CN103233728B - 一种LogR-ΔT测井评价的泥页岩油含量预测方法 - Google Patents

Abstract

一种LogR-ΔT测井评价的泥页岩油含量预测方法,属于测井勘探技术领域。包含以下几步：①测井数据的预处理；②极小值节点的识别；③测井曲线拉平处理；④标定预测泥页岩地层含油量S₁和氯仿沥青“A”的公式参数；⑤定量评价非实测数据泥页岩地层页岩油S₁和氯仿沥青“A”含量，实现无取样泥页岩段地层页岩油含量S₁和氯仿沥青“A连续预测评价。本发明通过处理后的声波时差与电阻数据直接通过实测数据的标定拟合，实现了对泥页岩含油量S₁（或氯仿沥青“A”）的含量模型的快速标定，实现了通过测井数据对非实测含油量S₁（或氯仿沥青“A”）段的S₁（或氯仿沥青“A”）预测。

Description

一种LogR-ΔT测井评价的泥页岩油含量预测方法

技术领域

本发明涉及一种LogR-ΔT测井评价的泥页岩油含量预测方法。属于测井勘探技术领域。

背景技术

实际应用中，泥页岩中页岩油含量主要是指氯仿沥青“A”和S₁的相对含量。它是非常规油气资源评价的关键性指标之一，直接关系到油气资源勘探潜力的评价。当前的页岩油气正成为全球油气资源勘探开发的新亮点，页岩油气属于一种自生自储式的油气资源，常规测井评价砂岩含油性的常规解释原理无法满足页岩中残留油气量的预测。但是常规测井响应对泥页岩地层中不同的骨架和流体成分反应敏感度不同，如有机质形成高声波、高电阻、高伽马、低密度等测井响应，而粘土矿物则会造成低电阻、高声波、高伽马、高中子，并且随着粘土矿物类型的变化相应的测井信号也会发生变化；硅质、钙质造成高电阻、高密度、低伽马、低声波、低中子等特征；正因为这些差异，使得常规测井资料识别评价有机质的含量成为可能。

事实上，近年来国内一些学者就常规测井资料确定矿物含量的方法已做过一定的研究，如国外上世纪90代初期Passey等就建立了ΔlogR评价有机质含量的模型，即：TOC=ΔlogR×10^{(2.297-0.1688LOM)}+ΔTOC；刘超等（2011）将其模型进行了改进，实现了陆相快速相变盆地的应用，并取得了良好的应用效果。但是，对于页岩油的关键性参数，即页岩的残留油含量大小没有合适的测井方法进行预测，泥页岩中的烃类（残留油）会造成测井数据的异常响应，如形成高电阻、高伽马、低中子以及相对低密度等响应，因此如何从这些测井信息以及它们的组合信息中提取残留烃的信号，并实现对未知井泥页岩的残留烃量进行预测，实现页岩油气的关键性参数（残留烃）的评价。

发明内容

为了克服现有技术的不足,本发明提供一种LogR-ΔT测井评价的泥页岩油含量预测方法。是一种用LogR-ΔT测井数据联合来评价泥页岩地层的含油量S₁或者氯仿沥青“A”含量的一种评价方法。

一种LogR-ΔT测井评价的泥页岩油含量预测方法，采用以下步骤：

步骤①、测井数据的预处理；

步骤②、极小值节点的识别；

步骤③、测井曲线拉平处理；

步骤④、标定预测泥页岩地层含油量S₁和氯仿沥青“A”的公式参数；

步骤⑤、定量评价非实测数据泥页岩地层页岩油S₁和氯仿沥青“A”含量，实现无取样泥页岩段地层页岩油含量S₁和氯仿沥青“A”连续预测评价。

本发明要解决的技术问题是通过常规测井信号处理预测泥页岩含油量S₁（或氯仿沥青“A”）的含量。

在含油气的储集岩或富含有机质的非储集岩中，两条曲线之间存在ΔlogR，利用自然伽马曲线及自然电位曲线可以辨别和排除储集层段。在富含残留烃的泥岩段，两条曲线的分离有两种情况：在未成熟的富含残留烃的岩石中还没有油气生成，两条曲线之间的差异仅由声波时差曲线响应造成；在成熟的烃源岩中，除了声波时差曲线响应之外，因为有液态烃类存在，电阻率增加，使两条曲线产生更大的间距。参考ΔlogR计算残留烃的经验公式为：

