天然气地球科学 >

2024 , Vol. 35 >Issue 3: 518 - 528

DOI: https://doi.org/10.11764/j.issn.1672-1926.2023.07.020

天然气勘探

湖相烃源岩有机碳含量测井预测——以渤海南部为例

  • 梁浩然 , 1 ,
  • 牛前 1 ,
  • 徐芳艮 1, 2 ,
  • 冯莉娅 1 ,
  • 徐国盛 1 ,
  • 王德英 3
展开
  • 1. 成都理工大学 油气藏地质及开发工程国家重点实验室，四川 成都 610059
  • 2. 四川羿能油气技术有限公司，四川 成都 610032
  • 3. 中海石油（中国）有限公司天津分公司，天津 300452

梁浩然（1991-），男，河南邓州人，博士，副研究员，主要从事油气地球化学与成藏研究.E-mail： .

收稿日期: 2023-05-26

  修回日期: 2023-07-26

  网络出版日期: 2024-03-07

收起

Prediction of total organic carbon content in lacustrine source rock by using well logs： Case study of southern Bohai Sea

  • Haoran LIANG , 1 ,
  • Qian NIU 1 ,
  • Fanggen XU 1, 2 ,
  • Liya FENG 1 ,
  • Guosheng XU 1 ,
  • Deying WANG 3
Expand
  • 1. State Key Laboratory of Oil and Gas Reservoir Geology and Exploitation，Chengdu University of Technology，Chengdu 610059，China
  • 2. Sichuan Yineng Oil and Gas Technology Co. Ltd. ，Chengdu 610032，China
  • 3. Bohai Oilfield Research Institute，Tianjin Branch，CNOOC，Tianjin 300452，China

Received date: 2023-05-26

  Revised date: 2023-07-26

  Online published: 2024-03-07

Supported by

The project of Key State Science and Technology Project(2016ZX05024-002-007)

the Project Natural Science Foundation of Sichuan Province(2022NSFSC1093)

the Science and Technology Project of Chengdu University of Technology University(CX2023-204)

the Fund of 2023 Youth Backbone Teachers of Chengdu University of Technology

Fold

摘要

有机碳含量 （TOC） 测井预测具有高纵向分辨率的特点，能够有效弥补海域钻井烃源岩样品取样数量不足的限制。烃源条件是控制渤海南部海域油气成藏的关键，为进一步明确渤南地区不同层段湖相烃源岩有机质丰度的纵向分布特征，研究依托多口钻遇大套烃源岩层段的钻井，通过多元统计法，采用“分井分层精细预测”的方式建立研究区内11口钻井的烃源岩TOC测井预测模型。传统的“多元回归法”TOC测井预测案例采用“进入法”完成预测，并未考虑误差分析，存在大量“假拟合”现象。此研究针对不同层段筛选最优测井参数组合模型，并应用“逐步回归法”规避了“假拟合”现象。研究表明，渤海南部海域发育大规模优质古近系湖相烃源岩，自沙三段上亚段至东营组沉积期，优质烃源岩分布随郯庐断裂右旋走滑作用的不断增强向北东方向迁移。

关键词： 湖相烃源岩; 测井预测; 逐步回归法; 有机碳含量; 渤海南部海域

本文引用格式

梁浩然 , 牛前 , 徐芳艮 , 冯莉娅 , 徐国盛 , 王德英 . 湖相烃源岩有机碳含量测井预测——以渤海南部为例[J]. 天然气地球科学, 2024 , 35(3) : 518 -528 . DOI: 10.11764/j.issn.1672-1926.2023.07.020

Abstract

Prediction of total organic carbon （TOC） content by using well logs is featured by high vertical resolution and covers the shortage of insufficient samples in the offshore wells. As the complexity of geological conditions and the strong heterogeneity of lacustrine source rocks in the southern Bohai Sea， the controlling effect of source rock on petroleum accumulation has been recognized. In order to further reveal the organic matter abundance of lacustrine source rocks in the southern Bohai Sea， the prediction models of TOC in different layers of eleven wells were established by using multiple statistic method. The Enter method was always used in traditional regression method during the modelling. Enter method may lead to the phenomenon of Fake fitting as the inconsideration of error analysis. Stepwise method， in which the optical combination of logging parameters were selected and the Fake fittings were completely avoided， was employed in present work to replace Enter method. The results showed that high-quality Paleogene lacustrine source rocks in large scale were developed in the Southern Bohai Sea. Moreover， the high-quality source rocks from the Upper sub-member of the third member of Shahejie Formation to Dongying Formation gradually moved northeastward as the intensification of dextral strike-slip of Tanlu Fault.

