ISSN 1672-9854
CN 33-1328/P
勘探技术

核磁测井与常规测井储层参数联合反演研究——以珠江口盆地文昌16构造珠江组低阻油层为例

  • 张顺超 ,
  • 李芳 ,
  • 汤翟 ,
  • 吴一雄 ,
  • 骆玉虎 ,
  • 吴勃翰 ,
  • 申富豪
展开
  • 中海石油(中国)有限公司海南分公司

张顺超,硕士,工程师,主要从事地球物理测井研究。通信地址:570311 海南省海口市秀英区长滨三路6号。E-mail:

Copy editor: 黄革萍

收稿日期: 2025-08-05

  修回日期: 2025-08-25

  网络出版日期: 2026-01-02

基金资助

中国海洋石油有限公司综合科研项目“中国海油测井解释软件系统研发与国产化替代(I期)”(KJZH-2024-1903)

Joint inversion of reservoir parameters based on NMR logging and conventional logging data: taking the low resistivity oil layer of Zhujiang Formation in the Wenchang 16 structure, Pearl River Mouth Basin as an example

  • ZHANG Shunchao ,
  • LI Fang ,
  • TANG Di ,
  • WU Yixiong ,
  • LUO Yuhu ,
  • WU Bohan ,
  • SHEN Fuhao
Expand
  • Hainan Branch of CNOOC (China) Ltd

ZHANG Shunchao, MSc, Engineer, mainly engaged in geophysical well logging research. Add: No. 6, Changbin San Rd., Xiuying District, Haikou, Hainan 570311, China. E-mail:

Received date: 2025-08-05

  Revised date: 2025-08-25

  Online published: 2026-01-02

摘要

珠江口盆地文昌16构造珠江组发育典型的含放射性矿物的高自然伽马、低电阻率油气储层,采用常规解释方法计算的泥质含量往往显著偏高,进而导致储层参数计算出现较大误差,造成有效油气层的漏判。基于核磁共振测井资料对储层孔隙结构精细表征的优势,系统分析了研究区典型泥岩与低阻油气层的测录井响应特征差异。通过优化传统体积模型,创新性地引入核磁测井Rkn参数,建立了经过改进的体积模型响应方程。将该方程与常规测井资料相结合,采用最优化算法实现了储层组分(包括粉砂、泥质等岩石组成)相对含量的精确计算,并进一步提高了孔隙度、饱和度等关键储层参数的计算精度。实际应用表明,该方法在珠江口盆地多个油田的高伽马储层评价中取得了显著成效,有效地解决了因放射性矿物干扰导致的参数计算问题。该方法对于具有类似地质特征的浅层疏松砂岩的储层评价具有重要的推广应用价值,为复杂储层的精细评价提供了新的技术思路。

本文引用格式

张顺超 , 李芳 , 汤翟 , 吴一雄 , 骆玉虎 , 吴勃翰 , 申富豪 . 核磁测井与常规测井储层参数联合反演研究——以珠江口盆地文昌16构造珠江组低阻油层为例[J]. 海相油气地质, 2025 , 30(6) : 625 -631 . DOI: 10.3969/j.issn.1672-9854.2025.06.008

Abstract

Typical oil and gas reservoirs with radioactive minerals, characterizing by high natural gamma and low resistivity of logging, are developed in the Zhujiang Formation of Wenchang 16 structure in the Pearl River River Mouth Basin. The shale content calculated with conventional interpretation methods is often significantly high, which leads to large errors in reservoir parameter calculation, resulting in the missed identification of effective oil and gas layers. Based on the advantages of precise characterization of reservoir pore structure using nuclear magnetic resonance(NMR) logging data, the differences in logging response characteristics between typical mudstone and low-resistivity oil and gas reservoirs in the study area are systematically analyzed. By optimizing the traditional volume model and innovatively introducing the Rkn parameter of NMR logging, an improved volume model response equation is established. By combining this equation with conventional logging data, an optimization algorithm is used to accurately calculate the relative content of reservoir components (including silt, shale, etc.), and further improve the calculation accuracy of key reservoir parameters such as porosity and saturation. The practical application shows that this method has achieved remarkable results in the evaluation of high-gamma reservoirs of many oilfields in the Pearl River Mouth Basin, and effectively solved the problem of parameter calculation caused by the interference of radioactive minerals. This method has important application value for the evaluation of shallow unconsolidated sandstone reservoirs with similar geological characteristics, and provides a new technical idea for the fine evaluation of complex reservoirs.