S₁=ΔlogR×10^{(2.2297-0.1688LOM})+ΔS₁           （1）

式（1）中S₁表示残留烃的含量，ΔlogR为电阻率曲线与声波时差曲线的叠合幅度差，ΔS₁表示基准残留烃的含量。

为了实现上述目的，本发明采取的技术方案为：

一种测井预测残留烃含量的方法，具体为LogR-ΔT法预测泥页岩残留烃含量：

ΔlogR=log（R/R_基线）+K（Δt-Δt_基线）            （2）

式中：K为每个声波时差（1μs/ft）对应对数坐标下电阻率的单位个数；ΔT为声波时差测井值；ΔT基线为声波时差基线值；R为地层电阻率值；R基线为地层电阻率基线值。

式（2）中：K=log（R_max/R_min）/（Δt_max-Δt_min）             （3）

R_min(ΔT_min)和R_max(ΔT_max)分别为声波时差和电阻率曲线叠合时电阻率（声波时差）曲线刻度的最小、最大值。由（2）和（3）可进一步推导为：

ΔlogR=logR+K(ΔT-ΔT_max)-logR_min                   （4）

这样，以贫残留烃泥岩段幅度差为零作为幅度差计算的一个标准，实际无需读取基线值也可计算幅度差及残留烃含量。这对于一口井来说可以设置多个基线值，分井段建立解释关系式，建立模型的深度范围内Ro变化一般不大，可视为定值，记作A，建立模型的深度范围内可修改为

S₁=A×ΔLogR+ΔS₁                   （5）

结合(3)、(4)和(5)，可得：

S₁=A×[LogR+K(ΔT-ΔT_max)-LogR_min]+ΔS₁

=A×LogR+A×K×ΔT-A(KΔT_max-LogR_min)+ΔS₁           （6）

式(5)和式(6)中，A、ΔT_max、R_min、ΔS₁为常数，显然，计算S₁含量受叠合系数K值影响，令K取最优值（最优K值能使计算残留烃与实测残留烃间相关度R²最大），则可得到改进的ΔLogR模型：

S₁=a×logR+b×ΔT+c                  (7)

式中，a、b、c为拟合公式的系数。

本发明的有益效果：实现了通过常规测井信号处理并预测泥页岩含油量S₁（或氯仿沥青“A”）的含量。与ΔlogR方法相比，不需确定声波时差和电阻率的基线值，取消了基线的位置确定的繁琐与困难过程。本发明通过处理后的声波时差与电阻数据直接通过实测数据的标定拟合，实现了对泥页岩含油量S₁（或氯仿沥青“A”）的含量模型的快速标定，实现了通过测井数据对非实测含油量S₁（或氯仿沥青“A”）段的S₁（或氯仿沥青“A”）预测。对于非常规油气的资源评价有重要帮助。

附图说明

当结合附图考虑时，通过参照下面的详细描述，能够更完整更好地理解本发明以及容易得知其中许多伴随的优点，但此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定，如图其中：

图1是含油量S₁(或氯仿沥青“A”)预测方法的流程图。

图2是渤南洼陷罗69井沙三段的地化测井剖面图。

图3是渤南洼陷罗69井沙三段的泥灰岩的预测页岩油含量S₁与实测页岩油含量S₁的相关关系。

图4是渤南洼陷罗69井沙三段的泥灰岩的预测氯仿沥青“A”与实测氯仿沥青“A”的相关关系。

下面结合附图和实施例对本发明进一步说明。

具体实施方式

显然，本领域技术人员基于本发明的宗旨所做的许多修改和变化属于本发明的保护范围。

实施例1：如图1、图2、图3、图4所示，一种LogR-ΔT测井评价的泥页岩油含量预测方法，

泥页岩地层含油量S₁的评价预测的步骤是：

步骤1、测井参数预处理：

①提取声波时差测井数据ΔT与电阻率测井数据R，ΔT的单位为毫秒每英尺(μs/ft),R的单位为欧姆米(Ω·m)，

②对电阻率R取对数处理得到logR；

步骤2、节点识别：

从对电阻率R测井曲线上和声波时差ΔT测井曲线上识别出局部范围的极小值，去除非含残留烃层段的影响；数学上求极小值通常用求导的方法，因此需对测井曲线求导；

第i个深度点的logR的一阶导数计算公式为：

logR′(d_i)=[logR(d_i+1)-logR(d_i)]/H               (8)

d_i为第i点的深度值，d_i的单位为米(m)；logR(d_i)为深度d_i处的logR，无量纲；logR(d_i+1)为深度d_i+1处的logR，无量纲；测井数据记录间隔为H(取0.125m)；

