金雪英

（大慶油田有限責(zé)任公司 勘探開發(fā)研究院，黑龍江 大慶 163712）

0 引言

隨著徐家圍子斷陷勘探程度的深入，沙河子組逐漸成為深層天然氣的重要資源接替層位.沙河子組地層具有多物源、水體變化頻繁的特征，縱向上發(fā)育的巖性種類較多，沉積類型多樣，非均質(zhì)性強.沙河子組儲層主要是致密砂礫巖和巖屑砂巖，測井、測試資料發(fā)現(xiàn)，不同巖性儲層的物性、含氣性及電性特征差異較大.該地層主要是基于常規(guī)測井資料定性解釋巖性和流體，解釋結(jié)果較粗，解釋精度較低，隨著勘探的不斷突破，已經(jīng)不能滿足儲層評價的要求，亟需建立一套沙河子組地層的測井評價方法，其中巖性識別是儲層測井評價的基礎(chǔ)，有必要開展沙河子組致密砂礫巖儲層巖性識別方法研究.

目前，測井識別巖性的方法主要有常規(guī)測井交會圖法、巖性指示曲線法、成像測井圖像模式法、支持向量機、主成分分析和神經(jīng)網(wǎng)絡(luò)等.在交會圖識別巖性方面，馮翠菊、毛慶、吳磊、陳科貴和藺景龍等總結(jié)多種巖性在測井曲線上的響應(yīng)規(guī)律，建立M－N、聲波—密度等交會圖識別巖性[1－5].在巖性指示曲線識別巖性[6]方面，魯國明總結(jié)東營凹陷深層砂礫巖地層不同巖性的常規(guī)測井響應(yīng)特征，通過敏感性分析建立能反映粒序變化的巖性識別曲線[7].張晉言等通過敏感性分析，優(yōu)選常規(guī)測井巖性敏感參數(shù)，構(gòu)建NRA巖性指示曲線，對鹽家油田深層砂礫巖進(jìn)行巖性的自動識別[8].在成像測井圖像模式識別巖性方面，王玉華、袁子龍、覃豪等利用成像測井資料，建立各種巖性的成像測井圖像模式，以定性識別巖性[9－11].范宜仁等先用自動判別分析和主成分分析的方法識別南堡5號的火山巖大類，再通過成像測井圖像模式識別熔巖和碎屑巖[12].在數(shù)學(xué)分析方法識別巖性方面，謝剛等引用約束最小二乘算法優(yōu)化測井響應(yīng)方程，建立復(fù)雜巖性地層多礦物地層組分的測井解釋模型[13].于代國、宋延杰等利用支持向量機的方法進(jìn)行復(fù)雜巖性的識別[14－15].這些測井巖性識別方法研究表明：交會圖法、巖性指示曲線法、支持向量機等方法，主要是基于常規(guī)測井響應(yīng)特征識別巖石成分的差異，對于巖石結(jié)構(gòu)的響應(yīng)較弱；成像測井圖像模式法可以識別巖石的結(jié)構(gòu)，但這些方法多是定性解釋，不能定量評價，巖性解釋效率較低.

徐家圍子斷陷沙河子組的砂巖和砂礫巖的碎屑均為巖屑，巖石成分復(fù)雜，砂礫巖粒徑變化范圍較大，筆者通過巖心刻度測井，采用常規(guī)測井交會圖法識別巖石成分；采用電導(dǎo)率異常對比法，利用Geoframe軟件中的Bortex模塊，從電成像測井資料中提取出能定量表征地層中礫石含量的結(jié)構(gòu)指示參數(shù)，建立交會圖定量識別巖石結(jié)構(gòu)；通過主成分分析，綜合利用常規(guī)測井、成像測井敏感參數(shù)，建立“成分加結(jié)構(gòu)”的主成分分析方法定量自動識別巖性.