0 前言

近年来,在珠江口盆地陆续发现了较多高伽马低阻油气层,与邻近泥岩的测录井响应特征非常接近,其伽马值甚至比泥岩略高,用常规方法计算的泥质含量结果偏高,造成储层参数的计算误差及油气层的漏判。由于测井无法直接区分黏土(泥,粒径<0.003 9 mm)和极细粉砂(0.003 9 mm≤粒径<0.007 8 mm),因此将二者统一归为“泥质”。泥质含量(Vsh)是储层岩性、物性及含油性评价的关键参数,直接影响孔隙度、渗透率、含油饱和度等基础参数的计算精度。目前评价泥质含量最常见的方法仍然是基于自然伽马的公式法及密度-中子交会法,但放射性矿物的影响以及物性的差异会导致泥质含量被高估[1-5]。有学者提出了通过调整权重综合利用伽马和中子、密度曲线反映的地质信息来计算泥质含量,但该方法只是简单地加权变形,缺乏理论依据支撑[6-8]。近年来基于人工智能算法的泥质含量求取方法兴起,但此类方法存在过拟合的风险,且难以直观解释伽马值与泥质含量的非线性关系来源[9-11]
珠江口盆地文昌16构造珠江组一段的岩性以粉砂岩、泥质粉砂岩为主,且存在放射性矿物的影响,用常规的泥质含量求取方法难以准确地将响应特征类似的粉砂岩(0.007 8 mm≤粒径<0.062 5 mm)与泥岩区分开,泥质含量及储层参数计算误差大。基于核磁测井不依赖泥质的放射性特征,本文优选表征储层孔隙结构的核磁 R k n参数,建立改进的体积模型响应方程,采用最优化算法实现了储层组分(包括粉砂、泥质等岩石组成)相对含量及储层参数的精确计算,有效地解决了因放射性矿物干扰而导致的参数计算问题。

1 岩性特征及高伽马值成因

文昌16构造位于珠江口盆地的神狐隆起北缘近洼带,邻近文昌10洼、文昌11洼。该构造区发育受基底古隆起控制形成的低幅构造圈闭、岩性圈闭群,主要勘探层系为珠江组的一段和二段。低阻油层主要发育在珠江组一段,主要岩性为灰色泥质粉砂岩、粉砂岩与灰色泥岩、粉砂质泥岩不等厚互层。研究区的分析化验资料表明(图1),低阻油层伽马值高主要有3个方面的原因:①黏土矿物的含量高。WC16-X1井珠江组一段壁心样品的全岩分析报告以及黏土矿物X衍射的资料显示(图1a),珠江组一段8个壁心样品的黏土含量为20%~26%,其中绿泥石、伊蒙混层以及高岭石占比超过70%,是造成高伽马值的主要原因。②粒度细。WC16-X1井珠江组一段典型井段壁心样品以泥、粉砂为主(图1b),粒径整体小于0.062 5 mm,为粉砂—泥级别,吸附放射性元素能力强。③放射性矿物的影响。薄片分析资料显示,WC16-X1井珠江组一段的壁心样品以粉—极细砂为主,长石风化中等,含一定含量的钾长石,黑褐色沥青呈条纹状不均匀产出,见浅绿色海绿石不均匀分布于石英和长石的颗粒之间(图1c)。对珠江组一段壁心薄片鉴定的5颗海绿石含量进行了统计(图1d),海绿石含量分布在3%~10%之间,平均值为8.2%,含量整体较高。海绿石的化学组成中含有大量钾元素,使得海绿石本身具有显著的放射性[12-14],这也是造成高伽马值的重要原因。
图1 研究区样品实验分析数据

Fig. 1 Test data of samples from the study area

2 泥岩与低阻油层的测录井响应特征

根据实验分析及取样证实的储层划分结果,首先分析了泥岩与低阻油层的测录井响应特征。图2是珠江口盆地典型低阻油层和泥岩的测录井响应图,从图中可以看到低阻油层与上下泥岩的测录井响应特征的相似性与差异性。
图2 典型低阻油层和泥岩的测录井响应特征