第i个深度点的声波时差值ΔT的一阶导数计算公式为：

ΔT′(d_i)=[ΔT(d_i+1)-ΔT(d_i)]/H              (9)

d_i为第i点的深度值，d_i的单位为米(m)；ΔT(d_i)为深度d_i处的声波时差值，ΔT(d_i)的单位为毫秒每英尺(μs/ft)；ΔT(d_i+1)为深度d_i+1处的声波时差值，ΔT(d_i+1)的单位为毫秒每英尺(μs/ft)；测井数据记录间隔为H(取0.125m)；

但由于测井曲线具有一定的采样间隔，在一定尺度上讲属不连续曲线，计算得到的极值点和实际的极值点不一定吻合，采用导数符号变化的点作为极值点；

logR′(d_i)<=0,logR′(d_i+1)>0;则logR(d_i)为极小值，记录d_m=d_i；

同样，如果ΔT′(d_i)<=0，ΔT′(d_i+1)>0;则ΔT(d_i)为极小值，记录d_n=d_i；

步骤3、测井曲线拉平：

在d_i深度段泥岩层中，d_m<d_i<d_m+1,则：

LlogR(d_i)=logR(d_i)-[logR(d_m)+logR(d_m-1)]/2      (10)

d_i为第i点的深度值，d_i的单位为米(m)；logR(d_i)为深度d_i处的logR，无量纲；logR(d_m)为深度d_m处的logR，无量纲；logR(d_m-1)为深度d_m-1处的logR，无量纲；LlogR(d_i)为拉平处理后的logR(d_i)值，无量纲；测井数据记录间隔为H(取0.125m)；

同样，在d_i深度段泥岩层中，d_n<d_i<d_n+1,则：

LΔT(d_i)=ΔT(d_i)-[ΔT(d_n)+ΔT(d_n-1)]/2        (11)

d_i为第i点的深度值，单位：米(m)；ΔT(d_i)为深度d_i处的声波时差值，单位为毫秒每英尺(μs/ft)；ΔT(d_n)为深度d_n处的声波时差值，单位为毫秒每英尺(μs/ft)；ΔT(d_n-1)为深度d_n-1处的声波时差值，单位为毫秒每英尺(μs/ft)；LΔT(d_i)为拉平处理后的声波时差值，单位为毫秒每英尺(μs/ft)；测井数据记录间隔为H(取0.125m)；

步骤4、含油量S₁的预测模型的标定：

S₁=a×LlogR+b×LΔT+c                    (12)

对于一系列(n个点，n>=3)残留烃S₁的实测点：

都有对应的LlogR和LΔT值：

(LlogR_i,LΔT_i,S1_i)i=0,1,..,n-1

LlogR(_i)为第i个点拉平处理后的logR(d_i)值，无量纲；LΔT(_i)为第i个点拉平处理后的声波时差值，单位为毫秒每英尺(μs/ft)；S1_i为第i个点的热解含油量，单位为毫克每克(mg/g);

要使实测的含油量S₁与计算的含油量S₁最接近，即需要满足：

$S=\underset{i=0}{\overset{n-1}{\mathrm{\&Sigma;}}}{(a{\&times;L\log R}_i+b\&times;L{\mathrm{\&Delta;T}}_i+c-{\mathrm{Sl}}_i)}^2---\left(13\right)$

最小；

要使得S最小，应满足：

$\frac{\&PartialD;S}{\&PartialD;a}=0,\frac{\&PartialD;S}{\&PartialD;b}=0,\frac{\&PartialD;S}{\&PartialD;c}=0---\left(14\right)$