1 地層巖性特征

松遼盆地徐家圍子斷陷沙河子組地層埋深較深，縱向上發(fā)育的巖性種類多，主要為沉積巖，少量火山巖、煤層及沉火山巖.其中發(fā)育儲層的巖性有礫巖、砂礫巖、含礫砂巖、不等粒砂巖、粗砂巖和含鈣砂巖等，儲層碎屑成分主要為巖屑，含少量石英和長石.不同巖性的儲層物性及電性特征相差較大，通過各種巖性儲層“四性特征”研究，對沙河子組特征相近的巖性進(jìn)行歸類[16]，將沙河子組儲層的巖性歸為砂礫巖（包括礫巖和砂礫巖）和砂巖（包括含礫砂巖、含鈣砂巖、粗砂巖、砂巖等），非儲層主要為泥巖（包括粉砂質(zhì)泥巖和泥巖等）.由于泥質(zhì)粉砂巖和泥質(zhì)礫巖泥質(zhì)含量較多，不能作為儲層，而且測井響應(yīng)特征更接近于泥巖，所以將它歸入泥巖類.根據(jù)取心資料，研究區(qū)砂礫巖的巖屑類型以中酸性、中性噴出巖為主，含極少量變質(zhì)巖，由于近物源快速堆積，搬運距離短，顆粒的分選、磨圓均不好.砂巖巖屑類型以酸性、中酸性為主，顆粒以粗粒、不等粒為主，細(xì)粒次之，分選中等，磨圓次圓.砂巖和砂礫巖接觸關(guān)系為點接觸，孔隙式膠結(jié)，膠結(jié)物主要為灰質(zhì)，雜基含量低，成分主要為泥質(zhì).

2 巖性測井響應(yīng)特征

2.1 常規(guī)測井響應(yīng)特征

巖石的常規(guī)測井響應(yīng)主要受骨架成分影響，成像測井響應(yīng)主要受巖石結(jié)構(gòu)影響.沙河子組的砂礫巖和砂巖成分主要為巖屑，碎屑含量很高，砂礫巖巖屑成分以中性、中酸性火山巖為主；砂巖巖屑成分以酸性、中酸性為主.不同的黏土礦物中鈾、釷和鉀放射性元素的質(zhì)量分?jǐn)?shù)不同，尤其是釷元素和鉀元素的質(zhì)量分?jǐn)?shù)在主要的黏土礦物中差異很大[17].應(yīng)用沙河子組28塊樣品的黏土分析資料，分巖性統(tǒng)計主要的黏土礦物的體積分?jǐn)?shù)（見圖1），砂礫巖和砂巖的黏土礦物以伊利石為主，但砂巖伊利石體積分?jǐn)?shù)較砂礫巖高，綠泥石體積分?jǐn)?shù)較砂礫巖稍低，泥巖主要為伊利石.

根據(jù)研究區(qū)17口井64個取心樣品刻度，統(tǒng)計研究區(qū)沙河子組地層不同巖性的常規(guī)測井曲線響應(yīng)特征值（見表1）.由表1可以看出，由于砂巖、砂礫巖、泥巖在巖石成分及黏土礦物類型方面存在差異，在常規(guī)測井曲線上，砂礫巖表現(xiàn)為伽馬低、光電截面指數(shù)較砂巖略高，鉀元素質(zhì)量分?jǐn)?shù)較低、釷元素質(zhì)量分?jǐn)?shù)較高、電阻率高；砂巖表現(xiàn)為光電截面指數(shù)較低、鉀元素質(zhì)量分?jǐn)?shù)較高、釷元素質(zhì)量分?jǐn)?shù)低，電阻率較低；泥巖表現(xiàn)為電阻率很低、中子孔隙度高、自然伽馬高、鉀元素質(zhì)量分?jǐn)?shù)高、釷元素質(zhì)量分?jǐn)?shù)高的特征.

表1 沙河子組不同巖性測井曲線響應(yīng)特征值Table 1 Logging response characteristic of different lithology in Shahezi group

2.2 巖性成像測井圖像特征

電成像測井資料具有很高的縱向分辨率，其圖像顏色和形態(tài)可以直觀反映地層的巖性、結(jié)構(gòu)和構(gòu)造特征.通過10口井的巖心、薄片資料標(biāo)定，沙河子組巖性在電成像測井圖像（見圖2）上主要有3種特征.