Fig. 2 Integrated logging responses of typical low-resistivity oil layers and mudstones

相似性主要表现在常规测井曲线上。自然伽马特征:由于岩性及放射性矿物的影响,二者的伽马值均偏高(>100 API),低阻油层的伽马值甚至比上下泥岩的更高。电阻率特征:由于束缚水含量较高,二者均呈现低电阻率(<1.5 Ω·m),异常倍数小于2倍。物性曲线特征:在疏松泥岩与高孔隙度低阻油层中,二者均表现出低密度、高中子,中子和密度测井曲线呈“反向交会”特征。
差异性主要表现在录井显示和核磁测井上。低阻油层的气测录井总烃和甲烷的异常明显,核磁T2谱呈现双峰特征,可动孔明显,黏土孔较低;而上下泥岩的气测异常幅度降低,核磁T2谱呈单峰或短弛豫时间分布,可动孔较低,黏土孔较高[15]
低阻油层与泥岩的相似性和差异性是本文的研究背景及研究思路的依据。常规测井曲线特征的相似性导致用常规方法计算的泥质含量及孔隙度、饱和度等重要储层参数存在较大误差,而核磁测井的差异性是泥岩和低阻油层后续定性判别和定量计算的理论基础。

3 泥岩与低阻油层的定性判别

根据前文分析,低阻油层普遍具有细粒岩性、高黏土矿物含量、高放射性矿物含量以及复杂的孔隙结构等特征。这类储层的特殊性导致常规测井无明显响应特征,给有效储层的准确识别带来了极大挑战。在此类复杂储层的评价过程中,当常规测井方法无法提供有效的识别依据时,采用核磁共振测井这一创新技术手段能够显著提升储层识别的准确性。在核磁共振测井测得的T2谱中,通常认为T2截止值小于3 ms的部分为黏土孔隙 ( φ N ),大于33 ms的部分为可动孔隙 ( φ F ),这两种孔隙和总孔隙 ( φ T )均能通过对核磁测井T2谱进行区间孔隙度分析得到。根据泥岩与低阻油层在可动孔隙及黏土孔隙的响应差异,分别引入可动率及黏土率2个指示参数,分别表征可动孔隙与黏土孔隙占比。可动率及黏土率参数能反映岩石的孔隙结构特征:可动率越大表示其可动孔隙度占比越大,孔隙结构越好;黏土率越大表示其黏土孔隙度占比越大,孔隙结构越差。泥岩、粉砂岩和中细砂岩的孔隙结构特征有明显区别,为了放大差异引入可动率与黏土率的比值 R k n,利用这一参数结合常规测井能较好的区分泥岩和低阻油层(图3)。具体的计算公式为:
R k = φ F / φ T
R n = φ N / φ T
R k n = R k / R n
式中 : φ F为核磁可动孔隙度,%; φ T为核磁总孔隙度,%; R k为可动率,无量纲; φ N为核磁黏土孔隙度,%; R n为黏土率,无量纲; R k n为可动率与黏土率的比值,无量纲。
图3 低阻油层和泥岩的定性判别图版

Fig. 3 Qualitative discrimination chart of low-resistivity oil layers and mudstones

4 核磁测井与常规测井联合反演泥质含量及储层参数

表1的粒度分析数据可以看到低阻油层中除泥质(黏土及极细粉砂)含量高外,还存在大量的粉砂。粉砂岩的自然伽马值远大于中砂岩和细砂岩,仅略低于泥岩,常规测井的响应特征也与泥岩非常接近,再加上放射性矿物的影响,用常规测井数据计算的泥质含量偏高,导致储层参数计算精度误差大。为解决研究区低阻油层评价中存在的储层漏判和参数的计算精度不足的问题,本文对传统储层组分模型进行优化改进(图4)。具体来说,就是将原模型中笼统的“砂粒”组分进一步细化为“粉砂”和“中细砂”2个亚类,通过精确量化粉砂的组分含量,实现泥质含量的准确计算。该方法突破了传统“砂粒-泥质”二分法的局限,建立“粉砂-中细砂-泥质”三分模型。针对低阻油层的高伽马特性,通过细分岩性组分改善泥质含量的算法,有效降低了因岩性识别不准导致的储层漏判解释风险,提高了孔隙度、饱和度等关键参数的可靠性。
表1 珠江口盆地文昌16构造珠江组一段壁心的粒度分析数据表

