2. 国土资源部煤炭资源勘查与综合利用重点实验室, 陕西西安 710021;
3. 成都理工大学能源学院, 四川成都 610059;
4. 中国石油天然气股份有限公司长庆油田分公司第三采气厂, 内蒙古乌审旗 017300
2. Key Laboratory of Coal Exploration and Comprehensive Utilization, Ministry of Land and Resources, Xi'an 710021, China;
3. College of Energy, Chengdu University of Technology, Chengdu 610059, China;
4. Third gas plant, Changqing Oilfield, Wushenqi 017300, China
石油天然气地质学发展到今天, 油气有机成因理论始终处于主导地位, 这就决定了有机质丰度成为烃源岩评价的核心参数[1-3]。有机质丰度的确定对认识各类烃源岩的生烃潜力、储层产能潜力预测等工作具有重要意义[4-5]。近年来, 以自生自储为特征的页岩油、气勘探开发迅速发展, 由于页岩油、气的富集很大程度上决定于页岩有机质丰度特征[6-9], 因此, 准确评价烃源岩中有机质丰度越来越受到油气勘探工作者的重视。有机质不仅是直接生成油气资源的母质, 同时也是油气吸附及存储的重要介质[10-11]。
最直接可靠地获取烃源岩中有机质丰度的方法是采用燃烧法进行样品地球化学分析, 这涉及到钻井、取样、室内分析检测等过程, 大范围应用成本巨大, 时间周期长, 难以实现连续表征有机质丰度参数, 并且中间过程因为随机采样等因素而导致样品分布不均[12-14]。因此, 地球化学分析往往局限在小范围的初步勘探评价工作, 在规模化油气勘探开发评价工作中应用范围有限。
有机质丰度在自然伽马、密度、声波时差、电阻率、中子孔隙度等地球物理测井参数上有一定的反映[14-22]。据此, 20世纪40年代起, 已有学者开始利用自然伽马与有机质相关现象探索有机质特征[23]。经过近40年的发展, 逐步建立了一系列定量评价有机质丰度的方法。1979年研究人员采用ΔlogR法实现了烃源岩有机质丰度的定量预测; 1981年, SCHMOKER等[18]通过分析自然伽马曲线与有机质丰度之间的关系, 为自然伽马法预测烃源岩有机质丰度奠定了基础; 随后SCHMOKER[17, 24]有关地层密度与烃源岩有机质丰度关系的研究也成为重要的预测方法; MENDELZON等[15]尝试建立了多元回归法预测有机质丰度。我国学者也对此做了诸多探索, 包括利用电测井资料确定烃源岩有机质成熟度[25]、碳酸盐岩烃源岩有机质丰度的测井评价[26]等。另外, 近年来利用地震资料定量反演烃源岩有机质丰度也取得了较好的成果[27-29]。
测井及地震勘探等方法因为其在纵向单井以及研究区域面上具有连续特性, 同时能够进行原位预测, 因而在大规模油气勘探开发的有机质丰度预测工作中得到了广泛应用。本文分析了大量的文献资料, 在总结地球物理方法预测有机质丰度方法理论基础上, 对近年来应用较为广泛的ΔlogR法、体积密度测井法、自然伽马测井法、多元线性回归法以及地震多属性反演法等方法原理进行概要分述, 并对不同模型的适用性及其优势和不足进行了分析。
1 方法理论基础烃源岩表现在地球物理方面的一些特有性质是预测其有机质丰度的理论基础。通常情况下, 测井曲线表现出高自然伽马、高铀(U)、低钍(Th)、高电阻率、高声波时差、高中子孔隙度、低密度等特征[30-32], 地震波则表现出空间可追踪的低频连续反射的特征[14, 27]。
自然伽马测井测量了井内放射性同位素衰变过程中产生的伽马射线强度值, 该值与地层当中放射性同位素含量密切相关, 由于有机质尤其是腐殖质对铀元素的强吸附作用, 因而烃源岩自然伽马测井值会显著高于其它地层的自然伽马测井值[33]。有机质往往富集于还原环境中, 而铀和钍均是氧化还原环境敏感元素, 一般情况下, 铀富集于还原条件而钍会在氧化环境中富集, 因此烃源岩伽马能谱测井显示出高铀、低钍特征[34]。烃源岩中的高电阻率特征是由于有机质本身导电性差造成的, 尤其是处于生烃高峰期时, 赋存于有机质孔隙中的油、气会进一步降低其导电性[16], 有机质本身因为具有较低的声波传播速度, 因此烃源岩会表现出较高的声波时差特征[35]。中子孔隙度测井是井内岩石氢指数的直接反应, 有机质中往往富含较高的氢原子, 因此会表现高中子孔隙度特征[36]。烃源岩中有机质密度较低, 一般介于1.0~1.1 g/cm3, 而与之共生的围岩基质密度一般介于2.3~3.1 g/cm3, 因此有机质丰度越高, 密度越低, 密度测井会表现出明显的低异常[17]。
测井方法预测烃源岩有机质丰度正是基于以上特征, 结合地球化学实测数据, 建立相关数理方程, 进而实现有机质丰度的预测。但是因为受沉积物源及环境、地层岩性、成岩作用、地层流体性质、矿物成分、构造地质条件等诸多因素的影响[37], 上述特征并非一成不变, 往往会因为某些地质因素的变化而发生一些特殊变化, 所以, 我们在数据处理过程中要尤其谨慎。
地层密度是影响地震波传播的最敏感的因素之一, 其变化会直接反映地震波阻抗的变化, 据此可以实现烃源岩空间展布特征的预测[28]。利用叠前密度反演的方法, 结合有机质丰度与地层密度相关关系, 便可实现空间上的有机质丰度预测。
基于上述原理, 研究人员从不同角度建立了多种烃源岩有机质丰度的地球物理预测方法, 常见的有ΔlogR法、地层体积密度测井法、自然伽马测井法、多元线性回归法、地震多属性反演法等, 各种方法的基本原理及适用范围见表 1。