圖2 沙河子組不同巖性的電成像測井典型特征Fig.2 Electrical imaging characteristic diagram of different lithology in Shahezi group

2.2.1 砂礫巖

靜態(tài)圖像一般為亮白色或亮黃色，圖像上有明顯的塊狀構(gòu)造和斑狀結(jié)構(gòu)；在動態(tài)圖像上高阻礫石不規(guī)則分布，常見塊狀、交錯層理，也可見粒序?qū)永恚[石分選、磨圓程度較差.

2.2.2 砂巖

（1）含礫砂巖.靜態(tài)圖像一般為桔黃色和淺黃色，有亮色的不規(guī)則斑點雜亂分布；動態(tài)圖象可見亮色的斑點和巖石脫落形成的黑色斑點，常見交錯層理、遞變層理等構(gòu)造.

（2）砂巖.靜態(tài)圖像多呈桔黃色，一般為塊狀或條帶狀，有時因含灰質(zhì)亮度增強；動態(tài)圖像可見成層的條帶狀特征，常見塊狀結(jié)構(gòu)或斜層理、平行層理、交錯層理等構(gòu)造.

2.2.3 泥巖

靜態(tài)圖像一般為棕色或黑色，動態(tài)圖像顯示為棕黑色或棕黃色條帶，層厚且厚度比較穩(wěn)定，多為水平層理且成層性好.

3 巖性識別方法

3.1 常規(guī)測井曲線交會圖版識別法

砂巖、砂礫巖及泥巖在深側(cè)向電阻率、自然伽馬及伽馬能譜曲線上有一定差異，因此應(yīng)用研究區(qū)17口井64塊薄片樣品資料，選取深側(cè)向電阻率和自然伽馬及釷元素和鉀元素的質(zhì)量分?jǐn)?shù)，分別建立沙河子組巖性識別圖版（見圖3和圖4），圖版精度分別為78%和82%.

由圖3和圖4可以看出，常規(guī)測井曲線反映不同巖性的特征.對于泥巖，識別效果很好；對于砂巖和砂礫巖，識別效果不好.原因是電阻率不僅反映巖石內(nèi)部孔隙結(jié)構(gòu)特征，而且受鈣質(zhì)和儲層流體性質(zhì)影響.釷元素和鉀元素質(zhì)量分?jǐn)?shù)不僅與母巖和黏土礦物類型有關(guān)，還與沉積環(huán)境等因素有關(guān)，當(dāng)砂礫巖母巖偏于中性巖、砂巖母巖偏于酸性巖時能較好區(qū)分；但是當(dāng)兩者母巖為中酸性或者巖性在砂巖和砂礫巖的過渡區(qū)時難以區(qū)分.

圖3 沙河子組地層深側(cè)向電阻率與自然伽馬交會圖Fig.3 Plot of deep latera resisitivity and gamma in Shahezi group

圖4 沙河子組地層釷元素與鉀元素質(zhì)量分?jǐn)?shù)交會圖Fig.4 Plot of thorium and potassium in Shahezi group

3.2 成像測井定量識別方法

以往成像測井識別巖性是通過建立典型巖性的圖像模式識別巖性，這種方法巖性解釋效率低，只能做到定性評價，不能做到定量評價.文中利用BorTex模塊采用電導(dǎo)率對比法提取巖石結(jié)構(gòu)和構(gòu)造，開展基于成像測井的定量識別方法研究.