Table 1 Grain size analysis data of sidewall cores from the 1st member of Zhujiang Formation in Wenchang 16 structure, Pearl River Mouth Basin

样号 井深/ m 粒径组成/ % 岩石定名
中砂 细砂 粉砂 极细粉砂 黏土
1 1 359.0 2.80 12.52 48.85 16.70 19.13 含细砂、含泥粉砂岩
2 1 360.0 1.04 12.64 55.69 15.53 15.10 含细砂、含泥粉砂岩
3 1 362.0 0.78 21.67 50.19 13.74 13.62 含泥、含细砂粉砂岩
4 1 378.0 2.43 25.07 46.52 12.06 13.92 含泥细砂质粉砂岩
5 1 384.0 0.00 34.14 49.68 8.27 7.91 细砂质粉砂岩
6 1 410.0 2.69 28.13 41.51 13.51 14.16 含泥细砂质粉砂岩
7 1 414.0 1.29 30.15 41.80 12.82 13.94 含泥细砂质粉砂岩

注:中砂的粒径介于0.25~0.41 mm; 细砂的粒径介于0.062 5~0.25 mm; 粉砂的粒径介于0.007 8~0.062 5 mm; 极细粉砂的粒径

介于0.003 9~0.007 8 mm; 黏土的粒径<0.003 9 mm。

图4 研究区含油地层体积优化模型

Fig. 4 Volume optimization model for the oil-bearing formation in the study area

图4是优化后的研究区泥质砂岩的岩石骨架模型,在此模型中,含油地层可以近似为由中细砂、粉砂、泥质、油以及水组成。可以得到密度测井的响应关系式为:
Z D E N = V m a 1 × D m a + V m a 2 × D m a + V s h × D s h + φ × ( S w × D w + S o × D o )
式中: Z D E N为密度测井值,g/cm3 V m a 1为中细砂体积,小数; V m a 2为粉砂体积,小数; D m a为骨架密度,取2.65 g/cm3 V s h为泥质含量,小数; D s h为泥岩密度,从纯泥岩段读取,g/cm3 φ为储层孔隙度,小数; S w为含水饱和度,小数; D w为水的密度,取1 g/cm3 V o为含油饱和度,小数; D o为地层油的密度响应值,根据研究区高压物性分析资料取0.75 g/cm3。得到中子测井的响应关系式为:
Z C N = V m a 1 × C m a + V m a 2 × C m a + V s h × C s h + φ × ( S w × C w + S o × C o )
式中: Z C N为中子测井值,%;   C m a为砂岩骨架中子值,取-3%; C s h为泥岩中子值,从纯泥岩段读取,%; C w为水的中子值,取100%; C o为地层油的中子响应值,取100%。得到声波测井的响应关系式为:
Z D T = V m a 1 × T m a + V m a 2 × T m a + V s h × T s h + φ × ( S w × T w + S o × T o )
式中: Z D T为声波测井值,μs/ft; T m a为砂岩骨架时差值,取56 μs/ft; T s h为泥岩时差值,从纯泥岩段读取,μs/ft;   T w为水的时差响应值,取189 μs/ft; T o为地层油的时差响应值,取200 μs/ft。饱和度采用印尼公式计算:
S w n 2 = 1 R t × V s h ( 1 - 0.5 V s h ) R s h + φ m a × R w
式中:a、m、n为岩电参数,由区域岩电实验得到,为常数,研究区取a=0.93,m=1.90,n=1.76,无量纲; R t为地层电阻率,Ω·m; R s h为泥岩电阻率,从纯泥岩段读取,Ω·m; R w为地层水电阻率,由区域矿化度反算,Ω·m。孔隙中流体完全饱和:
S w + S o = 1
储层组分之和为1:
V m a 1 + V m a 2 + V s h + φ = 1
式(8)—(9)中: S w为含水饱和度,小数; S o为含油饱和度,小数; V m a 1为中细砂体积,小数; V m a 2为粉砂体积,小数; φ  为储层孔隙度,小数。
以上是基于常规测井资料与储层组分建立的6个方程。但前文所述,仅使用常规测井数据计算出的泥质含量及粉砂含量存在较大误差。第三节介绍了基于核磁资料的Rkn可以很好地表征储层孔隙结构,反映不同的组分含量,因此可以建立核磁测井的响应方程。为了计算方便,核磁测井的响应方程可以近似写为[16]
R k n = V m a 1 × R k n m a 1 + V m a 2 × R k n m a 2 + V s h × R k n s h + φ   × R k n
式中: R k n为核磁资料计算得到的参数,无量纲; R k n m a 1 R k n m a 2 R k n s h分别为中细砂、粉砂、泥质的 R k n值(可动率和黏土率的比值)。读取泥质、粉砂、中细砂的核磁可动率及黏土率:可动率分别为0.1、0.4、0.8,黏土率分别为0.4、0.1、0.05,因此可动率与黏土率的比值为 R k n m a 1=16 R k n m a 2=4 R k n s h=0.25。
两种砂粒以及泥质的Rkn参数有明显差别。计算Rkn参数的核磁资料与常规测井资料采样间隔一致,均为0.1 m,因此可以将这一响应方程与常规测井响应方程(4)—(9)联立。以上7个方程中只有 V m a 1 V m a 2 V s h S w S o φ 等6个未知参数,利用最优化算法求解由7个方程组成的超定方程组,就可以计算得到中细砂、粉砂以及泥质含量,能较大地提高粉砂和泥质含量的计算精度。