利用声波时差与电阻率在不同地层中的响应特征, PASSEY等[16]建立了一套经典的计算烃源岩中有机质丰度的方法, 该方法得到了广泛应用。在贫有机质富水地层中, 声波时差值低, 电阻率值也低, 这两条曲线互相平行并叠加; 而在富有机质烃源岩地层中, 声波时差值高, 电阻率值也高, 这两条曲线发生分离(图 1)。该方法将声波时差曲线缩放处理并将电阻率曲线与之进行反向叠加, 然后计算有机质丰度:
$ \Delta {\rm{log}}R = {\rm{lg}}\frac{R}{{{R_{{\rm{baseline}}}}}} + 0.02 \times \left( {\Delta t - \Delta {t_{{\rm{baseline}}}}} \right) $ | (1) |
$ {\rm{TOC}} = \Delta {\rm{log}}R \times {10^{2.297 - 0.1688 \times {\rm{LOM}}}} + \Delta {\rm{TOC}} $ | (2) |
式中:R为电阻率; Δt为声波时差; Rbaseline和Δtbaseline分别指基线上对应的电阻率和声波时差值; TOC为有机质丰度; ΔTOC为背景值; LOM为热成熟度参数, 反映有机质热演化程度。
由于声波时差曲线对低密度、低速干酪根的响应和电阻率曲线对地层流体的响应表现出显著异常, 因此ΔlogR法计算过程中可以通过声波时差曲线和电阻率曲线的叠合而避免孔隙度对TOC测井响应的干扰, 从而准确预测TOC[16]。但是, 由于该计算方法假设基线对应地层不含有机质, 这显然与事实不符, 因此在一定程度上计算结果会存在偏差。另外, 该模型基于正常压实的海相沉积背景建立, 对于一些陆相沉积的烃源岩并不完全适用[38]。此外对于构造条件复杂、热演化程度较高的海相烃源岩, 该方法的应用效果也不甚理想[39]。
为此, 针对不同的地质背景, 人们对此方法进行了多种变形和改进, 胡慧婷等[12]针对陆相深层烃源岩低孔隙度和低电阻率的特征, 利用自然伽马曲线代替传统模型中的LOM参数, 建立了基于自然伽马、声波时差和电阻率三参数的广义ΔlogR模型。陈海峰等[40]就烃源岩测井评价参数通用性较差的问题, 将ΔlogR中的经验参数视为待定系数, 采用变系数ΔlogR法对海拉尔盆地乌尔逊凹陷南一段烃源岩有机质丰度进行了评价。许娟娟等[41]在对长岭断陷龙凤山次凹下白垩统烃源岩工作中发现, 烃源岩层段异常点的去除, 能够有效改善ΔlogR法的计算精度。
2.2 地层体积密度测井法地层体积密度测井法是基于烃源岩中有机质密度为1.0~1.1 g/cm3而围岩密度介于2.3~3.1 g/cm3, 因而地层密度会随有机质含量的变化呈现出一定的线性规律[17, 42]:
$ {\rm{TOC}} = \frac{A}{\rho } + B $ | (3) |
式中:A和B均为与区域地质条件相关的经验参数, 可以利用最小二乘法求取; ρ为岩石密度值。
该方法具有应用简易、相关性高等优势, 只要通过岩心数据分析获取目标区域有机质丰度与地层岩石密度的线性关系(图 2), 根据密度测井值即可预测目标区域的有机质丰度。该方法已在众多含油气盆地中获得了较好的应用效果[24, 42-43]。但是, 如果烃源岩中重矿物含量较多, 则会对该方法的适用性产生一定影响, 尤其是与有机质相关性较高的黄铁矿等矿物, 有必要在应用过程中加以校正; 此外孔隙流体因为其密度值近似于有机质密度, 也可能导致计算结果比实际值大[43-45]。
需着重指出的是, 在各种地球物理测井参数中, 地层密度测井与地震波阻抗、振幅、频率等参数存在很好的线性关系, 因此体积密度测井法在有机质丰度的平面预测方面具有独特的优势, 该方法也是目前实现有机质丰度平面预测最可靠的方法。王健等[46]采用该方法对四川盆地涪陵地区有机质丰度进行了拟合计算, 并实现了研究区有机质丰度的平面预测(图 3), 相关性良好。
自然伽马测井可以对地层中放射性元素产生的伽马射线进行定量分析。伽马射线强度与放射性元素丰度密切相关, 而有机质在沉积成岩过程中会对铀起到还原和吸附作用, 进而使其富集[47], 因此有机质丰度与伽马测井值呈良好的正相关关系, 据此可以通过地层自然伽马测井值计算其有机质丰度[23]。陈中红等[34]研究了东营凹陷古近系沙河街组沙三段的自然伽马测井曲线, 指出铀与有机质丰度存在良好相关性(图 4); SCHMOKER[18]研究了Devonian页岩, 对其TOC与自然伽马测井曲线之间的线性关系进行了分析, 认为某一区域内的自然伽马与地层密度存在线性关系, 其斜率(A)定义为:
$ {\gamma _B} - \gamma = A({\rho _{\rm{B}}} - \rho ) $ | (4) |
式中:γ为自然伽马值; ρ为地层密度; γB和ρB分别为区域地层中不含有机质条件下的自然伽马值和地层密度。求取地层有机质的体积分数Φo[17]:
$ {\mathit{\Phi} _{\rm{o}}} = \frac{{{\rho _{\rm{B}}} - \rho }}{{1.378}} $ | (5) |
因此可以得到:
$ {\mathit{\Phi} _{\rm{o}}} = \frac{{{\gamma _{\rm{B}}} - \gamma }}{{1.378A}} $ | (6) |
自然伽马值还会因为沉积物源、沉积岩粒度、沉积环境、水动力条件等因素的变化而发生改变[48], 因此在应用过程中需要对相关问题进行深入鉴别和分析。陈增智等[26]在利用自然伽马测井法预测陕甘宁盆地不同构造单元内下古生界碳酸盐岩烃源岩有机质丰度时发现, 沉积成岩作用和有机质演化以及泥质含量等因素均会对有机质丰度产生显著影响。王胜建等[49]在对柴达木盆地柴页1井的测井资料进行分析评价时发现, 目的层段由于钙质含量较高, 并且夹有煤层, 自然伽马测井值偏低, 不宜用于计算有机质丰度。