根據(jù)傾角或成像微電阻率曲線所反映的地層成層性和內(nèi)部結(jié)構(gòu)信息，利用BorTex模塊確定巖石內(nèi)部結(jié)構(gòu)特征，獲得巖石內(nèi)部結(jié)構(gòu)屬性，可以在碎屑巖和碳酸鹽巖環(huán)境下對巖石內(nèi)部結(jié)構(gòu)屬性進(jìn)行自動分類.首先對電成像測井曲線進(jìn)行濾波和傾角校正，計算過井筒地質(zhì)體的背景電導(dǎo)率，按照背景電導(dǎo)率對比度的不同將地層分層；然后將提取的結(jié)構(gòu)和構(gòu)造所引起的電導(dǎo)率信息與背景電導(dǎo)率進(jìn)行對比，識別不同的地質(zhì)體；最后提取非均質(zhì)體且形成量化地質(zhì)體的指示曲線.

在成像測井圖上，明顯的明暗特征代表電阻率數(shù)值的變化，顏色越淺電阻率越高.地質(zhì)體的結(jié)構(gòu)是通過電阻率的異常反映的，成像測井圖像主要由高阻斑塊、高阻條帶、低阻斑塊及低阻條帶地質(zhì)體組成.通過各種地質(zhì)體電導(dǎo)率與背景電導(dǎo)率對比，應(yīng)用判別標(biāo)準(zhǔn)識別各個地質(zhì)體且自動分類，進(jìn)而計算各個地質(zhì)體的比率（見圖5）.

圖5 成像測井地質(zhì)體判別規(guī)則及分類Fig.5 Classfication and identification of geological body by image logging data

對巖石中不同地質(zhì)體的比率進(jìn)行連續(xù)性計算，得到高阻斑塊面比率、低阻斑塊面比率、高阻條帶面比率和低阻條帶面比率等結(jié)構(gòu)指示曲線.根據(jù)巖心刻度成像測井資料，高阻斑塊是由角礫或礫石引起的，所以提取的高阻斑塊面比率可以指示角礫或礫石含量的多少，并且礫石含量越多、粒徑越大，得到的曲線值越高；低阻斑塊主要是由孔洞和礫石脫落而被泥漿充填引起的，所以低阻斑塊面比率可以指示礫石含量及孔洞的多少；條帶面比率可以指示裂縫、夾層等信息.通過研究區(qū)13口井的成像測井資料處理發(fā)現(xiàn)，對于砂礫巖地層，高阻斑塊面比率和低阻斑塊面比率含量較大，對于砂巖地層兩者含量低（見圖6）.

圖6 達(dá)深X井Bortex處理結(jié)果Fig.6 Curves from Bortex processing of Dashen X

利用10口井38塊薄片樣品資料，選取能指示礫石含量的高阻斑塊面比率和低阻斑塊面比率曲線，建立基于成像測井的巖性定量識別圖版（見圖7）.

利用該圖版可以很好識別砂礫巖，但是受成像測井儀器分辨率的限制，當(dāng)砂礫巖粒徑小于5mm時，計算得到的斑塊面比率偏?。粚τ谀鄮r，由于圖像上高阻斑塊和低阻斑塊含量很少，計算結(jié)果與砂巖相近，利用該圖版難以區(qū)分.

3.3 主成分分析法

主成分分析法是將一組有相關(guān)性的原變量通過正交變換，轉(zhuǎn)換成為一組新變量，即原始變量的主成分.正交變換后的主成分按照方差依次遞減的順序排列，其中第一主成分具有最大的方差，第二主成分具有第二大方差，……，依此類推，最后一個主成分的方差最小.當(dāng)前面的幾個主成分的方差比后面的主成分的方差大很多時，可以忽略后面的主成分，只用前面的幾個主成分反映原有變量的特征，可以在提取原變量絕大部分總信息的前提下達(dá)到壓制干擾且降維的目的.主成分分析方法作為一種多元統(tǒng)計方法，已在測井資料巖性巖相識別、儲層評價方面得到應(yīng)用[17－19].

