測井資料計算源巖有機碳含量模型對比及分析①

胡慧婷 盧雙舫,2 劉 超 王偉明,2 王 民,2 李吉君,2 尚教輝

(1.東北石油大學地球科學學院 黑龍江大慶 163318;2.東北石油大學油氣藏形成機理與資源評價省重點實驗室 黑龍江大慶 163318; 3.大慶油田有限責任公司第四采油廠 黑龍江大慶 163355)

測井資料計算源巖有機碳含量模型對比及分析①

胡慧婷1盧雙舫1,2劉 超3王偉明1,2王 民1,2李吉君1,2尚教輝1

(1.東北石油大學地球科學學院 黑龍江大慶 163318;2.東北石油大學油氣藏形成機理與資源評價省重點實驗室 黑龍江大慶 163318; 3.大慶油田有限責任公司第四采油廠 黑龍江大慶 163355)

研究首先從理論分析入手,根據Δlog R模型在基線、有機碳含量背景值、疊合系數K、成熟度參數方面存在不足或不便推導出改進的Δlog R模型,針對改進Δlog R模型在測井參數選取方面的不足提出逐步回歸模型;然后用具體實例對比三種模型應用效果,結合實例分析說明了改進的Δlog R模型優于Δlog R模型、逐步回歸模型優于改進Δlog R模型的原因;最后建議使用逐步回歸模型計算源巖有機碳含量。對區域有機碳含量評價時,建議以沉積相為基礎分區帶評價,同時提出幾點模型應用過程中應注意事項,為今后測井途徑計算有機碳含量提供方法思路。

測井 烴源巖 有機碳 逐步回歸 Δlog R 改進 優選

有機質豐度在評價沉積盆地的生油能力,估算油氣儲量中具有十分重要的地位[1]。以往研究中有機碳含量主要依靠地球化學分析測試方法獲得,并以分析樣品有機碳含量的均值來代表整套厚層烴源巖的有機碳含量[2]。由于分析樣品數量有限,空間不連續,評價結果受分析樣品代表性影響,特別在缺少取芯且巖屑又受到污染的情況下,生油巖的評價將受到嚴重制約[3]。測井資料計算源巖有機碳含量不同于傳統地球化學測試方法,它根據烴源巖內有機碳的含量在測井曲線上具有一定的特征響應,建立有機碳含量與這些特征響應的定量關系式[4～6]。依據測井資料可以獲得縱向上連續分布的有機碳含量,消弱了有限巖芯分析樣品的隨機性取樣等因素所帶來的統計誤差[7],因而為正確評價整段烴源巖提供了可靠基礎。

巖石中有機碳會導致多種測井響應[8,9],但由于地下情況比較復雜,幾乎每種測井響應都是多種地質因素疊加作用的結果[10],而不單單是有機碳響應造成,因此,要準確計算源巖中有機碳含量就必須結合多種測井信息,首先需從多種測井信息中提取出有效的有機碳含量指示參數,然后構建有機碳含量與測井參數間定量關系。從測井信息選取方面,Δlog R模型及改進的Δlog R模型選用聲波時差和電阻率參數,沒有考慮密度、伽馬等測井信息,顯然存在不足,大量的研究表明有機碳含量與密度、伽馬等測井信息關系密切[5-10];從模型構建方面,Δlog R模型中主觀因素較多[11],不利于模型的推廣應用。本文從Δlog R模型入手,分析了Δlog R模型的不足,在此基礎上推導出改進的Δlog R模型并提出逐步回歸模型;最后以實際例子分析比較Δlog R模型、改進的Δlog R模型及逐步回歸模型,說明了逐步回歸模型的優越性,并為逐步回歸模型進一步應用提供指導建議。

1 模型分析及對比

1.1 Δlog R模型

Δlog R模型由EXXON/ESSO石油公司推導和實驗得出并成功的應用到世界各地。該技術以預先給定的疊合系數將算術坐標下的聲波時差和算術對數坐標下電阻率曲線疊合,通過確定基線位置,求取Δlog R分布,進而建立有機碳含量定量解釋關系式。

根據聲波、電阻率疊加計算Δlog R的方程為:

式(1)中Δlog R為兩條曲線間的距離;R為測井儀實測電阻率(Ω。m);R基線為基線對應的電阻率(Ω。m);Δt為實測的聲波時差(μs/ft);Δt基線為基線對應的聲波時差(μs/ft);K=0.02,為聲波時差和電阻率間的疊合系數。Δlog R與有機碳呈線性相關,并且是成熟度的函數,由Δlog R計算有機碳的經驗公式為:

式(2)中TOC為計算的有機碳含量(%);LOM表示有機質成熟度,ΔTOC為有機碳含量背景值,需人為確定。該方法的優點為聲波時差和電阻率疊合能一定程度上消除孔隙度對有機碳測井響應的影響[12]。

下面對模型中基線值、有機碳含量背景值、疊合系數K、成熟度參數逐一分析,從模型便捷性、客觀性、適應性角度,指出Δlog R模型的不足:

1 )基線值-Δlog R的計算依賴于基線值,由于一口井通常存在多個基線值,常需要分段求取Δlog R。即使在分段后,研究層段內基線值時常也不唯一,需要依據經驗確定合適的基線值,操作過程比較繁瑣,同時主觀因素影響也較大。

2 )有機碳含量背景值ΔTOC-從(2)式可以看出,最后計算出的TOC值還需加上有機碳含量背景值。而有機碳含量背景值變化區間較大,不易確定,選取不當時,會直接引進較大的整體誤差。該值主要依據經驗及區域地質、地化資料人為估計,受主觀因素影響大,不客觀。

3 )疊合系數K-Passey[12]等選用固定的疊合系數0.02,張立強[13]等將疊合系數看作是變量,由兩條曲線的具體疊合情況而定。這兩種做法實質上都是尚不明確源巖測井響應特征的條件下,預先給定疊合系數,不客觀(下文舉例說明)。

4 )成熟度參數-Δlog R方法將成熟度參數LOM引入方程,LOM可以根據大量樣品分析(如鏡質體反射率、熱變指數、Tmax分析)得到,或從埋藏史和熱史評價中得到。成熟度參數選取不當時,計算有機碳的絕對含量將產生整體誤差,對缺少成熟度參數的地區,該方法適用性受到限制,具有一定不適用性。

1.2 改進的Δlog R模型

從上面的分析可知,Δlog R模型在基線、有機碳含量背景值、疊合系數K、成熟度參數幾個方面存在不足,下面針對存在的不足逐一分析,然后根據Δlog R方法的原理推導出改進的Δlog R模型。

1 )基線值-無需讀取基線值,便可以快速計算Δlog R,論證如下:

(1)式中

K值的物理意義為每個聲波時差(1μs/ft)對應對數坐標下電阻率的單位個數;公式(1)中log(R/ R基線)是無量綱的,(Δt-Δt基線)是有量綱的,K值的地質意義為將(Δt-Δt基線)轉化為無量綱的數,使(Δt-Δt基線)與log(R/R基線)量級相當,共同構成Δlog R。當規定對數坐標下的每個電阻率單位對應算術坐標下50μs/ft聲波時差刻度范圍時,K值為0.02。

假定基線之后,不難得到:

Δt基線、R基線與(1)式中意義相同,Rmin(Δtmin)和Rmax(Δtmax)分別為聲波時差和電阻率曲線疊合時電阻率(聲波時差)曲線刻度的最小、最大值。將(3)和(4)帶入(1),則(1)式可進一步推導為:

這樣只要聲波時差和電阻率疊合后,便能計算出Δlog R值,避開了讀取基線值的繁瑣過程,也減少了主觀因素的干擾。

2 )有機碳含量背景值ΔTOC-有機碳含量背景值是針對Δlog R為零時提出的,其值應該與有機碳測井響應敏感程度有關,若有機碳測井響應敏感,有機碳含量背景相對小,否則相對較大,估計此值是需考慮源巖的測井響應特征。可以通過函數擬合的方法確定該值,令TOC=A。Δlog R+B,通過擬合函數確定B值,為確定有機碳含量背景值提供參考。

3 )疊合系數K-疊合系數一方面起著抵消了孔隙度對有機碳測井響應的作用,一方面制約著識別干酪根和烴類流體的相對能力。從制約識別干酪根和烴類流體的相對能力層面上講,疊合系數的確定至少需考慮源巖中干酪根和烴類流體的比例,不應該是固定值。實際應用過程中也發現,疊合系數的選取直接影響計算有機碳含量的準確性,如王府斷陷城深1井所示(圖1)。