2.4 多元线性回归法有机质丰度与多种地球物理测井参数之间均有一定的关联性, 因此可以采用多测井参数共同控制下的数理方程实现有机质丰度预测, 该方法便是测井参数的多元线性回归法。MENDELZON等[15]指出, 多元回归方程的预测结果一般情况下会比单因素分析方法更可靠。多元回归方程基于各数据集的相关矩阵计算获得, 其一般形式是:
$ {\rm{TOC}} = {A_0} + \sum\limits_{i = 1}^n {{A_i}{X_i}} $ | (7) |
式中:A0和Ai均是与区域地质条件相关的回归系数; Xi为与Ai对应的测井值, 此时Ai可以反映Xi对应测井参数对有机质丰度的贡献程度及相关性。A0和Ai可以结合TOC数据通过最小二乘法计算获得。
对比多元线性回归法与经典的ΔlogR法的应用结果发现, 在某些情况下多元线性回归法的预测结果的拟合度更高, 并且与实际测试结果更相符(表 2)[20, 50]。王濡岳等[39]对贵州岑巩区块牛蹄塘组页岩进行多元线性回归分析发现, 自然伽马、铀含量、声波时差等参数与有机质丰度正相关, 而密度、电阻率、补偿中子、钾含量与有机质丰度负相关, 据此建立了该区域有机质丰度预测的多元线性方程。但是多元线性回归法并非相关参数越多越好, 需要根据实际地质条件及检测结果进行优选。杜江民等[30, 50]分别对柴达木盆地上干柴沟组下段和鄂尔多斯盆地延长组长7段烃源岩开展了多元线性回归法预测有机质丰度, 发现应用于上干柴沟组的多元回归方程以自然伽马、声波时差、电阻率和地层密度4个参数模型拟合度最高, 而长7段烃源岩则以自然伽马、地层密度、声波时差3个参数模型拟合结果最好。
地震多属性反演法是一种多参数综合预测地层有机质丰度的方法, 采用三维地震资料结合钻井、测井、录井以及地球化学测试等参数, 通过地震解释确定地层展布, 建立地震相关属性与有机质丰度等参数之间的统计关系, 进而反演整个地层有机质丰度[28]。这一过程涉及到的地震参数包括地震波几何形态、振幅、波形、频率、能量、相位等。
地震多属性反演法的优点在于能够实现整个工区空间上的有机质丰度预测, 近年来在部分地区的研究也取得了一定成果。李金磊等[51]应用该方法对四川盆地焦石坝地区五峰组-龙马溪组页岩有机质丰度进行了预测, 并精确圈定出研究区中TOC≥1%的空间展布。徐新德等[52]在北部湾盆地建立了一套基于地化-测井-地震联合反演烃源岩有机质丰度的方法, 为研究区油气资源勘探提供了重要参考, 但该研究中因为设定TOC>2%为优质烃源岩的阀值, 因而可能会对北部湾盆地主力烃源岩范围的界定产生一定影响。
对于地震多属性反演法而言, 由于演算过程中累积误差较大, 因此其稳定性较差。基于TOC与地层密度之间的拟合方程, 利用叠前密度反演数据可以在很大程度上降低这种误差, 并且能够有效降低预测结果的多解性[27, 51]。
3 讨论与展望地球物理方法预测烃源岩有机质丰度已形成了地化-测井-地震联合反演评价模式(图 5)[52], 是未来烃源岩规模化综合评价中较为完善的方法, 有利于缩短评价时间、降低评价成本。众多研究资料表明, 没有哪种方法能够在所有地质条件下通用, 各方法均有其自身优势和缺陷(表 3)。不同地质条件对各种方法的预测结果有一定程度的影响, 例如:ΔlogR法需要人为确定的参数较多, 很容易因为主观因素造成较大的计算误差; 地层体积密度测井法面对重矿物及地层流体含量变化的影响, 需要通过进一步的矿物流体组分分析校正才能够得到准确的预测结果; 自然伽马测井法对有机吸附富集铀元素过度依赖, 面对一些非有机吸附作用而富集铀元素的地层很可能造成计算结果偏大, 而对一些铀元素吸附性差的有机质则可能导致计算结果偏低; 多元线性回归法需要的测井资料过多, 因而数据量大, 处理过程中对各参数的影响机理不够明确, 影响了系数确定, 可能出现偏差, 从而导致计算结果有误; 地震多属性反演法中间过程繁琐, 容易累积误差, 并且在不同地层间的应用稳定性差。可见采用不同方法预测有机质丰度的相关工作依然存在较多问题, 这在一定程度上也决定了该方法未来的发展方向。
首先, 有机质丰度受沉积环境与物源、构造地质条件、水动力条件、矿物岩石组成等多种因素控制, 这一系列因素反映在地球物理参数上会造成预测结果不佳, 需要结合具体地质条件, 采取针对性的措施(如电阻率成像测井、核磁共振测井等), 从中获取更加丰富的地质参数。
其次, 近年来随着以自生自储为特征的页岩油、气越来越受油气地质工作者的重视[9, 53-55], 烃源岩评价工作的重要性已上升到了一个新的高度。我国在常规的电磁、声波等测井方面理论及技术均已达到较高水平, 但针对非常规油气地质的测井评价技术, 无论在仪器设备还是在理论基础方面均存在较大的不足, 一定程度上限制了我国非常规油气勘探开发的进展。
第三, 我国广泛发育海相、陆相、海陆过渡相等多时期、多类型的烃源岩, 区域地质条件差异极大, 同时各方法均存在适用性, 难以建立一套通用的评价方法。因此, 实际工作中必须基于精细化的地质背景资料, 确定不同地质条件下的有机质丰度主控因素, 进而优选适用于研究区的预测方法。另外, 针对煤岩、富有机质页岩、炭质泥岩、泥岩、碳酸盐岩等特定岩性的烃源岩有机质丰度地球物理评价方法有必要做进一步研究。
3.2 未来展望利用地球物理方法预测烃源岩有机质丰度是目前开展大规模烃源岩评价工作的有效途径, 能够极大地降低烃源岩评价的资金和时间成本。近年来, 精准成像测井技术和高分辨率地震反演技术的快速发展[56-57], 使得更加精细化的地质特征参数被广泛认识, 从而进一步扩大了该方法的应用范围。非常规油气勘探开发对烃源岩精细评价的迫切需求, 将促使水平随钻测井技术等设备的快速发展, 从而在非常规油气领域得到更多的应用[32, 58]。另外, 随着地质云技术的快速发展[59-60], 早期获得的大量地球物理及有机质丰度等基础数据有望通过该技术得到进一步发掘, 从中探索出更多的有用信息。