在實際應(yīng)用時，交會圖版法和成像測井定量識別法具有自身優(yōu)勢和局限性，為了充分利用巖性的測井響應(yīng)敏感信息，消除單一方法的局限性，將常規(guī)曲線和成像測井處理結(jié)果相結(jié)合，選取對巖性反應(yīng)敏感的自然伽馬（GR）、釷元素質(zhì)量分?jǐn)?shù)（TH）、鉀元素質(zhì)量分?jǐn)?shù)（K）、光電截面指數(shù)（PE）、深側(cè)向電阻率（LLD）、高阻斑塊面比率（GZ）及低阻斑塊面比率（DZ）等7個測井參數(shù)，采用主成分分析的方法提取主成分，以主成分累計貢獻(xiàn)率大于80%為準(zhǔn)選取前2個主成分，得到它們的特征值及特征向量（見表2）.

表2 主成分分析特征值及特征向量Table 2 The eigenvalue and eigenvector of Principal component analysis

最終得到的主成分1（F1）和主成分2（F2）與測井參數(shù)之間的轉(zhuǎn)換關(guān)系表達(dá)式為

由表1可以看出，主成分2中高阻斑塊面比率及低阻斑塊面比率系數(shù)較大，主要反映巖石的結(jié)構(gòu)和構(gòu)造，主成分1中常規(guī)測井曲線的系數(shù)較大，主要反映巖石的成分.應(yīng)用10口井38塊樣品的主成分值，建立基于主成分分析的巖性識別圖版（見圖8），圖版精度為97%.

圖7 沙河子組基于成像測井的巖性識別圖版Fig.7 Lithology identification chart based on imaging logging of Shahezi group

圖8 沙河子組基于主成分分析的巖性識別圖版Fig.8 Lithology identification chart based on principal component analysis of Shahezi group

3.4 應(yīng)用效果

應(yīng)用“成分加結(jié)構(gòu)”的主成分分析法解釋達(dá)深Y井巖性的結(jié)果（見圖9），在常規(guī)測井曲線上，該井3 523～3 537m層段自然伽馬、深側(cè)向電阻率、釷元素質(zhì)量分?jǐn)?shù)、鉀元素質(zhì)量分?jǐn)?shù)測井值變化范圍不大，利用常規(guī)測井交會圖版解釋，測井值落于砂巖、砂礫巖界限附近，反映該段巖性成分相近，碎屑粒徑上存在差別；常規(guī)測井主要反映巖石成分，對于巖石結(jié)構(gòu)，如粒徑、粒序、礫石含量等主要依賴成像測井資料.利用成像測井資料提取，反映礫石含量的結(jié)構(gòu)指示曲線高阻斑塊面比率和低阻斑塊面比率，根據(jù)成像測井結(jié)構(gòu)識別圖版，當(dāng)粒徑較小、巖性較細(xì)時，高阻斑塊面比率和低阻斑塊面比率較小，解釋為砂巖；當(dāng)粒徑較大、巖性較粗時，解釋為砂礫巖.在常規(guī)測井曲線上，該井3 537～3 540m層段自然伽馬、釷元素、鉀元素質(zhì)量分?jǐn)?shù)較高，電阻率較低，根據(jù)常規(guī)測井交會圖解釋為泥巖；在成像測井結(jié)構(gòu)識別圖版上，高阻斑塊面比率、低阻斑塊面比率與砂巖的相近，利用主成分分析法，考慮砂巖、砂礫巖、泥巖測井響應(yīng)的敏感性，綜合解釋為泥巖.

圖9 達(dá)深Y井巖性識別結(jié)果Fig.9 Lithology identification results of Dashen Y

應(yīng)用多種方法分別對研究區(qū)10口井沙河子組地層的巖性進(jìn)行識別，經(jīng)過32段82m巖心驗證，單獨使用常規(guī)測井交會圖版識別巖性的準(zhǔn)確率為69%，單獨使用成像測井定量識別圖版識別巖性的準(zhǔn)確率為71%（泥巖作為誤差）；綜合利用常規(guī)測井和成像測井，采用“成分加結(jié)構(gòu)”的主成分分析法識別巖性的準(zhǔn)確率達(dá)到90%.因此，采用“成分加結(jié)構(gòu)”的主成分分析法識別巖性，編寫解釋程序?qū)崿F(xiàn)巖性的計算機自動識別.該方法不僅解決成像測井定量識別巖性的問題，而且通過敏感性分析、優(yōu)選參數(shù)和采用主成分分析法將常規(guī)測井與成像測井信息進(jìn)行結(jié)合，提高徐家圍子斷陷沙河子組地層巖性識別的精度和巖性解釋的效率，為進(jìn)一步開展流體識別、參數(shù)計算奠定基礎(chǔ).