即： $\left\{\begin{array}{c}\mathrm{\&Sigma;}2(a\&times;L\log R_i+b\&times;\mathrm{L\&Delta;}{T}_i+c-{\mathrm{Sl}}_i)L\log R_i=0\\ \mathrm{\&Sigma;}2(a\&times;L\log R_i+b\&times;\mathrm{L\&Delta;}{T}_i+c-{\mathrm{Sl}}_i)\mathrm{L\&Delta;}{T}_i=0\\ \mathrm{\&Sigma;}2(a\&times;L\log R_i+b\&times;\mathrm{L\&Delta;}{T}_i+c-{\mathrm{Sl}}_i)=0\end{array}\right.---\left(15\right)$

有：

$\left\{\begin{array}{c}\mathrm{a\&Sigma;}{\left({L\log R}_i\right)}^2+\mathrm{b\&Sigma;}\left({L\log R}_i\right)\&times;\left({\mathrm{L\&Delta;T}}_i\right)+\mathrm{c\&Sigma;}\left({L\log R}_i\right)=\mathrm{\&Sigma;}\left({L\log R}_i\right)\&times;\left({\mathrm{Sl}}_i\right)\\ \mathrm{b\&Sigma;}\left({L\log R}_i\right)\&times;\left({\mathrm{L\&Delta;T}}_i\right)+\mathrm{b\&Sigma;}{{\left({\mathrm{L\&Delta;T}}_i\right)}^2}^{}+\mathrm{c\&Sigma;}{\left({\mathrm{L\&Delta;T}}_i\right)=\mathrm{\&Sigma;}\left({\mathrm{L\&Delta;T}}_i\right)\&times;\left({\mathrm{Sl}}_i\right)}^{}\\ \mathrm{c\&Sigma;}\left({L\log R}_i\right)+\mathrm{b\&Sigma;}\left({\mathrm{L\&Delta;T}}_i\right)+\mathrm{cn}=\mathrm{\&Sigma;}\left({\mathrm{Sl}}_i\right)\end{array}\right.---\left(16\right)$

解上述线形方程组，得：a，b，c;

即：S₁=a×LlogR+b×LΔT+c                   (12)

步骤5、模拟计算：

依据S1=a×LlogR+b×LΔT+c，结合处理的测井数据推广计算无实测数据段的S₁值。

实施例2：如图1、图2、图3、图4所示，一种LogR-ΔT测井评价的泥页岩油含量预测方法，以渤南洼陷罗69井为例进行说明，采用以下步骤：

1、测井参数预处理

①提取声波时差测井数据ΔT与电阻率测井数据R，ΔT的单位为毫秒每英尺(μs/ft),R的单位为欧姆米(Ω·m)，

②对电阻率R取对数处理得到logR；

2、节点识别

从对电阻率R测井曲线上和声波时差ΔT测井曲线上识别出局部范围的极小值，去除非含残留烃层段的影响。数学上求极小值通常用求导的方法，因此需对测井曲线求导；

第i个深度点的logR的一阶导数计算公式为

logR′(d_i)=[logR(d_i+1)-logR(d_i)]/H            (8)

d_i为第i点的深度值，d_i的单位为米(m)；logR(d_i)为深度d_i处的logR，无量纲；logR(d_i+1)为深度d_i+1处的logR，无量纲；测井数据记录间隔为H(取0.125m)。

第i个深度点的声波时差值ΔT的一阶导数计算公式为

ΔT′(d_i)=[ΔT(d_i+1)-ΔT(d_i)]/H             (9)

d_i为第i点的深度值，d_i的单位为米(m)；ΔT(d_i)为深度d_i处的声波时差值，ΔT(d_i)的单位为毫秒每英尺(μs/ft)；ΔT(d_i+1)为深度d_i+1处的声波时差值，ΔT(d_i+1)的单位为毫秒每英尺(μs/ft)；测井数据记录间隔为H(取0.125m)。

但由于测井曲线具有一定的采样间隔，在一定尺度上讲属不连续曲线，计算得到的极值点和实际的极值点不一定吻合，采用导数符号变化的点作为极值点。

如果logR′(d_i)<=0,logR′(d_i+1)>0;则logR(d_i)为极小值，记录d_m=d_i。

同样，如果ΔT′(d_i)<=0，ΔT′(d_i+1)>0;则ΔT(d_i)为极小值，记录d_n=d_i。

3、测井曲线拉平

在d_i深度段泥岩层中，d_m<d_i<d_m+1,则

LlogR(d_i)=logR(d_i)-[logR(d_m)+logR(d_m-1)]/2       (10)

d_i为第i点的深度值，d_i的单位为米(m)；logR(d_i)为深度d_i处的logR，无量纲；logR(d_m)为深度d_m处的logR，无量纲；logR(d_m-1)为深度d_m-1处的logR，无量纲；LlogR(d_i)为拉平处理后的logR(d_i)值，无量纲；测井数据记录间隔为H(取0.125m)。

