X凹陷P层组烃源岩测井评价方法研究

刘继龙

(1. 东北石油大学 地球科学学院，黑龙江 大庆 163318； 2. 非常规油气成藏与开发省部共建国家重点实验室，黑龙江 大庆 163318)

烃源岩评价是含油气盆地油气资源评价的重要基础，但烃源岩样品的地化测试受样品来源、分布及测试费用等因素的共同限制，而烃源岩测井评价不受岩石样品限制，且具有纵向分辨率高等优点，因此得到了广泛的应用。在烃源岩测井评价中，总有机碳含量是评价烃源岩生烃潜力的一个重要指标，他可以用来确定生油岩，指示有机质丰度，判断生油效率、转化效率和演变程度[1]，因此，总有机碳的测井评价得到广泛的应用。

20世纪90年代开始，人们就开始应用测井资料对烃源岩的有机质丰度进行定量解释[2]，由此产生了许多TOC定量计算的方法，包括密度法[3]、双孔隙度法、碳氧比测井法[4-5]、多元回归法[6]、自然伽马法[7]以及△logR法[2]，与此同时，国内学者在烃源岩测井评价方面也开展了大量研究，一些学者将△logR法引入到我国各盆地烃源岩的研究中，并取得了不错的研究成果[8-12]，在△logR法研究的基础上，部分学者利用改进的△logR法对烃源岩进行评价，但整体上△logR法仅适用于高成熟度的烃源岩。胡慧婷等[13]对利用改进的△logR法对烃源岩进行测井评价，提高了模型的计算精度。印长海等[14]通过修改模型系数，引入新的测井参数，提出变系数的△logR方法，从而提高了△logR方法对陆相地层有机质评价的适应性。霍秋立等[15]通过引进新的△logR基线表达式，实现基线的全自动拟合，使其受人为因素的影响降低。此外随着人工智能的兴起，部分学者利用人工智能进行烃源岩测井评价。主成分分析法[16]、神经网络法[17]以及支持向量机法[18]等人工智能的方法已经能够得到成熟的应用。

烃源岩具有较强的非均质性，受X凹陷取心样品数量的影响。利用测井资料的纵向分辨率高、测量连续性强的特点，以X凹陷的测井资料、岩心资料为依据，分别采用单因素模型、回归模型、主成分分析模型、神经网络模型，建立一套适用于该地区的烃源岩TOC定量评价模型。

1 地质背景

研究区位于X凹陷的北部，通过研究X凹陷的测井资料和录井资料，确定该区域岩性主要以泥岩和碳质泥岩为主。该地区的烃源岩岩心实测TOC介于0.1%～14%之间，不同样品的TOC差别较大，表现出很强的非均质性。

传统的观点认为，成熟烃源岩具有“三高”的测井响应特征，即高自然伽马，高声波时差，高电阻率，因此，选定研究区的P层组的两种类型的烃源岩层，归纳二者的测井响应特征，以岩心分析资料为基础，对该地区两类烃源岩层的测井响应特点进行对比(见表1)。

表1 X凹陷P层组2类烃源岩测井评价方法特点

从烃源岩的测井响应特征来看，泥岩和碳质泥岩的测井响应相当，因此进行烃源岩测井评价时，将二者归为一类。

2 有机碳含量计算方法

由于研究区本身取心井就很少，而且烃源岩化验分析样品更是微乎其微，因此建立有效的TOC测井评价方法就显得极为重要。因此，本文在实验分析数据的基础上，考虑运用多种方法对研究区的TOC进行定量评价，以达到准确求取TOC的目的。

2.1 单因素分析法

单因素法主要通过TOC与单条测井曲线关系来评价TOC，其具有快速直观、简便高效的特点，同时在单条曲线与TOC相关性差的情况下，往往具有较大的误差。在实验分析数据的基础上，分别绘制了TOC与声波时差(AC)、中子(CNL)、密度(DEN)、伽马(GR)、电阻率(RT)的交会图(见图1～5)。从图1～5中可以看出：总有机碳含量与声波时差的相关性最好，与密度的相关性较好。因此，选用TOC与声波时差的拟合公式作为单因素法计算TOC的公式(见表2)。