4 结论和建议1) 根据烃源岩评价工作的深入程度和广度, 已逐步建立起一套地球化学方法测定控点—单井测井预测控线—地震资料或多井测井预测控面的点—线—面逐级深入的评价模式。具体到各个预测方法而言, 各方法自有其适用条件和范围, 实际应用过程中需要紧密结合地质背景, 对比分析不同方法在研究区的适用性, 优选最佳方案。
2) 我国地质情况复杂, 多种烃源岩类型广泛分布, 开展区域性的地质资料对比和针对性的岩性地球物理特征参数研究, 建立精细化的地质资料数据库, 有利于在未来烃源岩评价工作中提高效率和准确度。
3) 我国关于地球物理方法预测烃源岩有机质丰度的研究起步较晚, 但常规的电磁、声波等测井理论及技术已达到较高水平。得益于此, 现阶段应当深入开展有机质丰度与地球物理参数相关性影响机理方面的基础研究, 这是科学开发更高效和更精确的技术设备的前提, 同时也是预测计算工作中合理设定各影响参数的相关性系数的保障, 能够有效提高预测精度。
[1] |
陈践发, 卢进才, 唐友军, 等. 内蒙古西部银根-额济纳旗盆地石炭系—二叠系暗色泥质岩有机质丰度变化特征和生烃潜力[J]. 地质通报, 2011, 30(6): 859-864. CHEN J F, LU J C, TANG Y J, et al. Abundance variation characteristics and hydrocarbon-generating potential of organic matter in Carboniferous-Permian dark argillaceous rock of Yingen-Ejin Banner basin, western Inner Mongolia[J]. Geological Bulletin of China, 2011, 30(6): 859-864. DOI:10.3969/j.issn.1671-2552.2011.06.006 |
[2] |
陈义才, 杨知敏, 王思航, 等. 鄂尔多斯盆地马家沟组烃源岩有效排烃有机质丰度下限探讨——以龙探1井为例[J]. 天然气地球科学, 2014, 25(11): 1718-1726. CHEN Y C, YANG Z M, WANG S H, et al. Discussion on the lower limit of organic abundanc of eccective hydrocarbon expulsion for the source rock from Majiagou Formation in Ordos Basin:Taking the well Longtan 1 as an example[J]. Natural Gas Geoscience, 2014, 25(11): 1718-1726. DOI:10.11764/j.issn.1672-1926.2014.11.1718 |
[3] |
熊国庆, 蔡习尧, 伍皓, 等. 藏南日喀则地区白垩纪泥岩、页岩有机质丰度及其油气地质意义[J]. 地质通报, 2009, 28(10): 1448-1457. XIONG G Q, CAI X Y, WU H, et al. Organic matter abundance and significance of oil geology of the Cretaceous mudstones and shales from Rikaze area, southern Tibet, China[J]. Geological Bulletin of China, 2009, 28(10): 1448-1457. DOI:10.3969/j.issn.1671-2552.2009.10.011 |
[4] |
陈建平, 赵长毅, 何忠华. 煤系有机质生烃潜力评价标准探讨[J]. 石油勘探与开发, 1997, 24(1): 1-5. CHEN J P, ZHAO C Y, HE Z H. Criteria for evaluating the hydrocarbon generating potential of organic matter in coal measures[J]. Petroleum Exploration and Development, 1997, 24(1): 1-5. |
[5] |
刘文汇, 腾格尔, 王晓锋, 等. 中国海相碳酸盐岩层系有机质生烃理论新解[J]. 石油勘探与开发, 2017, 44(1): 155-164. LIU W H, BORJIGIN T, WANG X F, et al. New knowledge of hydrocarbon generating theory of organic matter in Chinese marine carbonates[J]. Petroleum Exploration and Development, 2017, 44(1): 155-164. |
[6] |
李延钧, 刘欢, 张烈辉, 等. 四川盆地南部下古生界龙马溪组页岩气评价指标下限[J]. 中国科学:地球科学, 2013, 43(7): 1088-1095. LI Y J, LIU H, ZHANG L H, et al. Lower limits of evaluation parameters for the lower Paleozoic Longmaxi shale gas in southern Sichuan Province[J]. Science China:Earth Sciences, 2013, 43(7): 1088-1095. |