同样，在d_i深度段泥岩层中，d_n<d_i<d_n+1,则

LΔT(d_i)=ΔT(d_i)-[ΔT(d_n)+ΔT(d_n-1)]/2        (11)

d_i为第i点的深度值，单位：米(m)；ΔT(d_i)为深度d_i处的声波时差值，单位为毫秒每英尺(μs/ft)；ΔT(d_n)为深度d_n处的声波时差值，单位为毫秒每英尺(μs/ft)；ΔT(d_n-1)为深度d_n-1处的声波时差值，单位为毫秒每英尺(μs/ft)；LΔT(d_i)为拉平处理后的声波时差值，单位为毫秒每英尺(μs/ft)；测井数据记录间隔为H(取0.125m)。

4、残留烃S₁的预测模型的标定

S₁=a×LlogR+b×LΔT+c                (12)

对于一系列(n个点，n>=3)残留烃S₁的实测点：

都有对应的LlogR和LΔt值：

(LlogR_i,LΔt_i,S1_i)i=0,1,..,n-1

要使实测的残留烃S₁与计算的残留烃S₁最接近，即需要满足：

$S=\underset{i=0}{\overset{n-1}{\mathrm{\&Sigma;}}}{(a{\&times;L\log R}_i+b\&times;L{\mathrm{\&Delta;T}}_i+c-{\mathrm{Sl}}_i)}^2---\left(13\right)$

最小；

要使得S最小，应满足：

$\frac{\&PartialD;S}{\&PartialD;a}=0,\frac{\&PartialD;S}{\&PartialD;b}=0,\frac{\&PartialD;S}{\&PartialD;c}=0---\left(14\right)$

即： $\left\{\begin{array}{c}\mathrm{\&Sigma;}2(a\&times;L\log R_i+b\&times;\mathrm{L\&Delta;}{t}_i+c-{\mathrm{Sl}}_i)L\log R_i=0\\ \mathrm{\&Sigma;}2(a\&times;L\log R_i+b\&times;\mathrm{L\&Delta;}{t}_i+c-{\mathrm{Sl}}_i)\mathrm{L\&Delta;}{t}_i=0\\ \mathrm{\&Sigma;}2(a\&times;L\log R_i+b\&times;\mathrm{L\&Delta;}{t}_i+c-{\mathrm{Sl}}_i)=0\end{array}\right.$

(15)

有：

$\left\{\begin{array}{c}\mathrm{a\&Sigma;}{\left({L\log R}_i\right)}^2+\mathrm{b\&Sigma;}\left({L\log R}_i\right)\&times;\left({\mathrm{L\&Delta;t}}_i\right)+\mathrm{c\&Sigma;}\left({L\log R}_i\right)=\mathrm{\&Sigma;}\left({L\log R}_i\right)\&times;\left({\mathrm{Sl}}_i\right)\\ \mathrm{b\&Sigma;}\left({L\log R}_i\right)\&times;\left({\mathrm{L\&Delta;t}}_i\right)+\mathrm{b\&Sigma;}{{\left({\mathrm{L\&Delta;t}}_i\right)}^2}^{}+\mathrm{c\&Sigma;}{\left({\mathrm{L\&Delta;t}}_i\right)=\mathrm{\&Sigma;}\left({\mathrm{L\&Delta;t}}_i\right)\&times;\left({\mathrm{Sl}}_i\right)}^{}\\ \mathrm{c\&Sigma;}\left({L\log R}_i\right)+\mathrm{b\&Sigma;}\left({\mathrm{L\&Delta;t}}_i\right)+\mathrm{cn}=\mathrm{\&Sigma;}\left({\mathrm{Sl}}_i\right)\end{array}\right.$

(16)

解上述线形方程组，得：a，b，c;