Key words： Lacustrine source rock; Logging prediction; Stepwise regression; Total organic carbon; Southern Bohai Sea

0 引言

受资金成本、采样条件及实验周期的影响，海上钻井烃源岩样品及分析测试资料数量有限且分布不均，难以为烃源岩品质的系统评价提供充足的信息。而有机碳含量（TOC）测井预测具有纵向分辨率高的特点，可提供TOC在纵向上的连续变化曲线，不仅有效弥补了海上钻井烃源岩样品不足的缺陷，也为TOC三维数据体的井—震联合反演搭建了桥梁。
烃源岩由岩石骨架、有机质及地质流体3个部分组成。基于有机质在测井参数上独特的响应特征，可建立有机碳含量与测井属性之间的数学关系模型。自20世纪40年代以来，国内外学者［1-6］对烃源岩测井预测进行了大量探索，由单参数至多参数、从简单的加减关系至复合运算关系的TOC测井预测模型层出不穷。目前，已报道的TOC测井预测方法可划分为以下四大类，且不同方法优势与局限各不相同（表1）：①△LogR法（及其改进方法）。此方法基于有机质导电性差、声波速度低的特点，将电阻率曲线及声波时差曲线以一定方式重叠，从而实现烃源岩的快速识别，并完成TOC曲线的计算［3］。一些学者对原始模型进行了改进，提出了变（叠合）系数的△LogR法，弥补了基线难以判定的不足［7］，但该方法仅涵盖电阻率与声波时差参数，能够揭示的地质信息有限。此外，该方法默认声波时差、电阻率与烃源岩之间具有良好的响应关系，未考虑烃源岩非均质性对测井参数带来的不确定性影响。②多元回归法。这类方法基于有机质含量与多类测井参数的线性关系（测井响应特征），通过多元回归软件建立TOC多元测井参数的预测模型［8］。③神经网络法及向量机法。该类方法为近些年来出现的、较为新颖的测井预测手段，该方法无需确定测井参数与TOC间的具体数学关系方程，仅凭机器强大的自动学习及训练功能，即可获得与期望值最近接的预测结果，但训练所需的数据量较大，需以大量实测数据作为支撑［9-13］。④此外，除上述方法外，岩性扫描测井法是近年来较为新颖的一类测井预测方法，可直接计算获取地层中的总有机碳含量与无机碳含量分布，但受技术来源及经济成本上的多重限制，这类方法的应用极为有限，仅在个别研究案例中出现［14-15］。
表1 不同类别预测方法优缺点对比

Table 1 Comparison of advantages and disadvantages of different predicted methods

运算方法 优势 限制
△LogR法（及其改进方法） 不依赖实测TOC，可快速识别烃源岩 电阻率与声波时差揭示信息有限；默认有机质与所述测井参数响应良好
多元回归法 一定数据量便可实现多参数建模，实用性强 可能出现假拟合
神经网络法及向量机法 数据挖掘能力强，擅长寻找非线性复杂关系 需要大量实测数据参与训练
岩性扫描测井 可直接反映总有机碳含量 技术来源及经济成本上多重限制
近年来，我国渤海海域油气勘探成效显著，围绕渤海南部海域莱州湾凹陷、黄河口凹陷探明了多个亿吨级大油田，如垦利10-2、垦利6-1、渤中36-1［16-17］。源控论是我国陆相油气勘探的重要指导理论，而烃源条件的研究始终是近海油气成藏分析的前提。尽管渤海南部海域已获得较多勘探发现，但目前关于烃源岩方面的研究程度仍然有限，多侧重于单井烃源岩样品的有机地球化学特征分析［18-24］，而对烃源岩分布的案例较少［25］。为进一步揭示莱州湾凹陷烃源岩在纵向上的分布特征，同时考虑到研究区海域钻井样品数量较为有限的现状，本文研究拟采用多元回归法建立渤海南部海域古近系湖相烃源岩TOC测井预测模型，拟通过“分井分层段精细预测”的方式，采用“逐步回归法”建立各井不同烃源岩层段的TOC预测模型，并对预测结果进行分析、探讨。

1 区域地质背景

渤海湾盆地是在太古界—古元古界结晶基地上形成的中—新生代裂陷盆地，也是中国东部油气资源最为丰富的陆相盆地之一［26］。研究区地处渤海湾盆地东南部边缘，隶属渤海湾盆地的海域部分（南部），该区不仅是济阳坳陷向渤中坳陷的过渡区域，也是济阳坳陷向海域的自然延伸［图1（a）］。研究区由青东凹陷、莱州湾凹陷、庙西凹陷、黄河口凹陷（东洼）4个负向构造单元以及庙西北低凸起、庙西低凸起、渤南低凸起、莱北低凸起、潍北凸起、垦东凸起等多个正向构造单元组成［图1（b）］。
图1 渤海南部地质背景

（a）渤海湾盆地构造单元划分；（b）研究区构造格局

Fig.1 Geological settings in southern Bohai Sea

渤海南部海域新生代断裂纵横交织，研究区内发育叠合断裂体系（EW向伸展断裂、NNE向走滑断裂及伸展—走滑断裂），构造活动复杂。渤海南部海域新生代构造演化可划分为4个阶段：初始裂陷期、裂陷伸展期、走滑—伸展期及走滑—拗陷期，分别对应孔店组—沙四段沉积期、沙三段沉积期、沙二段—东营组沉积期与馆陶组—第四系沉积期（图2）。初始裂陷期与裂陷伸展期，研究区构造活动主要受近EW向伸展断裂的控制，而走滑—伸展期及走滑—拗陷期NNE向走滑断裂的活动更为强烈。
图2 渤海南部海域地层岩性柱状图