5 应用效果

图5是应用核磁及常规测井联合反演储层参数获得的珠江口盆地WC16-X5井的解释成果图。图中第6道为核磁测井的T2谱,第7道为区间孔隙度分析得到的可动孔隙、有效孔隙以及黏土孔隙,第8道的Rkn指示有效储层,第9道为常规方法、联合反演方法计算得到的含水饱和度与壁心束缚水饱和度的对比,第10道为常规方法、联合反演方法计算得到的孔隙度与壁心孔隙度的对比,第11道为常规方法、联合反演方法计算得到的泥质含量对比(红色圆点为岩心分析结果,黑色曲线为常规方法计算结果,绿色曲线为联合反演方法计算结果),第12道为联合反演方法计算得到的中细砂、粉砂以及泥质含量,第13道是根据联合反演的储层参数结果给出的测井解释。
图5 核磁及常规测井联合反演储层参数的解释成果

Fig. 5 Interpretation results of reservoir parameters from the joint inversion of nuclear magnetic resonance (NMR) and conventional logging

图5可以看出,储层从上到下呈现明显的正韵律特征。解释的1号层顶部泥岩的核磁T2谱以束缚孔为主,可动率低、黏土率高,对应的核磁Rkn参数指示泥质特征。1号层T2谱有明显拖尾现象,可动率较高、黏土率较低,对应的核磁Rkn参数指示粉砂特征。底部11号水层可动率高、黏土率低,对应的核磁Rkn参数指示中细砂特征。1号层油层的自然伽马值比上部泥岩的更高,用常规方法计算的泥质含量高于50%,明显高于壁心粒度分析的泥质含量,达不到区域有效厚度下限而造成油层的漏判。用联合反演方法计算的中细砂、粉砂以及泥质含量与壁心粒度分析的结果吻合较好,可动孔低的泥岩层段的岩性计算结果以泥质为主,可动孔稍高的低阻油层层段的岩性计算以粉砂为主,而孔隙结构好的水层的岩性计算结果以中细砂为主。与常规方法相比,油层的计算孔隙度与壁心分析孔隙度更吻合,计算的含水饱和度与壁心分析束缚水更吻合,储层参数计算精度得到了有效提升。该井在1 462.1 m取得纯油样,实验分析溶解气油比为19 m3/m3,原油体积系数为1.142,为常规轻质油层,验证了本文方法的可靠性。
在珠江口、莺歌海等盆地类似浅层高泥质储层解释中应用该方法,发现文昌13油田、乐东22气田大量的潜在低阻油气层,因此具有较好的推广应用价值。