即：S₁=a×LlogR+b×LΔT+c                    (12)

渤南洼陷罗69井的沙三段的含油量S₁的预测的数学模型为：

S₁=1.8086×LlogR+0.2613×LΔT+0.2324

5、模拟计算:

依据S₁=a×LlogR+b×LΔT+c，结合处理的测井数据推广计算无实测数据段的S₁值。

按上述技术方案中的标定原理标定得到了罗69井沙河街组三段泥页岩含油量S₁的相对含量，图1给出了罗69井沙河街组三段泥页岩的电阻率（Rt）以及声波时差（ΔT）测井曲线，含油量S1以及氯仿沥青“A”含量。图2给出了泥页岩和灰岩中实测含油量S₁与计算的含油量S₁的关系，两者间的相关系数达到0.7291。图3给出了氯仿沥青“A”和计算的氯仿沥青“A”的相关关系，两者间的相关系数达到0.7777，高相关系数进一步说明了模型的可靠。

如上所述，对本发明的实施例进行了详细地说明，但是只要实质上没有脱离本发明的发明点及效果可以有很多的变形，这对本领域的技术人员来说是显而易见的。因此，这样的变形例也全部包含在本发明的保护范围之内。

Claims (1)

1.一种LogR-ΔT测井评价的泥页岩油含量预测方法，其特征在于采用以下步骤：

步骤①、测井数据的预处理，包括：

A.提取声波时差测井数据ΔT与电阻率测井数据R，声波时差测井数据ΔT的单位为毫秒每英尺(μs/ft),电阻率测井数据R的单位为欧姆米(Ω·m)，

B.对电阻率测井数据R取对数处理得到logR；

步骤②、极小值节点的识别，包括：

从对电阻率测井数据R测井曲线上和声波时差测井数据ΔT测井曲线上识别出局部范围的极小值，去除非含残留烃层段的影响；数学上求极小值用求导的方法，因此需对电阻率测井数据R测井曲线和声波时差测井数据ΔT测井曲线求导；

第i个深度点的logR的一阶导数计算公式为：

logR′(d_i)＝[logR(d_i+1)-logR(d_i)]/H  (8)

d_i为第i点的深度值，d_i的单位为米(m)；logR(d_i)为深度d_i处的logR，无量纲；logR(d_i+1)为深度d_i+1处的logR，无量纲；H为测井数据记录间隔，该H为0.125m；

第i个深度点的声波时差测井数据ΔT的一阶导数计算公式为：

ΔT′(d_i)＝[ΔT(d_i+1)-ΔT(d_i)]/H  (9)

d_i为第i点的深度值，d_i的单位为米(m)；ΔT(d_i)为深度d_i处的声波时差值，ΔT(d_i)的单位为毫秒每英尺(μs/ft)；ΔT(d_i+1)为深度d_i+1处的声波时差值，ΔT(d_i+1)的单位为毫秒每英尺(μs/ft)；H为测井数据记录间隔，该H取0.125m；

但由于电阻率测井数据R测井曲线和声波时差测井数据ΔT测井曲线具有一定的采样间隔，在一定尺度上讲属不连续曲线，计算得到的极值点和实际的极值点不一定吻合，采用导数符号变化的点作为极值点；

logR′(d_i)<＝0,logR′(d_i+1)>0；则logR(d_i)为极小值，记录d_m＝d_i；

同样，如果ΔT′(d_i)<＝0，ΔT′(d_i+1)>0；则ΔT(d_i)为极小值，记录d_n＝d_i；

步骤③、测井曲线拉平处理，包括：

在d_i深度段泥岩层中，d_m<d_i<d_m+1,则：

LlogR(d_i)＝logR(d_i)-[logR(d_m)+logR(d_m-1)]/2  (10)

d_i为第i点的深度值，d_i的单位为米(m)；logR(d_i)为深度d_i处的logR，无量纲；logR(d_m)为深度d_m处的logR，无量纲；logR(d_m-1)为深度d_m-1处的logR，无量纲；LlogR(d_i)为拉平处理后的logR(d_i)值，无量纲；测井数据记录间隔取0.125m；