Fig.2 Stratigraphic column diagram of the southern Bohai Sea

2 测井响应特征及方法优选

2.1　烃源岩测井响应

有机质具有较为特殊的物理、化学性质，呈现高电阻率、高自然伽马、高中子孔隙度、高声波时差与低密度的特点（简称“四高一低”）。因此，以往的研究常认为富有机质岩石（烃源岩）亦具有上述“四高一低”测井响应特征，且烃源岩 TOC与电阻率、自然伽马、中子孔隙度、声波时差呈正相关，而与密度呈现负相关（简称“四正一负”）［27］。
实际上，烃源岩与测井属性间的响应关系不单单受控于岩石中赋存的有机质，也受到地质流体、岩性、压力等因素的影响。如当地层中存在超压时，压实程度较上覆与下伏地层明显降低，导致超压段地层在测井曲线上呈现密度“低异常”与声波时差的“高异常”，这与有机质的测井响应特征一致［28］。此外，烃类流体亦会引发电阻率的“高异常”的现象：即使烃源岩中的有机质已消耗殆尽，但若烃源岩中滞留了一定数量的、导电性极差的烃类流体，仍会导致电阻率测井曲线的响应呈现“高异常”［29］。而岩性的变化对有机质的测井响应特征亦具有一定影响：在吐哈盆地侏罗系煤系烃源岩中，煤岩有机质含量高但自然伽马值低，而泥岩与之相反，此外，煤与泥岩有机质含量均与自然伽马值呈现“负相关”［30］。
因此，传统研究提出的“四高一低”（或“四正一负”）的烃源岩测井响应特征并不具有普遍适用性，有机质以外的影响因素会一定程度干扰、模糊测井参数对烃源岩的识别、响应功能。渤海南部海域地处盆地边缘，在多期构造演化及剥蚀事件的影响下，沉积环境变迁频繁、地层非均质性强，导致烃源岩与测井参数的响应关系较为复杂。
研究区部分钻井的烃源岩TOC测井响应特征如图3所示。L102A井Ed—Es 3 U的TOC与5类测井参数间均呈现一定程度的正相关关系［图3（a）—图3（e）］。与Ed—Es 3 U不同，L102A井Es 3 M-L中的TOC与密度、电阻率间并无明显关联，但与自然伽马、声波时差及中子孔隙度呈现较强的正相关性［图3（f）—图3（j）］。L101井Es 3 M-L展示出“三正两负”的TOC测井响应特征，即TOC与声波时差、电阻率及中子孔隙度具有显著的正相关关系，与自然伽马及密度则显示出较强的负相关性［图3（k）—图3（o）］。图3（k）中L101井自然伽马与TOC呈现的负相关关系或与其成熟度有关。图3中L102井烃源岩R O值仅为0.5%，而L101井Es 3 M-L烃源岩R O值已达0.7%，随着成熟度的增加，烃源岩腐殖质含量递减，对反射性元素的吸附性也有所降低［30］，最终导致了图3（k）中的负相关现象。上述证据表明，研究区同一钻井不同层位或不同钻井相同层位的TOC测井响应特征存在显著差异，这意味着对TOC响应较为敏感的测井属性类别并不固定。
图3 渤海南部海域部分钻井TOC测井响应特征

注：GR为自然伽马；DEN为密度；DT为声波时差；RT为电阻率；CNL为孔隙度

Fig.3 TOC logging response characteristics of some drilling wells in southern Bohai Sea

图3中同一钻井不同层位TOC测井响应特征的差异性或受控于沉积环境，研究区钻井钻遇的古近系上部地层（Ed—Es 2或Ed—Es 3 U）多为辫状河三角洲相或扇三角洲相沉积，砂岩含量占比高。而半深湖—深湖相沉积仅在研究区古近系下部地层（Es 4或Es 3 M-L）钻遇，以大套泥岩为主。这种沉积环境、岩性组合的差异直接影响了岩石物理特征，导致了不同层段TOC测井响应特征的差异。
因此，需针对研究区各钻井不同层段的TOC测井响应特征，因地制宜地建立其专属的TOC测井预测模型。