6 结论

(1)珠江口盆地文昌16构造珠江组发育高伽马低阻油层,黏土矿物含量高、岩石粒度细、放射性矿物的存在是高伽马低阻油层发育的主要原因。
(2)在测录井响应特征上,低阻油层与泥岩既有显著相似性,也存在明显差异性。二者的相似性主要体现在常规测井响应方面,而差异性则主要反映在核磁测井响应上。通过提取核磁Rkn参数,并结合常规测井数据,能够较为有效地对泥岩与低阻油层进行定性区分。
(3)提出了一种利用核磁与常规测井资料联合反演来精细计算泥质、粉砂含量的原理及方法。该方法打破传统体积模型对“砂粒”组分笼统划分的局限,将其细化为“粉砂”和“中细砂”2个亚类,通过对粉砂组分含量的精确量化,为泥质含量及储层参数的准确计算提供了支撑,计算结果与壁心样品实验分析结果的吻合度大幅提升,有效规避了传统测井解释方法中油层漏判的问题,显著优化了油层识别效果。该方法在珠江口及莺歌海盆地进行了广泛应用,具有较好的推广应用价值。
[1]
刘蓉, 杨洪明, 何金兰, 等. 柴达木盆地三湖地区第四系高泥质含量低电阻率气层解释方法[J]. 测井技术, 2007, 31(3): 253-255.

LIU Rong, YANG Hongming, HE Jinlan, et al. Interpretation method for high shaliness and low resistivity Quaternary gasfield of three-lake region in Chaidamu Basin[J]. Well logging technology, 2007, 31(3): 253-255.

[2]
周铂文, 陈红汉, 云露, 等. 塔里木盆地顺北地区一间房组台地碳酸盐岩异常泥质含量与断裂带距离及裂缝发育关系[J]. 地质科技通报, 2020, 39(6): 93-102.

ZHOU Bowen, CHEN Honghan, YUN Lu, et al. Relationship between argillaceous content and distance to main faulted zone and fractures development in the platform carbonate rocks of Yijianfang Formation in Shunbei area, Tarim Basin[J]. Bulletin of geological science and technology, 2020, 39(6): 93-102.

[3]
王建功, 吴刚, 陈燕, 等. 一种复杂砂岩储层泥质含量评价方法[J]. 石油钻采工艺, 2009, 31(增刊2): 48-50.

WANG Jiangong, WU Gang, CHEN Yan, et al. A shale content definition method for complex sand reservoirs[J]. Oil drilling & production technology, 2009, 31(S2): 48-50.

[4]
刘之的, 杨双定, 刘有霞, 等. 南梁油田长4+5储层泥质含量计算方法[J]. 西安石油大学学报(自然科学版), 2015, 30(2): 25-29.

LIU Zhide, YANG Shuangding, LIU Youxia, et al. Calculation method of the argillaceous content of the Chang 4+5 reservoir in the Nanliang Oilfield[J]. Journal of Xi'an Shiyou University(natural science edition), 2015, 30(2): 25-29.

[5]
王晓光, 谭锋奇, 吕建荣, 等. 克拉玛依油田七东1区砾岩油藏泥质含量测井解释方法[J]. 测井技术, 2017, 41(1): 64-70.

WANG Xiaoguang, TAN Fengqi, Jianrong, et al. Log interpretation method of shale content for conglomerate reservoir, No.1 area of East 7th block in Karamay Oilfield[J]. Well logging technology, 2017, 41(1): 64-70.

[6]
张德梅, 王桂萍, 娄宪刚, 等. 测井曲线组合法求取泥质含量探讨[J]. 测井技术, 2011, 35(4): 358-362.

ZHANG Demei, WANG Guiping, LOU Xiangang, et al. On calculating the shale content with log curve combining method[J]. Well logging technology, 2011, 35(4): 358-362.

[7]
司马立强, 罗兴, 张凤生, 等. 基于曲线重构的高伽马地层泥质含量计算方法[J]. 测井技术, 2013, 37(3): 244-248.

SIMA Liqiang, LUO Xing, ZHANG Fengsheng, et al. On the method of clay content calculation based on the curve reconstruction of the formation with high gamma value[J]. Well logging technology, 2013, 37(3): 244-248.

[8]
吴一雄, 高华, 吴健, 等. 高伽马含气储层泥质含量精细评价:以莺歌海盆地BV气田为例[J]. 科学技术与工程, 2015, 15(6): 26-31.