[7] |
邱振, 卢斌, 施振生, 等. 准噶尔盆地吉木萨尔凹陷芦草沟组页岩油滞留聚集机理及资源潜力探讨[J]. 天然气地球科学, 2016, 27(10): 1817-1827. QIU Z, LU B, SHI Z S, et al. Residual accumulation and resource assessment of shale oil from the Permian Lucaogou Formation in Jimusar Sag[J]. Natural Gas Geoscience, 2016, 27(10): 1817-1827. DOI:10.11764/j.issn.1672-1926.2016.10.1817 |
[8] |
王丽波, 久凯, 曾维特, 等. 上扬子黔北地区下寒武统海相黑色泥页岩特征及页岩气远景区评价[J]. 岩石学报, 2013, 29(9): 3263-3278. WANG L B, JIU K, ZENG W T, et al. Characteristics of Lower Cambrian marine black shales and evaluation of shale gas prospective area in Qianbei area, Upper Yangtze region[J]. Acta Petrologica Sinica, 2013, 29(9): 3263-3278. |
[9] |
张金川, 林腊梅, 李玉喜, 等. 页岩油分类与评价[J]. 地学前缘, 2012, 19(5): 322-331. ZHANG J C, LIN L M, LI Y X, et al. Classification and evaluation of shale oil[J]. Earth Science Frontiers, 2012, 19(5): 322-331. |
[10] |
GHANIZADEH A, AMANN-HILDENBRAND A, GASPARIK M, et al. Experimental study of fluid transport processes in the matrix system of the European organic-rich shales:Ⅱ.Posidonia Shale (Lower Toarcian, northern Germany)[J]. International Journal of Coal Geology, 2014, 123(1): 20-33. |
[11] |
ZHANG T, ELLIS G S, RUPPEL S C, et al. Effect of organic-matter type and thermal maturity on methane adsorption in shale-gas systems[J]. Organic Geochemistry, 2012, 47(6): 120-131. |
[12] |
胡慧婷, 苏瑞, 刘超, 等. 广义ΔlgR技术预测陆相深层烃源岩有机碳含量方法及其应用[J]. 天然气地球科学, 2016, 27(1): 149-155. HU H T, SU R, LIU C, et al. The method and application of using Genenralized-ΔlgR technology to predict the organic carbon cotent of continental deep source rocks[J]. Natural Gas Geoscience, 2016, 27(1): 149-155. |
[13] |
胡曦, 王兴志, 李宜真, 等. 利用测井信息计算页岩有机质丰度——以川南长宁地区龙马溪组为例[J]. 岩性油气藏, 2016(5): 107-112. HU X, WANG X Z, LI Y Z, et al. Using log data to calculate the organic matter abundance in shale:A case study from Longmaxi Formation in Changning area, southern Sichuan Basin[J]. Lithologic Reservoirs, 2016(5): 107-112. DOI:10.3969/j.issn.1673-8926.2016.05.013 |
[14] |
牛聪, 刘志斌, 王彦春, 等. 应用地球物理技术定量评价辽西凹陷沙河街组烃源岩[J]. 石油地球物理勘探, 2017, 52(1): 131-137. NIU C, LIU Z B, WANG Y C, et al. Quantitative evaluation of source rocks of Shahejie Formation in Liaoxi Depression using geophysical techniques[J]. Oil Geophysical Prospecting, 2017, 52(1): 131-137. |
[15] |
MENDELZON J D, TOKSOZ M N. Source rock characterization using multivariate analysis of log data[M]. Texas: Society of Petrophysicists and Well-Log Analysts, 1985: 1-21.