2.2　方法优选及预测模型

2.2.1　 TOC测井预测方法优选及调整

在各类方法中，以△LogR法最为快速便捷，应用最为广泛，但该方法亦存在较大缺陷：一方面，预测模型中 TOC的背景值难以确定，需人为设置，这无疑增加了预测结果的不确定性。另一方面，在实际地层条件下，TOC与电阻率、声波时差之间的响应特征并不固定，TOC与二者并非总是呈现显著的响应关系。在△LogR法中，烃源岩实测TOC值并未参与预测模型的建立，无法对预测模型进行有效修正，因而难以保证预测结果的客观性及有效性。
神经网络法及向量机法作为新出现的预测方法，具有预测精度极高的特点，其拟合度常常超过90%，但高精度预测模型的建立需以大量实测地球化学数据及测井数据为保障，方能满足机器的训练、学习过程需求，导致该方法难以大量应用于样品较为稀缺的海上钻井。
而相较前2类方法，多元回归法的适用范围更广，不仅涵盖了电阻率、声波时差、自然伽马等多种测井属性，蕴含的地质信息更为丰富，而且无需以大量的地球化学数据为基础便可建立拟合精度较高的测井预测模型。
综上所述，多元统计法更加适用于本文研究中对烃源条件更为依赖且样品较为稀缺的海域钻井。需要注意的是，前人研究普遍采用“进入法”获得TOC测井预测模型，“进入法”为多元线性回归中较为常用的一类方法，其在不考虑误差分析的前提下，强制性地将所有自变量纳入最终的预测模型，即便在样本数极少的情况下，亦能建立“高拟合度”（实为假/过拟合）的预测模型。而相较“进入法”，“逐步回归法”具明显优势，该方法基于试错法不断筛选与因变量（TOC）相关性最为显著且预测误差最小的自变量，通过优选的自变量组合，建立自变量与因变量的数学关系模型。
本文研究以L101井Es 3 M-L为例，对比了2种方法的TOC测井预测结果（表2）。其中，“逐步回归法”从5类测井参数中自动排除了对TOC影响较小且误差较大测井参数（GR、DEN、CNL），仅保留了DT与RT，筛选后的预测模型精度较“进入法”有所提升，R 2达到0.900。此外，DT与RT的Sig值远小于0.05，表明模型中2类测井参数对TOC具有显著影响，模型具有统计学意义。上述证据显示，“逐步回归法”不仅最大程度上明确了与TOC响应最为显著的测井参数，而且有效规避了“假拟合”现象，弥补了传统TOC测井预测研究案例中运算方法（“进入法”）的不足，能够更为客观地揭示TOC在纵向上的分布规律，具有较大推广价值。
表2 L101井Es 3 M-L烃源岩TOC测井预测模型对比

Table 2 Comparison of TOC logging prediction models for Es 3 M-L, Well L101

运算方法 建模参数 系数 Sig R 2
进入法 GR -0.016 0.525 0.880
DT 0.062 0.535
RT 0.107 0.425
DEN -6.664 0.525
CNL 7.442 0.761
常数 11.714 0.698
逐步回归法 DT 0.113 0.000 0.900
RT 0.197 0.015
常数 -9.557 0.000

注：Sig为显著性水平；R 2为调整后表征拟合优度的确定系数

鉴于研究区湖相烃源岩测井响应特征的特殊性，本文研究特采用“分井分层段精细预测”的方式，通过多元统计法中的“逐步回归法”建立研究区古近系湖相烃源岩的TOC预测模型。

2.2.2　 TOC测井预测模型

渤海南部海域11口钻井古近系不同层段烃源岩的TOC测井预测模型如表3所示，这些钻井分布于斜坡带或近洼陷区（图1），能够一定程度揭示烃源岩的变化特征。不同钻井及不同烃源岩层段间的预测模型差异悬殊，参与建模的测井属性及最终建立的数学关系模型各不相同，这也再次印证了研究区地质条件的复杂性。
表3 研究区古近系烃源岩TOC测井预测模型

Table 3 TOC well logging predicted model of Paleogene source rocks in study area

凹（洼）陷 钻井 层位 拟合公式 R 2
庙西凹陷 M143 Ed—Es 1 T O C = 0.796 × D T + 0.053 × R T + 0.002 0.925
M146 Ed—Es 1 T O C = 0.043 × D T - 0.018   3 × G R + 5.837 × D E N - 15.584 0.856
黄河口凹陷 H253 Ed—Es 2 T O C = 1.451 × R T + 21.494 × C N L + 0.037 × G R - 12.869 0.816
Es 3 T O C = 0.369 × R T - 12.506 × D E N + 32.324 0.738
莱州湾凹陷 L642 Ed—Es 3 U T O C = 2.083 × R T - 2.943 0.779
Es 3 M-L T O C = 0.348 × D T - 27.018 × C N L + 0.454 × R T - 24.413 0.710
L111 Ed—Es 3 U T O C = 1.007 × R T - 0.144 0.716
Es 3 M-L—Es 4 T O C = 15.331 × C N L - 0.108 0.743
L171 Ed—Es 2 T O C = 0.018 × G R - 0.908 0.790
Es 3 M-L T O C = 0.205 × G R - 12.884 0.775
L101 Ed—Es 3 U T O C = - 22.856 × D E N + 59.251 0.734
Es 3 M-L T O C = 0.113 × D T + 0.197 × R T - 9.557 0.900
L102 Ed—Es 3 U T O C = 0.023 × G R - 1.264 0.718
Es 3 M-L—Es 4 T O C = 0.104 × D T + 0.392 × R T - 9.691 0.762
L103 Ed—Es 3 U T O C = - 1.098 × R T + 3.134 0.718
Es 3 M-L—Es 4 T O C = 0.231 × D T + 12.481 × D E N + 0.357 × R T - 0.088 × G R - 42.015 0.873
青东凹陷 Q201 Ed—Es 2 T O C = - 0.497 × R T - 0.024 × G R + 3.481 0.755
Es 3 M-L—Es 4 T O C = 0.676 × R T - 0.017 × G R + 0.195 × C N L - 4.386 0.807
Q203 Ed—Es 3 U T O C = 5.045 × D E N - 11.075 0.720
Es 3 M-L—Es 4 T O C = 7.695 × D E N + 0.058 × D T - 0.046 × G R - 19.353 0.778
表3显示，各井研究区TOC预测模型R 2介于0.71~0.93之间，且均已通过显著性检验，预测结果能够有效揭示烃源岩TOC的变化特征。通过统计、对比TOC实测值与相应的TOC测井预测值之间的数学关系［图4（ a）］ ，TOC实测值与测井预测值所拟合的趋势线斜率为0.879，相关系数达到0.75，证明TOC测井预测值整体与实测值较吻合，拟合效果良好。与此同时，对TOC测井预测值的误差情况也进行了相关统计［图4（b）］：约半数的样本相对误差在20%以内，约2/3的样本相对误差不超过40%，仅少部分样品的误差较大。基于以上分析，认为渤南地区古近系烃源岩TOC测井预测的精度整体较高，相对误差较小，TOC测井预测结果可客观、真实地反映单井TOC在纵向上的变化特征。
图4 渤海南部边缘凹陷烃源岩TOC实测值—TOC预测值交会图（a）和误差分析（b）