同样，在d_i深度段泥岩层中，d_n<d_i<d_n+1,则：

LΔT(d_i)＝ΔT(d_i)-[ΔT(d_n)+ΔT(d_n-1)]/2  (11)

d_i为第i点的深度值，单位：米(m)；ΔT(d_i)为深度d_i处的声波时差值，单位为毫秒每英尺(μs/ft)；ΔT(d_n)为深度d_n处的声波时差值，单位为毫秒每英尺(μs/ft)；ΔT(d_n-1)为深度d_n-1处的声波时差值，单位为毫秒每英尺(μs/ft)；LΔT(d_i)为拉平处理后的声波时差值，单位为毫秒每英尺(μs/ft)；测井数据记录间隔为0.125m；

步骤④、标定预测泥页岩地层含油量S₁和氯仿沥青“A”的公式参数，含油量S₁的预测模型的标定包括：

S₁＝a×LlogR+b×LΔT+c  (12)

对于一系列残留烃含油量S₁的实测点，所述实测点为n个点，n>＝3：

都有对应的LlogR和LΔT值：

(LlogR_i,LΔT_i,S1_i)  i＝0,1,..,n-1

LlogR_i为第i个点拉平处理后的logR(d_i)值，无量纲；LΔT_i为第i个点拉平处理后的声波时差值，单位为毫秒每英尺(μs/ft)；S1_i为第i个点的热解含油量，单位为毫克每克(mg/g)；

要使实测的含油量S₁与计算的含油量S₁最接近，即需要满足：

$S=\underset{i=0}{\overset{n-1}{\mathrm{\&Sigma;}}}{(a\&times;{L\log R}_i+b\&times;{\mathrm{L\&Delta;T}}_i+c-{S1}_i)}^2---\left(13\right)$

最小；

要使得S最小，应满足：

$\frac{\&PartialD;S}{\&PartialD;a}=0,\frac{\&PartialD;S}{\&PartialD;b}=0,\frac{\&PartialD;S}{\&PartialD;c}=0$

即： $\left\{\begin{array}{c}\mathrm{\&Sigma;}2(a\&times;{L\log R}_i+b\&times;{\mathrm{L\&Delta;T}}_i+c-{S1}_i)L{\log R}_i=0\\ \mathrm{\&Sigma;}2(a\&times;{L\log R}_i+b\&times;{\mathrm{L\&Delta;T}}_i+c-{S1}_i){\mathrm{L\&Delta;T}}_i=0\\ \mathrm{\&Sigma;}2(a\&times;{L\log R}_i+b\&times;{\mathrm{L\&Delta;T}}_i+c-{S1}_i)=0\end{array}\right.---\left(15\right)$

有：

$\left\{\begin{array}{c}\mathrm{a\&Sigma;}{\left(L{\log R}_i\right)}^2+\mathrm{b\&Sigma;}\left({L\log R}_i\right)\&times;\left({\mathrm{L\&Delta;T}}_i\right)+\mathrm{c\&Sigma;}\left({L\log R}_i\right)=\mathrm{\&Sigma;}\left({L\log R}_i\right)\&times;\left({S1}_i\right)\\ \mathrm{b\&Sigma;}\left({L\log R}_i\right)\&times;\left({\mathrm{L\&Delta;T}}_i\right)+\mathrm{b\&Sigma;}{\left({\mathrm{L\&Delta;T}}_i\right)}^2+\mathrm{c\&Sigma;}\left({\mathrm{L\&Delta;T}}_i\right)=\mathrm{\&Sigma;}\left({\mathrm{L\&Delta;T}}_i\right)\&times;\left({S1}_i\right)\\ \mathrm{c\&Sigma;}\left({L\log R}_i\right)+\mathrm{b\&Sigma;}\left({\mathrm{L\&Delta;T}}_i\right)+\mathrm{cn}=\mathrm{\&Sigma;}\left({S1}_i\right)\end{array}\right.$

解上述线形方程组，得：a，b，c；

即：S₁＝a×LlogR+b×LΔT+c   (12)

步骤⑤、定量评价非实测数据泥页岩地层页岩的含油量S₁和氯仿沥青“A”含量，实现无取样泥页岩段地层页岩的含油量S₁和氯仿沥青“A”的连续预测评价，步骤⑤包括如下模拟计算：

依据S₁＝a×LlogR+b×LΔT+c，结合处理的测井数据推广计算无实测数据段的含油量S₁值。