|
[16] |
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. |
[17] |
SCHMOKER J W. Determination of organic content of appalachian devonian shales from formation-density logs[J]. AAPG Bulletin, 1979, 63(9): 1504-1509. |
[18] |
SCHMOKER J W. Determination of organic-matter content of appalachian devonian shales from gamma-ray logs[J]. AAPG Bulletin, 1981, 65(7): 1285-1298. |
[19] |
陈曜岑. 利用测井资料研究和评价生油岩[J]. 石油物探, 1996, 35(1): 99-106. CHEN Y C. Study and evaluaion of oil source rock using log data[J]. Geophysical Prospecting for Petroleum, 1996, 35(1): 99-106. |
[20] |
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 characteristics 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. |
[21] |
李延钧, 张烈辉, 冯媛媛, 等. 页岩有机碳含量测井评价方法及其应用[J]. 天然气地球科学, 2013, 24(1): 169-175. LI Y J, ZHANG L H, FENG Y Y, et al. Logging evaluation method and its application for measuring the total organic carbon content in shale gas[J]. Natural Gas Geoscience, 2013, 24(1): 169-175. |
[22] |
赵桂萍, 李良. 杭锦旗地区基于测井响应特征的泥质烃源岩有机质丰度评价研究[J]. 石油物探, 2016, 55(6): 879-886. ZHAO G P, LI L. Evaluation on abundance of organic matter for shaly source rocks based on well log responses in Hangjiqi area, Ordos Basin[J]. Geophysical Prospecting for Petromeum, 2016, 55(6): 879-886. DOI:10.3969/j.issn.1000-1441.2016.06.013 |
[23] |
BEERS R F. Radioactivity and organic content of some Paleozoic shales[J]. AAPG Bulletin, 1945, 29(1): 1-22. |
[24] |
SCHMOKER J W, HESTER T C. Organic carbon in Bakken Formation, United States portion of Williston Basin[J]. AAPG Bulletin, 1983, 67(12): 2165-2174. |
[25] |
郭永华, 何炳骏. 利用电测井资料确定生油岩有机质的成熟度——以渤海辽东湾资料为例[J]. 石油勘探与开发, 1993, 20(3): 22-26. GUO Y H, HE B J. Determination of organic maturity of source rock using electric resistivity:An experiment and analysis of electric resistivity logs in Liaodongwan basin[J]. Petroleum Exploration and Development, 1993, 20(3): 22-26. |
[26] |
陈增智, 郝石生, 席胜利. 碳酸盐岩烃源岩有机质丰度测井评价方法[J]. 石油大学学报(自然科学版), 1994, 18(4): 16-19. CHEN Z Z, HAO S S, XI S L. Evaluation of organic matter content in carbonate source rock by using log data[J]. Journal of the University of Petroleum, China(Edition of Natural Science), 1994, 18(4): 16-19. |
[27] |
陈祖庆. 海相页岩TOC地震定量预测技术及其应用——以四川盆地焦石坝地区为例[J]. 天然气工业, 2014, 34(6): 24-29. CHEN Z Q. Quantitative seismic prediction technique of marine shale TOC and its application:A case from the Longmaxi Shale Play in the Jiaoshiba area, Sichuan Basin[J]. Natural Gas Industry, 2014, 34(6): 24-29. DOI:10.3787/j.issn.1000-0976.2014.06.004 |
[28] |
金吉能, 潘仁芳, 王鹏, 等. 地震多属性反演预测页岩总有机碳含量[J]. 石油天然气学报, 2012, 34(11): 68-72. JIN J N, PAN R F, WANG P, et al. Prediction of total organic carbon content of shale using seismic multi-attribute Inversion[J]. Journal of Oil and Gas Technology, 2012, 34(11): 68-72. DOI:10.3969/j.issn.1000-9752.2012.11.014 |
[29] |
刘军, 汪瑞良, 舒誉, 等. 烃源岩TOC地球物理定量预测新技术及在珠江口盆地的应用[J]. 成都理工大学学报(自然科学版), 2012, 39(4): 415-419. LIU J, WANG R L, SHU Y, et al. Geophysical quantitative prediction technology about the total organic carbon in source rocks and application in Pearl River Mouth Basin, China[J]. Journal of Chengdu University of Technology (Science & Technology Edition), 2012, 39(4): 415-419. DOI:10.3969/j.issn.1671-9727.2012.04.010 |
[30] |
杜江民, 张小莉, 钟高润, 等. 致密油烃源岩有机碳含量测井评价方法优选及应用——以鄂尔多斯盆地延长组长7段烃源岩为例[J]. 地球物理学进展, 2016, 31(6): 2526-2533. DU J M, ZHANG X L, ZHONG G R, et al. Analysis on the optimization and application of well logs indentification methods for organic carbon content in source rocks on tight oil-illustrated by the example of the source rock of Chang 7 member of Yanchang Formation in Ordos Basin[J]. Progress in Geophysics, 2016, 31(6): 2526-2533. |
[31] |
王明飞, 陈超, 屈大鹏, 等. 涪陵页岩气田焦石坝区块五峰组—龙马溪组一段页岩气储层地球物理特征分析[J]. 石油物探, 2015, 54(5): 613-620. WANG M F, CHEN C, QU D P, et al. The geophysical characteristics of shale gas reservoir from Wufeng member to Longmaxi member in Jiaoshiba block of Fulin shale gasfield[J]. Geophysical Prospecting for Petroleum, 2015, 54(5): 613-620. DOI:10.3969/j.issn.1000-1441.2015.05.014 |