Fig.4 Measured TOC-predicted TOC of source rocks from the southern margin sag of Bohai Sea（a） and error analysis（b）

3 烃源岩品质特征及分布

渤海南部海域古近系不同层段烃源岩有机质类型以Ⅱ—Ⅲ型为主，部分为Ⅰ型，且钻遇的烃源岩成熟度普遍较低［31］。鉴于此，本文研究应用未成熟—成熟阶段Ⅱ—Ⅲ型湖相泥质烃源岩的评价标准［32］，对TOC测井预测结果进行探讨，揭示研究区不同钻井古近系烃源岩品质的变化规律。
研究区古近系TOC测井预测联井图显示（图5），青东凹陷钻井揭示的古近系有机质丰度整体偏低，而其余凹陷钻井有机质丰度相对较高。其中，青东凹陷钻井揭示Ed—Es 2为非烃源岩，TOC值极低（<0.5%）。而Es 3 U与Es 4 L烃源岩品质亦较差，TOC预测值大多低于1%，为非—差品质烃源岩。仅Es 3 M-L—Es 4 U呈现TOC相对高值，但该段TOC预测值大多低于2.5%，为差—中等品质烃源岩。
图5 渤海南部边缘凹陷烃源岩TOC测井预测

Fig.5 TOC logging prediction of source rock in southern margin sag of Bohai Sea

莱州湾凹陷钻井揭示的古近系有机质丰度明显高于青东凹陷（图5），TOC预测值最高值可达8%。但Ed—Es 2 的TOC预测值较低，该段大多为非烃源岩，仅L111井与L642井呈现微弱的TOC高值。大多数钻井Es 3 U的TOC值亦较低，以非—差品质烃源岩为主，仅L642井（莱州湾凹陷东北洼）TOC预测值较高（接近4%），为很好品质的烃源岩。莱州湾凹陷钻井揭示的古近系TOC高值段位于Es 3 M-L—Es 4 U，预测值介于1%~8%之间，表明该段为中等—很好品质的烃源岩。而Es 4 L的TOC值亦较低，仅发育小规模烃源岩且品质不佳。
黄河口凹陷东洼几乎未沉积E s 4，单井TOC预测结果表明，Es 3 M-L与Es 1-2有机质丰度相对较高（图5）。Es 3 M-L烃源岩主要为中等—很好品质的烃源岩，TOC测井预测值普遍介于1%~5%之间，预测均值可达3.13 %。Es 1-2的TOC预测值与Es 3 M-L的较为接近，TOC均值亦达到3.09%。尽管其Ed有机质丰度相对较低，但TOC预测均值达到1.33 %，远高于青东凹陷及莱州湾凹陷的钻井。
庙西凹陷M143井与M146井揭示了古近系上部的烃源岩（Ed与Es 1-2）品质的变化规律，该区并未有效沉积Es 3与Es 4。TOC预测结果显示（图5），庙西凹陷Ed的TOC预测值在研究区内相对最高， M143井与M146井Ed的TOC预测均值分别达到1.36%与1.76%，主要发育中等品质的烃源岩。此外，M143井与M146井Es 1-2的TOC预测均值分别为0.75%与1.87%，表明Es 1-2烃源岩以中等品质为主。
为了更加直观地反映不同钻井烃源岩品质及规模的变化，本文研究对各井不同层段烃源岩的TOC预测均值与有效烃源岩厚度进行了对比（图6，图7）。钻井揭示的古近系深层烃源岩（Es 3与Es 4）主要分布于研究区中—南部，并以Es 3 M-L与Es 4 U烃源岩品质最优（图6），单井揭示的Es 3 M-L烃源岩规模相对更大，有效烃源岩厚度可达700 m，而Es 4 U有效烃源岩厚度普遍不超过200 m（图6）。古近系上部烃源岩（Ed与Es 1-2）在研究区各井均有钻遇，其烃源岩品质整体逊色于Es 3 M-L与Es 4 U烃源岩，TOC值相对较低，但呈现“北优南差”的特点， TOC预测均值及有效烃源岩厚度高值主要分布于黄河口凹陷及庙西凹陷（图6，图7）。
图6 渤海南部古近系不同烃源岩层段TOC预测均值

Fig.6 Predicted TOC values of different Paleogene source rock segments in the southern Bohai Sea