WU Yixiong, GAO Hua, WU Jian, et al. Shale content precise evaluation of gas reservoir with high gamma: for example of BV gas field of Yinggehai Basin[J]. Science technology and engineering, 2015, 15(6): 26-31.

[9]
张喆安, 刘龙成, 王书黎, 等. 多元线性回归模型与多层感知器神经网络在铀矿测井泥质含量预测中的应用[J]. 铀矿地质, 2024, 40(5): 1007-1013.

ZHANG Zhean, LIU Longcheng, WANG Shuli, et al. Application of multiple linear regression and multilayer perceptron neural network in predicting shale content for uranium logging[J]. Uranium geology, 2024, 40(5): 1007-1013.

[10]
袁义东, 张金功, 刘林玉, 等. 因子分析法在陆相致密砂岩及泥页岩储层泥质含量预测中的应用[J]. 矿物岩石, 2017, 37(4): 110-116.

YUAN Yidong, ZHANG Jingong, LIU Linyu, et al. The application of factor analysis method to the prediction of shale content of continental tight sandstone and shale reservoir[J]. Journal of mineralogy and petrology, 2017, 37(4): 110-116.

[11]
王伟, 吕延防, 付广, 等. 利用拟声波约束反演求取泥质含量的新方法及在断层侧向封闭性评价中的应用[J]. 地球物理学进展, 2017, 32(2): 737-744.

WANG Wei, Yanfang, FU Guang, et al. New method of using quasi-acoustic inversion for calculating the shale content and its application in evaluation of lateral sealing ability of fault[J]. Progress in geophysics, 2017, 32(2): 737-744.

[12]
魏博, 谢然红, 赵建斌, 等. 福山凹陷低阻油层成因分析及流体识别方法[J]. 中国石油大学学报(自然科学版), 2024, 48(2): 57-66.

WEI Bo, XIE Ranhong, ZHAO Jianbin, et al. Analysis of genesis of low resistivity reservoirs and method of fluid identification in Fushan Sag[J]. Journal of China University of Petroleum(edition of natural science), 2024, 48(2): 57-66.

[13]
杨锐祥, 王向公, 白松涛, 等. Oriente盆地海相低阻油层成因机理及测井评价方法[J]. 岩性油气藏, 2017, 29(6): 84-90.

YANG Ruixiang, WANG Xianggong, BAI Songtao, et al. Formation mechanism and log evaluation methods of marine low resistivity reservoir in Oriente Basin[J]. Lithologic reservoirs, 2017, 29(6): 84-90.

DOI

[14]
刘宇晨, 徐东滔, 王新强, 等. 陕南地区埃迪卡拉纪陡山沱组下部海绿石的成因机制:对古海水氧化还原条件的启示[J]. 地质通报, 2023, 42(2): 363-375.

LIU Yuchen, XU Dongtao, WANG Xinqiang, et al. The genesis of glaucony in the Lower Ediacaran Doushantuo Formation, southern Shaanxi: implication to seawater redox condition[J]. Geological bulletin of China, 2023, 42(2): 363-375.

[15]
赵艾琳, 赖强, 樊睿琦, 等. 基性火山岩核磁共振响应机理及孔隙结构评价方法:以四川盆地西南部二叠系峨眉山玄武岩组为例[J]. 岩性油气藏, 2025, 37(3): 153-164.

DOI

ZHAO Ailin, LAI Qiang, FAN Ruiqi, et al. Study on NMR response mechanism and pore structure evaluation method of basic volcanic rock: a case study of Permian Emeishan Basalt Formation in southwestern Sichuan Basin[J]. Lithologic reservoirs, 2025, 37(3): 153-164.

DOI

[16]
管耀, 冯进, 刘君毅, 等. 低对比度砂岩油层岩石组分核磁与常规测井联合反演方法[J]. 中国海上油气, 2020, 32(4): 71-77.

GUAN Yao, FENG Jin, LIU Junyi, et al. Joint inversion method of nuclear magnetic resonance and conventional logging for the rock components of low-contrast sandstone reservoirs[J]. China offshore oil and gas, 2020, 32(4): 71-77.

文章导航

/