[32] |
王濡岳, 丁文龙, 王哲, 等. 页岩气储层地球物理测井评价研究现状[J]. 地球物理学进展, 2015, 30(1): 228-241. WANG R Y, DING W L, WANG Z, et al. Progress of geophysical well logging in shale gas reservoir evaluation[J]. Progress in Geophysics, 2015, 30(1): 228-241. |
[33] |
王方雄, 侯英姿, 夏季. 烃源岩测井评价新进展[J]. 测井技术, 2002, 26(2): 89-93. WANG F X, HOU Y Z, XIA J. New advances in hydrocarbon source rocks evaluation[J]. Well Logging Technology, 2002, 26(2): 89-93. DOI:10.3969/j.issn.1004-1338.2002.02.001 |
[34] |
陈中红, 查明, 金强. 自然伽玛及自然伽玛能谱测井在沉积盆地古环境反演中的应用[J]. 地球物理学报, 2004, 47(6): 1145-1150. CHEN Z H, CHA M, JIN Q. Application of natural gamma ray logging and natural gamma spectrometry logging to recovering paleoenvi-ronment of sedimentary basin[J]. Chinese Journal of Geophysics, 2004, 47(6): 1145-1150. DOI:10.3321/j.issn:0001-5733.2004.06.031 |
[35] |
郭泽清, 孙平, 刘卫红. 利用ΔlogR技术计算柴达木盆地三湖地区第四系有机碳[J]. 地球物理学进展, 2012, 27(2): 626-633. GUO Z Q, SUN P, LIU W H. The carbon caclulation by ΔlogR technology in Sanhu area of Qaidam basin[J]. Progress in Geophysics, 2012, 27(2): 626-633. DOI:10.6038/j.issn.1004-2903.2012.02.027 |
[36] |
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. DOI:10.3969/j.issn.1001-6112.2010.03.017 |
[37] |
黄薇, 张小莉, 李浩, 等. 鄂尔多斯盆地中南部延长组7段页岩有机碳含量解释模型[J]. 石油学报, 2015, 36(12): 1508-1515. HUANG W, ZHANG X L, LI H, et al. Interpretation model of organic carbon content of shale in member 7 of Yanchang Formation, central-southern Qrdos Basin[J]. Acta Petrolei Sinica, 2015, 36(12): 1508-1515. DOI:10.7623/syxb201512005 |
[38] |
霍秋立, 曾花森, 付丽, 等. ΔlogR测井源岩评价方法的改进及其在松辽盆地的应用[J]. 吉林大学学报(地球科学版), 2011, 41(2): 586-591. HUO Q L, ZENG H S, FU L, et al. The advance of ΔlogR method and its application in Songliao Basin[J]. Journal of Jilin University (Earth Science Edition), 2011, 41(2): 586-591. |
[39] |
王濡岳, 丁文龙, 龚大建, 等. 页岩有机碳含量测井评价方法及应用——以贵州岑巩区块下寒武统牛蹄塘组为例[J]. 煤炭学报, 2015, 40(12): 2874-2883. WANG R Y, DING W L, GONG D J, et al. Logging evaluation method and its application for total organic carbon content in shale:A case study on the Lower Cambrian Niutitang formation in Cengong block, Guizhou Province[J]. Journal of China Coal Society, 2015, 40(12): 2874-2883. |
[40] |
陈海峰, 王凤启, 王民, 等. 基于变系数ΔlogR技术的烃源岩TOC精细评价[J]. 中国石油大学学报(自然科学版), 2017, 41(4): 54-64. CHEN H F, WANG F Q, WANG M, et al. TOC evaluation using variable-coefficient ΔlogR model[J]. Journal of China University of Petroleum, 2017, 41(4): 54-64. DOI:10.3969/j.issn.1673-5005.2017.04.007 |
[41] |
许娟娟, 蒋有录, 朱建峰. 基于误差分析的ΔlogR技术在长岭龙凤山烃源岩评价中的应用[J]. 天然气地球科学, 2016, 27(10): 1869-1877. XU J J, JIANG Y L, ZHU J F, et al. The application of ΔlogR technology based on the error analysis for source rock evaluation in Longfengshan Sag, Changling Faulted Depression[J]. Natural Gas Geoscience, 2016, 27(10): 1869-1877. DOI:10.11764/j.issn.1672-1926.2016.10.1869 |
[42] |
黄仁春, 王燕, 程斯洁, 等. 利用测井资料确定页岩储层有机碳含量的方法优选——以焦石坝页岩气田为例[J]. 天然气工业, 2014, 34(12): 25-32. HUANG R C, WANG Y, CHENG S J, et al. Optimal selection of logging-based TOC calculation methods of shale reservoirs:A case study of the Jiaoshiba shale gas field, Sichuan Basin[J]. Natural Gas Industry, 2014, 34(12): 25-32. DOI:10.3787/j.issn.1000-0976.2014.12.003 |
[43] |
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 appliction 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. |
[44] |
WITKOWSKY J M, GALFORD J E, QUIREIN J A, et al.Predicting pyrite and total organic carbon from well logs for enhancing shale reservoir interpretation[C]//SPE Eastern Regional Meeting.Lexington, Kentucky, USA: Society of Petroleum Engineers, 2012: SPE-161097-MS
|
[45] |
袁超, 周灿灿, 胡松, 等. 地层有机碳含量测井评价方法综述[J]. 地球物理学进展, 2014, 29(6): 2831-2837. YUAN C, ZHOU C C, HU S, et al. Summary on well logging evolution method of total organic carbon content in formation[J]. Progress in Geophysics, 2014, 29(6): 2831-2837. |
[46] |
王健, 石万忠, 舒志国, 等. 富有机质页岩TOC含量的地球物理定量化预测[J]. 石油地球物理勘探, 2016, 51(3): 596-604. WANG J, SHI W Z, SHU Z G, et al. Prediction of TOC content in grganic-rich shale by geophysical quantitative[J]. Oil Geophysical Prospecting, 2016, 51(3): 596-604. |