2.2 △logR法

自从Passey等提出△logR法后，△logR法一直在烃源岩定量评价中发挥着重要的作用。该方法能够排除岩性的影响，因此，得到广泛的应用。但是同时存在一定的不足。首先，基线值难以确定；其次就是成熟度指数难以确定。本文根据给定的资料，确定烃源岩基线处的数值为：RT=4 Ω·m，ACline=72 μs/ft，从而建立了TOC与△logR的交会图(见图6)。从图6中可以看出：TOC与△logR的相关性很差，因此，本研究区不考虑使用△logR法。

2.3 多元回归分析法

多元回归方法同时考虑多个变量，相关性明显高于单因素法，原理简单、操作方便，同时，多元回归方法结果会趋于平均值，会对较低值估计过高，而对较高值估计过低。本文基于单因素建立的TOC测井响应交会图，选取对TOC敏感性较好的两因素AC和CNL建立TOC定量评价的多元回归分析模型(见表2)。

图1 TOC与声波时差交会图

图2 TOC与中子交会图

图3 TOC与密度交会图

2.4 主成分分析法

考虑到化验分析得到的TOC含量受到多种因素的影响，需要综合考虑多种因素的共同作用，因此综合考虑自然电位、自然伽马、声波时差、中子、密度、电阻率等因素，建立TOC定量预测模型(见表2)。

图4 TOC与GR交会图

图5 TOC与电阻率交会图

图6 TOC与△logR交会图

项目TOC定量预测模型相关系数均方根误差单因素方程TOC=0.4088AC-25.3060.68515.23%多元回归公式TOC=20.38208+0.274427AC-14.2656DEN0.70014.59%PCA模型TOC=18.0865+0.3918AC+18.601CNL-19.8064DEN-0.0158GR+0.0959RT-0.1339SP—11.59%神经网络模型——2.08%

图7 单因素法计算TOC与实测TOC比较

图8 多元回归法计算TOC与实测TOC比较

图9 PCA法计算TOC与实测TOC比较

2.5 神经网络法

TOC与测井曲线间的映射关系很难用简单的线性来描述，而神经网络方法存在非线性的优越性，因此考虑采用神经网络法进行TOC的定量评价。输入的测井曲线为声波时差、中子、密度、自然伽玛、电阻率以及TOC数据，选取径向基函数建立相应的神经网络模型，而后输入相应的测井曲线，进行求取相应的TOC(见表2)。

图10 神经网络法计算TOC与实测TOC比较

从表2中可以看出：神经网络模型计算TOC的均方根误差最小，为2.08%；其次是PCA模型，均方根误差为11.59%，再次是单因素方程(均方根误差为15.23%)以及多元回归公式(均方根误差为14.59%)。

3 有机碳定量计算结果分析

△logR法在该研究区由于相关性较差，因此不再适用，单因素分析模型中，TOC与声波时差相关性为0.685，回归模型的相关系数为0.70，因此可作为计算TOC含量的公式；对于主成分分析模型和神经网络模型，二者的均方根误差较低，分别为11.59%和2.08%，因此可以作为TOC计算的模型，通过比较4种方法，分别见图8～11。结果表明：用神经网络建立的测井评价模型对X凹陷进行烃源岩测井评价具有较好的应用效果(见图11)。

图11 X凹陷实测TOC与计算TOC对比

4 结 论

1)分别采用单因素法、PCA法、多元回归分析法以及神经网络法建立X凹陷的烃源岩定量评价模型，建立的TOC计算模型都能够有效地评价研究区烃源岩的TOC含量。

2)通过对比4种TOC计算模型计算值与实测值发现，单因素模型的均方根误差为15.23%，回归方程的均方根误差为14.59%，PCA模型的均方根误差为11.59%，神经网络模型的平均均方根误差仅为2.08%，模型精度最高，可用于研究区的烃源岩的准确预测。

3)分别利用单因素法、PCA法、多元回归法以及神经网络法计算G井TOC含量，对比发现：单因素法、PCA法以及多元回归分析法计算的TOC数值对于TOC含量小的样品往往计算值偏大，对于TOC含量大的样品则是计算值偏小，具有较大的计算误差；而对于神经网络模型，计算的TOC含量则较为稳定，结果更加精确，对于研究区烃源岩TOC识别具有较好的实用性，并且具有一定的应用效果。