圖1 ΔLog R與實測有機碳間相關度R2隨疊合系數K變化曲線Fig.1 R2 betweenΔLog R and measured TOC and its vary with superposition coefficient K

容易發現,隨疊合系數K的增大,Δlog R與實測有機碳的相關度R2連續變化而且呈先增大后減少趨勢,預先給定疊合系數很難使R2達到最大,即很難準確計算出源巖中有機碳含量。

4 )成熟度參數

由于一口井常存在多個基線值,需分井段建立解釋關系式,建立模型的深度范圍內Ro變化一般不大(或控制深度范圍使Ro變化不大),這樣(2)式中10(2.297-0.1688LOM)可視為定值,記作A。這樣在成熟度參數難以確定的層段,大大提高了模型的適用性。

綜上分析,建立模型的深度范圍內將(2)式子可修改為:

A、Δtmax、Rmin、ΔTOC為常數,顯然,計算有機碳含量受疊合系數K值影響,令K取最優值(最優K值能使R2最大),則公式(7)可簡化可得到改進的ΔLog R模型:

a、b、c為擬合公式的系數。從(8)式可以看出,改進模型只需聲波時差和電阻率參數,不需要成熟度參數,也無需人為確定基線值、有機碳含量背景值,大大提高了模型的便捷性,客觀性性及適應性。但其仍有不足之處,如模型沒有考慮到密度、伽馬、中子等測井信息,而大量的研究表明,源巖中有機碳含量與伽馬、密度、中子等測井響應密切相關,為了克服這一缺點,下面介紹逐步回歸模型。

1.3 逐步回歸模型

逐步回歸是多元回歸的一種改進,該模型將伽馬、密度、中子等測井參數全部考慮在內,從多個測井參數中篩選出對有機碳含量變化顯著的參數,然后建立回歸方程,能夠克服Δlog R模型容易遺漏重要有機碳含量指示參數和多元回歸模型容易引入非有機碳含量指示參數。由于組合參數中往往蘊含的重要信息[14],對測井參數進行二次型組合[15]:

為了便于表達,假設初始參數為X1,X2,X3,則組合后的參數為

令Y1=X1,Y2=X2,Y3=X3,Y4=X12,Y5=X12,Y6=X13,Y7=X22,Y8=X23,Y9=X33。用逐步回歸模型從組合后的參數中篩選出對有機碳含量變化顯著的參數,假設最終選取了n個參數,則回歸方程形式為:

值得注意的是,逐步回歸在對各自變量貢獻的顯著性檢驗中,如果臨界值Fα取得足夠小,特別是Fα=0,則全部自變量都會被選中,這時逐步回歸退化為一般的多元線性回歸,若一般的多元回歸分析只考慮聲波時差和電阻率,不考慮其它測井參數,則多元回歸模型退化為改進的Δlog R模型。因此可以說多元回歸模型和改進的Δlog R模型都是逐步回歸模型的一種特殊形式。

2 實例對比及分析

2.1 數據的選取及預處理

有機碳分析樣品的深度與其實際深度存在一定誤差,加之,有機碳的發育存在強烈的非均質性,這兩個因素加大了建立可信度較高的解釋模型的難度。為了減小分析樣品深度與其實際深度的誤差以提高建立模型的可信度,應保證有機碳分析數據來源于取芯較好的層段。測井曲線應保證其盡量不受泥漿濾液等外界因素干擾,盡可能的反映原狀地層特征。文中所用有機碳分析數據均為巖芯數據且取樣密集,測井數據質量較好,是建立有機碳測井解釋模型的理想層段。由于無法得知分析樣品的精確深度,將分析樣品所在深度上下0.2 m范圍內的測井參數取平均值,把求得的均值當做分析有機碳對應的測井值。