[47] |
代大经, 唐正松, 陈鑫堂, 等. 铀的地球化学特征及其测井响应在油气勘探中的应用[J]. 天然气工业, 1995, 15(5): 21-24. DAI D J, TANG Z S, CHEN X T, et al. Geochemical characteristics of uranium and its application to oil and gas exploration[J]. Natural Gas Industry, 1995, 15(5): 21-24. |
[48] |
付文钊, 余继峰, 李卿, 等. 不同沉积岩的自然伽马能谱与磁化率响应特征[J]. 地质论评, 2017, 63(6): 1451-1464. FU W Z, YU J F, LI Q, et al. Natural Gamma ray spectrum and magnetic susceptibility characteristics analysis of different sedimentary rocks[J]. Geological Review, 2017, 63(6): 1451-1464. |
[49] |
王胜建, 包书景, 梅建森, 等. 柴达木盆地北缘柴页1井中侏罗统大煤沟组页岩储层测井评价[J]. 地质通报, 2016, 35(2/3): 260-272. WANG S J, BAO S J, MEI J S, et al. Shale petrophysical evaluation of the Middle Jurassic Dameigou Formation in Chaiye1 Well, Qaidam Basin[J]. Geological Bulletin of China, 2016, 35(2/3): 260-272. |
[50] |
杜江民, 张小莉, 郑茜, 等. 致密油烃源岩有机碳含量测井定量预测模型适用性分析——以柴达木盆地上干柴沟组下段烃源岩为例[J]. 西北大学学报(自然科学版), 2016, 46(2): 239-245. DU J M, ZHANG X L, ZHENG X, et al. The applicability of well logs prediction models of organic carbon content in source rocks of the tight oil:A case of the source rocks of lower section of N1 Formation in Qaidm Basin[J]. Journal of Northwest University (Natural Science Edition), 2016, 46(2): 239-245. |
[51] |
李金磊, 尹正武. 四川盆地焦石坝地区页岩气储层地震定量预测方法[J]. 石油物探, 2015, 54(3): 324-330. LI J L, YIN Z W. Seismic quantitative prediction method of shale gas reservoirs in the Jiaoshiba Area, Sichuan Basin[J]. Geophysical Prospecting for Petroleum, 2015, 54(3): 324-330. DOI:10.3969/j.issn.1000-1441.2015.03.011 |
[52] |
徐新德, 陶倩倩, 曾少军, 等. 基于地化-测井-地震联合反演的优质烃源岩研究方法及其应用——以涠西南凹陷为例[J]. 中国海上油气, 2013, 25(3): 13-18. XU X D, TAO Q Q, ZENG S J, et al. A method to evaluate high-quality source rocks, based on geochemistry-logging-seismic joint-inversion and its application:A case of Weixinan sag in Beibuwan basin[J]. China Offshore Oil and Gas, 2013, 25(3): 13-18. |
[53] |
李霞, 程相志, 周灿灿, 等. 页岩油气储层测井评价技术及应用[J]. 天然气地球科学, 2015, 26(5): 904-914. LI X, CHENG X Z, ZHOU C C, et al. Technology and application of well logging evaluation of shale oil and gas reservoirs[J]. Natural Gas Geoscience, 2015, 26(5): 904-914. |
[54] |
孟召平, 郭彦省, 刘尉. 页岩气储层有机碳含量与测井参数的关系及预测模型[J]. 煤炭学报, 2015, 40(2): 247-253. MENG Z P, GUO Y S, LIU W. Relationship between organic carbon content of shale gas reservoir and logging parameters and its prediction model[J]. Journal of China Coal Society, 2015, 40(2): 247-253. |
[55] |
张冲, 郭聪, 朱林奇, 等. 考虑有机质校正的页岩气储层总孔隙度测井评价方法[J]. 煤炭学报, 2017, 42(6): 1527-1534. ZHANG C, GUO C, ZHU L Q, et al. A logging interpretation method for total porosity considering organic matter correction of shale gas reservoirs[J]. Journal of China Coal Society, 2017, 42(6): 1527-1534. |
[56] |
张予生, 李康, 刘春辉, 等. 热中子成像测井技术在吐哈油田的应用[J]. 测井技术, 2015, 39(5): 652-655. ZHANG Y S, LI K, LIU C H, et al. On the applications of TNIS in Tuhaoilfield[J]. Well Logging Technology, 2015, 39(5): 652-655. |
[57] |
朱俊江, 李三忠. 高分辨率三维海洋反射地震P-cable系统应用进展[J]. 海洋地质与第四纪地质, 2017, 37(4): 221-228. ZHU J J, LI S Z. Progress of application of P-cable system of 3-D high-resolution seismic[J]. Marine Geology & Quaternary Geology, 2017, 37(4): 221-228. |
[58] |
MORRIS S, LOFTS J. 高分辨率随钻电成像测井——通过实时数据确定井眼轨迹、降低钻井风险[J]. 国外测井技术, 2008, 23(5): 29-31. MORRIS S, LOFTS J. High resolution with drilled imaging logging-determining borehole trajectory through real-time data and reducing drilling risk[J]. World Well Logging Technology, 2008, 23(5): 29-31. |
[59] |
陈建平, 李婧, 崔宁, 等. 大数据背景下地质云的构建与应用[J]. 地质通报, 2015, 34(7): 1260-1265. CHEN J P, LI J, CUI N, et al. The construction and application of geological cloud under the big data background[J]. Geological Bulletin of China, 2015, 34(7): 1260-1265. DOI:10.3969/j.issn.1671-2552.2015.07.002 |
[60] |
吴冲龙, 刘刚, 张夏林, 等. 地质科学大数据及其利用的若干问题探讨[J]. 科学通报, 2016, 61(16): 1797-1807. WU C L, LIU G, ZHANG X L, et al. Discussion on geological science big data and its applications[J]. China Science Bulletin, 2016, 61(16): 1797-1807. |