图7 渤海南部古近系不同层段有效烃源岩厚度

Fig.7 Thinckness of Palaeogene source rocks from different layers in the southern Bohai Sea

尽管参与研究的11口钻井均位于洼陷边缘，未揭示洼陷中心的烃源岩品质及规模，但上述结论与前人在渤海湾盆地的沉积相及地层展布的研究结果较为吻合［33］，表明本文预测结果能够一定程度上揭示研究区古近系烃源岩特征的迁移规律。
古近系上部烃源岩“北优南差”的分布规律与郯庐断裂新生代的走滑活动密不可分。实际上，自Es 3 U沉积期以来，研究区烃源岩便呈现出一定的时空迁移规律（图6，图7）。自Es 3沉积末期（Es 3 U沉积期）起，研究区伸展断裂的活动强度不断减弱，而郯庐断裂的右旋走滑作用显著增强［33］。在这种应力背景下，渤海南部地区的沉积中心及沉降中心逐渐向北东方向迁移，导致优质烃源岩亦随之发生迁移。Es 3 U沉积期，研究区各钻井以L642井（莱州湾凹陷东北洼）的烃源岩最优，该段TOC测井预测均值高达3.55%，有效烃源岩厚度接近190 m。至Es 1-2沉积期，TOC及有效烃源岩厚度高值区进一步北移至H253井（黄河口凹陷东洼），该井Es 1-2的TOC预测均值达到3.09%，有效烃源岩厚度为244 m。而至Ed沉积期，优质烃源岩已向北迁移至M143井（庙西凹陷北洼），Ed烃源岩厚度达到537 m，TOC预测均值为1.76%。因此，基于“分层预测”与“逐步回归法”建立的TOC测井预测模型能够有效地揭示烃源岩TOC的变化特征，其预测结果与地质规律较为吻合。

4 结论

（1）本文TOC测井预测研究采用“分井分层精细预测”与“逐步回归法”建立了渤海南部海域近洼区11口钻井的高精度TOC测井预测模型：渤海南部海域不同区域、层段的古近系湖相烃源岩TOC测井响应特征差异悬殊。通过方法优选，本文研究采用“逐步回归法”，通过“分井分层精细预测”方案筛选出各井不同层段对TOC影响最为显著的测井参数组合，建立了TOC测井预测模型，模型拟合优度高，有效规避了前人多元统计法中出现的“假拟合”现象，可客观、有效地揭示烃源岩TOC分布特征。
（2）本文TOC测井预测结果揭示了渤海南部海域不同层系优质湖相烃源岩品质与分布的差异：研究区内发育大规模的优质古近系湖相烃源岩，钻井揭示的Es 3与Es 4烃源岩主要分布于研究区中—南部，以Es 3 M-L与Es 4 U烃源岩品质最好（TOC值高至8%）且规模大（可达700 m）。Ed与Es 1-2烃源岩在全区均有分布，但品质不及Es 3与Es 4，呈“北优南差”的特点。
（3）钻井TOC预测结果一定程度上揭示了渤海南部海域烃源岩的时空迁移规律：自Es 3 U沉积期以来，随着郯庐断裂右旋走滑作用的不断增强，沉积及沉降中心逐渐向北东方向迁移， 优质烃源岩亦随之迁移。至Ed沉积期，优质烃源岩已迁移至庙西凹陷北洼。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
1
HERRON S， LETENDRE L， DUFOUR M. Source rock evaluation using geochemical information from wireline logs and cores［J］. AAPG Bulletin， 1988，72（8）：1007-1009.

2
BEERS R F. Radioactivity and organic content of some Paleozoic shales［J］. AAPG Bulletin， 1945，29（1）：1-22.

3
PASSEY Q R， CREANEY S， KULLA J B， et al. A practical model for organic richness from porosity and resistivity logs［J］. AAPG Bulletin， 1990，74（12）：1777-1794.

4
徐思煌， 朱义清. 烃源岩有机碳含量的测井响应特征与定量预测模型——以珠江口盆地文昌组烃源岩为例［J］. 石油实验地质， 2010，32（3）：290-295.

XU S H， ZHU Y Q. Well logs response and prediction model of organic carbon content in source rocks： A case study from the source rock of Wenchang Formation in the Pearl Mouth Basin［J］. Petroleum Geology & Experiment， 2010，32（3）：290-295.

5
MEYER B L， NEDERLOF M H. Identification of source rocks on wireline logs by density/resistivity and sonic transit time/resistivity crossplots1［J］.AAPG Bulletin，1984，68（2）：121-129.

6
FERTL W H， CHILINGAR G V. Total organic carbon content determined from well logs［J］.SPE Formation Evaluation， 1988，3（2）：407-419.

7
刘超， 印长海， 卢双舫. 变系数ΔLgR烃源岩测井评价技术关键参数厘定方法及应用［J］. 天然气地球科学， 2015，26（10）：1925-1931.

LIU C， YIN C H， LU S F. Predicting key parameters for variable-coefficient ΔLgR logging technique and its application in source rocks evaluation［J］. Natural Gas Geoscience， 2015，26（10）：1925-1931.

8
罗帆， 徐国盛， 梁浩然， 等. 渤南青东凹陷烃源岩有机碳含量测井预测模型［J］. 成都理工大学学报（自然科学版）， 2020，47（5）：604-611.