2.2 對比及分析

分別用Δlog R模型、改進的Δlog R模型和逐步回歸模型計算源巖有機碳含量。統計三種模型的計算有機碳與分析有機碳之間相關度R及標準誤差SE (表1)。

表1 三種模型計算有機碳含量結果統計Table1 TOC calculating results from three differentmodels

R越大,計算有機碳與實測有機碳相關度越高。SE越小,表明計算有機碳與分析有機碳偏差越小。故R越大,SE越小,計算結果越可靠。從三種模型的計算結果容易看出,二次型逐步回歸模型計算有機碳含量效果明顯優于Δlog R及改進的Δlog R模型,改進的Δlog R模型計算效果優于Δlog R模型。下面結合實例說明這種現象的原因。

1 )Δlog R模型模型與改進的Δlog R模型對比

從表1可以看出,烏23井、貝35井、金88井Δlog R模型與改進的Δlog R模型計算效果相當;貝10井、金87井、魚17井改進的Δlog R模型比Δlog R模型效果好。下面對這一結果原因分析:從2.2中的(3)可知,疊合系數K的選取影響計算效果,分別求取各井計算有機碳與分析有機碳含量間相關系數R隨疊合系數K變化曲線(圖2)。可以看出,烏23井 (圖2a)、貝35井(圖2c)、金88井(圖2e)K=0.02時,R基本達到最大值,故Δlog R模型與改進的Δlog R模型計算效果相當。貝10井K=0.035時R最大(圖2b),金87井K=0.04時R最大(圖2d),魚17井K=0.045時R最大(圖2f),Δlog R模型選取固定的疊合系數0.02,K=0.02時R沒有達到最大,限制了計算有機碳含量的準確性,故改進的Δlog R模型比Δlog R模型效果好。

2 )逐步回歸模型與改進的Δlog R模型對比

從表1數據容易看出,各井逐步回歸模型計算有機碳含量效果均優于改進的Δlog R模型,烏23井、貝35井、魚17井尤為明顯。對各井逐步回歸模型包含的測井參數統計(表2),以下從模型參數選取和參數組合兩個方面對比分析逐步回歸模型優于改進Δlog R模型的原因。

圖2 各井Δlog R與實測有機碳的相關度R隨疊合系數K變化曲線Fig.2 Correlation coefficient betweenΔLog R and measured TOC and its variation with superposition coefficient K for differentwells

表2 各井逐步回歸模型參數選取Table2 Parameters in Stepw ise regression equations

(1)測井參數選取

從單口井上看,每口井的回歸方程中都有伽馬、密度、中子,尤其是烏23井、魚17井,這2口井回歸方程中含有伽馬、密度、中子的參數個數分別占回歸方程中全部參數的75%和100%;整體上,對表2中參數統計,發現含有伽馬、密度、中子的參數占全部參數的75%,說明伽馬、密度、中子、對有機碳含量響應明顯。尤其是伽馬參數,6口井中有4口井伽馬參數以二次方的形式直接出現在方程中,其余兩口井中伽馬以組合參數的形式存在,說明GR能很好的反映有機碳含量,應該將其作為計算有機碳含量的有效參數。改進的Δlog R模型沒有考慮伽馬、密度、中子,故計算有機碳含量不及逐步回歸模型。

(2)測井參數的組合

從單口井上看,組合參數在每口井的回歸方程中所占比重均較大,其中金87井最小(50%),貝35井最大(100%);整體上,組合參數占全部參數的71.8%。說明組合參數比單一測井參數更能反映有機碳含量,應加強從組合參數中挖掘有機碳含量信息。改進的Δlog R模型聲波時差和電阻率都采用單一參數形式,沒有對參數組合,從這一角度上講,逐步回歸模型計算有機碳效果也要優于改進的Δlog R模型。

3 建議及注意事項

從1.2中可知,改進的Δlog R模型在便捷性、客觀性、適用性、定量的準確性上都優于Δlog R模型。從1.3中可知,改進的Δlog R模型又是逐步回歸分析模型的一種特殊形式,故逐步回歸模型要優于Δlog R模型及改進的Δlog R模型,2.2中實例也證明了逐步回歸模型計算有機碳含量精度高于其它兩種模型,所以建議優先考慮逐步回歸模型計算有機碳機碳含量。

由于有機碳測井響應易受多種因素影響,影響因素會導致某些測井參數不能很好的反應有機碳含量,從而不出現在回歸方程中。由于影響因素的差異,大的區域范圍難以建立起形式統一的代表方程,表3也可以看出,同是松遼盆地,金87、金88、魚17回歸方程中包含的測井參數卻不同。針對這一問題,進行區域性有機碳含量評價時,建議借助地質資料(如沉積相)進行分區帶評價,因為區帶內影響有機碳測井響應的因素相近,各井間相似的影響因素會起到一定的抵消作用。

