实际例子都说明该模型计算有机碳含量效果效果优于Δlog R模型及改进的Δlog R模型。

文中参数组合选用二次型形式,还可以对参数进行其它形式的组合,如可以考虑声波/密度、电阻/密度、伽马/密度等组合参数,应尽量从多种测井参数及多种组合参数中挖掘有机碳含量指示信息。

References)

1 张志伟,张龙海。测井评价烃源岩的方法及其应用效果[J]。石油勘探与开发,2000,27(3):84-87[Zhang Zhiwei,Zhang Longhai.A method of source rock evaluation by well-logging and its application result[J]。Petroleum Exploration and Development,2000,27(3):84-87]

2 朱光有,金强,张林晔。用测井信息获取烃源岩的地球化学参数研究[J]。测井技术,2003,27(2):104-109[Zhu Guangyou,Jin Qiang,Zhang Linye.Using log information to analyze the geochemical characteristics of source rocks in Jiyang Depression[J]。Well Logging Technology,2003,27(2):104-109]

3 刘俊民,彭平安,黄开权,等。改进评价生油岩有机质含量的CARBOLOG法及其初步应用[J]。地球化学,2008,37(6):581-586[Liu Junmin,Peng Ping'an,Huang Kaiquan,et al.An improvement in CARBOLOG technique and its preliminary application to evaluating organic carbon content of source rocks[J]。Geochimica,2008, 37(6):581-586]

4 王贵文,朱振宇。烃源岩测井识别与评价方法研究[J]。石油勘探与开发,2002,29(4):50-52[Wang Guiwen,Zhu Zhenyu.Logging identification and evaluation Cambrian-Ordovician source rocks in syneclise of Tarim basin[J]。Petroleum Exploration and Development, 2002,29(4):50-52]

5 Meyer B L,Nederlof M H.Identification of source rocks on wireline logs by density/resistivity and sonic transit time/resistivity cross plots [J]。AAPG Bulletin,1984,68(2):121-129

6 Fertl W H,Chillnger G V.Organic carbon content determined from well logs[J]。SPE Formation Evaluation,1988,3(2):407-419

7 王鹂,唐成磊,王飞。Δlg R技术在烃源岩评价中的应用[J]。断块油气田,2009,16(2):52-54[Wang Li,Tang Chenglei,Wang Fei.Application ofΔlog R technology in hydrocarbon source rocks evaluation [J]。Fault-block Oil&Gas Field,2009,16(2):52-54]

8 张小莉,沈英。吐哈盆地侏罗系煤系地层烃源岩的测井研究[J]。测井技术,1998,22(3):183-185[Zhang Xiaoli,Sheng Ying.Study on the source rock of Jurassic coalmeasure strata in Tulufan-Hami Basin by logs[J]。Well Logging Technology,1998,22(3):183-185]

9 张立鹏,边瑞雪,杨双彦,等。用测井资料识别烃源岩[J]。测井技术,2001,25(2):146-152[Zhang Lipeng,Bian Ruixue,Yang Shuangyan,et al.Identifying hydrocarbon source rock with log data [J]。Well Logging Technology,2001,25(2):146-152]

10 闫建平,蔡进功,赵铭海,等。运用测井信息研究烃源岩进展及其资源评价意义[J]。地球物理学进展,2009,24(1):270-279 [Yan Jianping,Cai Jingong,Zhao Minghai,et al.Advances in the study of source rock evaluation by geophysical logging and its significance in resource assessment[J]。Progress in Geophysics,2009,24 (1):270-279]

11 朱振宇,刘洪,李幼铭。ΔlogR技术在烃源岩识别中的应用与分析[J]。地球物理学进展,2003,18(4):647-649[Zhu Zhenyu, Liu Hong,LiYouming.The analysis and application ofΔlogRmethod in the source rock's identification[J]。Progress in Geophysics, 2003,18(4):647-649]

12 Passey Q R,Creaney S,Kulla J B.A practical model for organic richness from porosity and resistivity logs[J]。AAPG Bulletin,1990, 74(5):1777-1794

13 张立强,罗晓容,何登发,等。准噶尔盆地南缘下白垩统层序界面的识别[J]。沉积学报,2004,22(4):636-613[Zhang Liqiang, Luo Xiaorong,He Dengfa,et al.Sequence boundaries of the Lower Cretaceous,Southern Junggar Basin[J]。Acta Sedimentologica Sinica,2004,22(4):636-643]