LUO F，XU G S，LIANG H R，et al.Logging prediction model of organic carbon content in source rock in the Qingdong Sag， Bonan Basin，China［J］.Journal of Chengdu University of Technology（Science & Technology Edition），2020，47（5）：604-611.

9
李宁， 徐彬森， 武宏亮， 等. 人工智能在测井地层评价中的应用现状及前景［J］. 石油学报， 2021，42（4）：508-522.

LI N， XU B S， WU H L， et al. Application status and prospects of artificial intelligence in well logging and formation evaluation［J］. Acta Petrolel Sinica， 2021，42（4）：508-522.

10
卢妍欣， 包书景， 周志， 等. 高热演化页岩总有机碳地球物理预测方法研究进展［J］. 地球物理学进展， 2022， 38（1）： 1-14.

LU Y X， BAO S J， ZHOU Z，et al. Research progress of geophysical prediction methods for total organic carbon in high-thermal evolution shale［J］. Progress in Geophysics， 2022， 38（1）： 1-14.

11
王宵宇， 谢然红， 毛治国， 等. 基于集成学习的烃源岩总有机碳含量测井评价方法研究［J］. 地球物理学进展， 2021， 37（2）：1-13.

WANG X Y， XIE R H， MAO Z G， et al. Research on logging evaluation method of total organic carbon content of source rock based on ensemble learning［J］. Progress in Geophysics， 2021， 37（2）：1-13.

12
SHALABY M R， JUMAT N， LAI D， et al. Integrated TOC prediction and source rock characterization using machine learning，well logs and geochemical analysis：Case study from the Jurassic source rocks in Shams Field，NW Desert，Egypt［J］.Journal of Petroleum Science & Engineering，2019，176：369-380.

13
李宁，徐彬森，武宏亮，等. 人工智能在测井地层评价中的应用现状及前景［J］. 石油学报， 2021，42（4）：508-522.

LI N， XU B S， WU H L， et al. Application status and prospect of artificial intelligence in logging formation evaluation［J］. Acta Petrolei Sinica， 2021，42（4）：508-522.

14
贺聪， 苏奥， 张明震， 等. 鄂尔多斯盆地延长组烃源岩有机碳含量测井预测方法优选及应用［J］. 天然气地球科学， 2016，27（4）：754-764.

HE C，SU A，ZHANG M Z， et al. Optimal selection and application of prediction means for organic carbon content of source rocks based on logging data in Yanchang Formation， Ordos Basin［J］.Natural Gas Geoscience，2016，27（4）：754-764.

15
LAI J， WANG G， FAN Q， et al. Geophysical well-log evaluation in the era of unconventional hydrocarbon resources： A review on current status and prospects［J］. Surveys in Geophysics， 2022，43（3）：913-957.

16
薛永安， 杨海风， 王航， 等. 渤海莱州湾凹陷深洼带垦利10-2新近系大型油田发现与意义［J］. 中国海上油气， 2022，34（1）：17-26.

XUE Y A， YANG H F， WANG H， et al. Discovery and significance of KLI0-2 Neogene large oilfied in deep subsag zone of Laizhouwan Sag，Bohai Sea［J］.China Offshore Oil and Gas，2022，34（1）：17-26.

17
薛永安. 渤海海域垦利6-1油田的发现与浅层勘探思路的重大转变［J］. 中国海上油气， 2021，33（2）：1-12.

XUE Y A. Discovery of KL 6-1 oilfield and great change of shallow strata exploration ideas in Bohai Sea［J］.China Offshore Oil and Gas， 2021，33（2）：1-12.

18
王勇， 杨萍. 渤海湾盆地青东凹陷古近系烃源岩生烃潜力分析［J］. 石油化工应用， 2011，30（9）：75-78.

WANG Y， YANG P. Analysis of hydrocarbon potential of Paleogene source rock in Qingdong Sag，Bohai Bay Basin［J］.Petrochemical Industry Application， 2011，30（9）：75-78.

19
韩冬梅. 青东凹陷沙四上亚段烃源岩生烃潜力评价［J］. 复杂油气藏， 2014，7（2）：5-8.

HAN D M. Evaluation of petroliferous potential for hydrocarbon source rock of upper Es 4 in Qingdong Sag［J］. Commplex Hydrocarbon Reservoirs， 2014，7（2）：5-8.

20
张明星， 郭耿生， 张琳璞. 济阳坳陷青东凹陷古近系沙河街组烃源岩地球化学特征及生烃潜力综合评价［J］. 东北石油大学学报， 2017， 41（3）：34-43.

ZHANG M X， GUO G S， ZHANG L P. Comprehensive evaluation of geochemical characteristic and hydrocarbon generation potential of source rocks of Paleogene Shahejie Formation in Qingdong Sag， Jiyang Depression［J］. Journal of Northeast Petroleum University， 2017， 41（3）：34-43.

21
黄颖， 官大勇， 赵国祥， 等. 莱州湾凹陷东北洼沙河街组致密油地质特征及形成条件［J］. 油气地质与采收率， 2018，25（1）：21-29.