每個區塊內選擇具有代表性的井,建立有機碳測井響應應關系式。為了使建立的關系式具有代表性,可以首先對測井變量進行主成分分析,篩選出區帶內與有機碳含量密切相關的測井參數,然后利用逐步回歸模型建立定量關系式,這樣,不同的區帶間篩選出的主成分可能會不同,最終的回歸方程也會不同,由于區帶內影響有機碳測井響應的因素相近,各井間相似的影響因素會起到一定的抵消作用,所以計算有機碳含量的效果會更好。

模型應用過程中應注意與有機碳無關的測井曲線異常,包括差的井眼條件,欠壓實地層、低孔隙度層、超壓實帶、含水孔隙等,利用測井資料計算有機碳含量時應首先排除這樣的井段;測井數據要盡量避免泥漿濾液的干擾,盡量反映原狀地層的特征。同時應注意,聲波時差、體積密度等測井參數受巖性、壓實(深度)等因素作用的影響較大,可考慮以分層段、分巖性建立模型,必要時需對這些測井參數進行壓實校正及標準化處理,盡量減少外界因素對有機碳測井響應的影響。

4 結論

Δlog R模型需人為確定基線值、有機碳含量背景值、疊合系數K、成熟度參數,操作過程繁瑣、主觀因素大、同時成熟度等參數不確定時模型適用性受到限制,具有不便捷,不客觀和不適用性。

根據Δlog R方法的原理推導得出改進的Δlog R模型,改進模型只需聲波時差和電阻率參數,不需要成熟度參數,也無需人為確定基線值、有機碳含量背景值,大大提高了模型的便捷性,客觀性及適應性。但其與Δlog R模型相似,都一樣忽略伽馬、密度、中子等測井參數,仍有不足之處。

伽馬、密度、中子等測井參數中包含著重要的有機碳含量指示信息,組合參數往往比單一參數更能反映有機碳含量。逐步回歸模型考慮多種測井參數并對測井參數組合,能優選出對有機碳含量變化顯著的測井參數,方法客觀,理論分析和實際例子都說明該模型計算有機碳含量效果效果優于Δlog R模型及改進的Δlog R模型。

文中參數組合選用二次型形式,還可以對參數進行其它形式的組合,如可以考慮聲波/密度、電阻/密度、伽馬/密度等組合參數,應盡量從多種測井參數及多種組合參數中挖掘有機碳含量指示信息。

References)

1 張志偉,張龍海。測井評價烴源巖的方法及其應用效果[J]。石油勘探與開發,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,金強,張林曄。用測井信息獲取烴源巖的地球化學參數研究[J]。測井技術,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 劉俊民,彭平安,黃開權,等。改進評價生油巖有機質含量的CARBOLOG法及其初步應用[J]。地球化學,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 王貴文,朱振宇。烴源巖測井識別與評價方法研究[J]。石油勘探與開發,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 王鸝,唐成磊,王飛。Δlg R技術在烴源巖評價中的應用[J]。斷塊油氣田,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 張小莉,沈英。吐哈盆地侏羅系煤系地層烴源巖的測井研究[J]。測井技術,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 張立鵬,邊瑞雪,楊雙彥,等。用測井資料識別烴源巖[J]。測井技術,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 閆建平,蔡進功,趙銘海,等。運用測井信息研究烴源巖進展及其資源評價意義[J]。地球物理學進展,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,劉洪,李幼銘。ΔlogR技術在烴源巖識別中的應用與分析[J]。地球物理學進展,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 張立強,羅曉容,何登發,等。準噶爾盆地南緣下白堊統層序界面的識別[J]。沉積學報,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 盧雙舫,龐雄奇,李泰明,等。干酪根型值化的探討[J]。天然氣工業,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 石油地質 E-mail:hht-214@163。com

P593

A

1000-0550(2011)06-1199-07

①國家自然科學基金項目(批準號:41172134)及黑龍江省研究生創新科研項目(YJSCX2011-097HLJ)資助。

2010-04-20;收修改稿日期:2010-08-20