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△Log
R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△Log
R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]。