HUANG Y， GUAN D Y， ZHAO G X，et al. Geological characteristics of tight oil in the Shahejie Formation in northeast subsag of Laizhou Bay Sag and its formation condition［J］.Petroleum Geology and Recovery Efficiency， 2018，25（1）：21-29.

22
潘文静， 杜晓峰， 田德瑞， 等. 渤海莱州湾凹陷烃源岩特征及形成机理分析［J］. 中国海上油气， 2019，31（6）：60-68.

PAN W J，DU X F，TIAN D R，et al.Characteristics and forma-tion mechanism of source rocks in the Laizhou Bay Sag of the Bohai Sea［J］.China Offshore Oil and Gas，2019，31（6）：60-68.

23
汤国民， 王飞龙， 王清斌， 等. 渤海海域莱州湾凹陷高硫稠油成因及其成藏模式［J］. 石油与天然气地质，2019，40（2）：284-293.

TANG G M， WANG F L， WANG Q B， et al. Genesis and accumulation models of sulfur-rich heavy oil in Laizhou Bay Sag，Bohai Sea［J］. Oil & Gas Geology，2019，40（2）：284-293.

24
许婷，侯读杰，赵子斌，等.渤海湾盆地黄河口东洼优质烃源岩发育控制因素［J］.东北石油大学学报，2017，41（1）：11-20，32.

XU T， HUO D J， ZHAO Z B， et al. Controlling factors for the development of high-quality source rocks in Yellow River mouth east sag of Bohaibay Basin［J］. Journal of Northeast Petroleum University， 2017，41（1）：11-20， 32.

25
赵子斌， 侯读杰， 程熊， 等. 边缘凹陷烃源岩有机质丰度曲面预测法——以渤海湾盆地莱州湾东北洼为例［J］. 石油地球物理勘探， 2018，53（2）：347-354.

ZHAO Z B， HOU D J， CHENG X， et al. A fitting prediction method of TOC in source rocksin a marginal sag： A case study of northeastern sag in Laizhou Bay，Bohai Bay Basin［J］.Oil Geo-physical Prospecting， 2018，53（2）：347-354.

26
左银辉， 邱楠生， 常健， 等. 渤海湾盆地中、新生代岩石圈热结构研究［J］. 地质学报， 2013，87（2）：145-153.

ZUO Y H， QIU N S， CHANG J， et al. Meso-Cenozoic Lithospheric thermal structure in the Bohai Bay Basin［J］. Acta Geologica Sinica， 2013，87（2）：145-153.

27
GUO P，LIU C，WANG L， et al. Mineralogy and organic geochemistry of the terrestrial lacustrine pre-salt sediments in the Qaidam Basin： Implications for good source rock development［J］. Marine and Petroleum Geology， 2019（107）：149-162.

28
徐泽阳， 赵靖舟， 李军. 松辽盆地长垣地区白垩系青山口组一段有机质含量对超压分析的影响及校正方法［J］. 石油与天然气地质， 2019，40（4）：938-946.

XU Z Y， ZHAO J Z， LI J. The impact of organic matter content on overpressure analysis and its correction method in the first member of Cretaceous Qingshankou Formation， Placanticline area，Songliao Basin［J］.Oil & Gas Geology，2019，40（4）：938-946.

29
曲彦胜， 钟宁宁， 刘岩， 等. 烃源岩有机质丰度的测井计算方法及影响因素探讨［J］. 岩性油气藏， 2011，23（2）：80-84.

QU Y S，ZHONG N N，LIU Y，et al. Using logging methods to calculate organic matter abundance of source rocks and its influencing factors［J］.Lithologic Reservoirs， 2011，23（2）：80-84.

30
杜文凤， 王攀， 梁明星， 等. 煤系烃源岩有机碳含量测井响应特征与定量预测模型［J］. 煤炭学报， 2016，41（4）：954-963.

DU W F，WANG P，LIANG M X，et al.Well logs response cha-racteristics and quantitative prediction model of organic carbon content of hydrocarbon source rocks in coal-bearing strata measures［J］. Journal of China Coal Society，2016，41（4）：954-963.

31
LIANG H， XU G， XU F， et al. Paleoenvironmental evolution and organic matter accumulation in an oxygen-enriched lacustrine basin：A case study from the Laizhou Bay Sag，southern Bohai Sea （China）［J］. International Journal of Coal Geology， 2020，217：103318.

32
秦建中.中国烃源岩［M］.北京：科学出版社， 2005.

QIN J Z. Chinese Source Rocks［M］. Beijing： Science Press，2005.

33
夏庆龙. 渤海油田近10年地质认识创新与油气勘探发现［J］. 中国海上油气， 2016，28（3）：1-9.

XIA Q L. Innovation of geological theories and exploration discoveries in Bohai Oilfields in the last decade［J］.China Offshore Oil and Gas， 2016，28（3）：1-9.

Options
文章导航

/

〈 〉

陇ICP备2021001824号-7　 甘公网安备 62010202000678号
版权所有 © 《天然气地球科学》编辑部
地址：甘肃省兰州市天水中路8号　
邮编：730000　
电话：(0931)8277790　
E-mail：geogas@lzb.ac.cn
总访问量 　 今日访问 　 在线人数
技术支持：北京玛格泰克科技发展有限公司