14 卢双舫,庞雄奇,李泰明,等。干酪根型值化的探讨[J]。天然气工业,1985,6(3):17-23[Lu Shuangfang,Pang Xiongqi,Li Taiming,et al.A discussion on the digitalization of kerogen types[J]。1985,6(3):17-23]

15 Lin JL,Salisch H A.Determination ofpotentialyield and volatile hydrocarbons from well logs in potential source rocks[J]。Society of Petroleum Engineers,1993,27626

M odels for Calculating Organic Carbon Content from Logging Information:Com parison and Analysis

HU Hui-ting1LU Shuang-fang1,2LIU Chao1,3WANGWei-ming1,2WANGMin1,2LIJi-jun1,2SHANG Jiao-hui1
(1.College of Earth Sciences,Northeast Petroleum University,Daqing,Heilongjiang 163318; 2.Key Laboratory of M echanism of Hydrocarbon Reservoirs and Resource Assessment,Northeast Petroleum University, Daqing,Heilongjiang 163318; 3.Oil Recovery Plant No.4,Daqing Oilfield Corp.Ltd.,Daqing,Heilongjiang 163355)

Δlog R model iswidely used in calculating organic carbon content in the pastwith the stepwise regression modelwhich seldom selected.Stepwise regressionmodel is superior to othermodels,the paper has proved it from both theory and practice and provided guidance for the further use of the model.So the paper can be divided into three parts.

Part ofmodel analysis and comparison:In the paper,Δlog R model,improvedΔlog R model and stepwise regression model are analyzed.The article is arranged as follows:firstly,introduceΔlog R model briefly;secondly, bring in improvedΔlog R model on the basis of deficiencies ofΔlog R model;Finally,present stepwise regression modelmake up the shortageswhich improvedΔlog R faced.The paper beginswithΔlog R model,pointing out its deficiencies on convenience、objectivity and applicability from the aspects of baseline value,background value of TOC, composite coefficient K,maturity parameter;ImprovedΔlog R model is achieved under the principle ofΔlog R model, it ismore concise and objective by establishing functional relation between organic carbon content and logging data.But improvedΔlog R model use only two curves(acoustic transit time and resistivity)to calculate TOC,the calculating results sometimes are not satisfactory.This paper attempts to calculate organic carbon content from a variety of log curves and stepwise regressionmodel is presented.Stepwise regressionmodel ismore flexible and objective because it filters logging curves which are closely related to organic carbon content based on actual situation。

Part of examples and analyses:In this part,we compare threemodelswith examples and demonstrate the superiority of the stepwise regressionmodel from both theoretic and practice.It is easy to know from themodel analysis part that improvedΔlog R model is superior toΔlog R model on convenience,objectivity and applicability.From the form of equation we can see thatΔlog R model is a special form of stepwise regressionmodel.So,stepwise regressionmodel is better than other twomodels theoretically;Examples in the paper also show that calculating results of stepwise regression model aremore accurate because of its advantage in logging variables selection and combination。

Part of suggestions and precautions:we suggest using stepwise regression model to calculate TOC from logging curves.Themethod which divided large blocks into several small blocks based on sedimentary data is recommended.Log response of TOC is susceptible to interfering factors underground,some interfering factors can made certain logging curves unable to reflect organic carbon content and are excluded from the function.It is difficult to establish a universal formula for the whole block because the interfering factors vary from place to place.It is reasonable to divide large blocks into several small blocks because the factorswhich impact the logging response of organic carbon are similar in the same small blocks and these factors cancel each other to some extent.At last,we pointout some precautions including incompact sediments,poor borehole,low porosity(tight)intervals,depth and lithology and so on。

logging;source rock;organic carbon content;stepwise regression;Δlog R,improvement;optimization

胡慧婷 女 1983年出生 博士研究生 石油地质 E-mail:hht-214@163。com

P593

A

1000-0550(2011)06-1199-07

①国家自然科学基金项目(批准号:41172134)及黑龙江省研究生创新科研项目(YJSCX2011-097HLJ)资助。

2010-04-20;收修改稿日期:2010-08-20