4 結(jié)論

（1）徐家圍子斷陷沙河子組儲層以砂礫巖和砂巖為主，由兩者母巖成分及黏土礦物類型的不同導(dǎo)致在常規(guī)測井響應(yīng)特征上存在差異.

（2）利用成像測井定量識別法，提取反映礫石含量的信息且建立解釋圖版識別巖性.該方法提高成像資料解釋巖性的效率，并解決成像測井定量識別巖性的問題，為成像測井資料的應(yīng)用提供思路.

（3）將常規(guī)測井和成像測井信息相結(jié)合，選用測井敏感參數(shù)，采用“成分加結(jié)構(gòu)”主成分分析法識別徐家圍子斷陷沙河子組巖性，消除單一方法的局限性，提高解釋效率和精度，經(jīng)過取心資料驗證效果較好，為儲層的綜合評價提供指導(dǎo).

[1]馮翠菊，王敬巖，馮慶付.利用測井資料識別火成巖巖性的方法[J].大慶石油學(xué)院學(xué)報，2004，28（4）：9－12.Feng Cuiju，Wang Jingyan，F(xiàn)eng Qingfu.Distinguishing igneous rock lithology by logging data[J].Journal of Daqing Petroleum Institute，2004，28（4）：9－12.

[2]毛慶，張德峰，吳春文.東營凹陷背部陡坡帶深層砂礫巖體巖性測井識別方法[J].油氣地質(zhì)與采收率，2010，17（3）：57－59.Mao Qing，Zhang Defeng，Wu Chunwen.Logging recognition of conglomerate in deep northren steep slope of Dongying depression[J].PGRE，2010，17（3）：57－59.

[3]吳磊，徐懷民，季漢成.基于交會圖和多元統(tǒng)計法的神經(jīng)網(wǎng)絡(luò)技術(shù)在火山巖識別中的應(yīng)用[J].石油地球物理勘探，2006，41（1）：81－86.Wu Lei，Xu Huaimin，Ji Hancheng.Application of neural networks technique based on crosspiot and multielement statistics to recognition of volcanic rocks[J].Oil Geophysical Prospecting，2006，41（1）：81－86.

[4]陳科貴，張帆，馮雪龍，等.雙家壩構(gòu)造碳酸鹽巖儲層參數(shù)評價[J].西南石油學(xué)院學(xué)報，2005，27（6），12－16.Chen Kegui，Zhang Fan，F(xiàn)eng Xuelong，et al.Carbona reservoir parameter estmation in Shuangjiaba structure[J].Journal of Southwest Petroleum Institute，2005，27（6）：12－16.

[5]藺景龍，馬繼明，閆偉林，等.蘇德爾特油田興安嶺群巖性識別方法[J].大慶石油學(xué)院學(xué)報，2006，30（1）：4－6.Lin Jinglong，Ma Jiming，Yan Weilin，et al.Lithologic identification of Xing＇anling group in Sudeerte oilfield[J].Journal of Daqing Petroleum Institute，2006，30（1）：4－6.

[6]廖太平，張福榮，張志堅.基于模糊聚類算法的復(fù)雜巖性識別[J].大慶石油學(xué)院學(xué)報，2004，28（6）：58－60.Liao Taiping，Zhang Furong，Zhang Zhijian.Complex lithology identification based on crossplot and fuzzy clustering algorithm [J].Journal of Daqing Petroleum Institute，2004，28（6）：58－60.

[7]魯國明.東營凹陷深層砂礫巖巖性測井綜合識別技術(shù)[J].測井技術(shù)，2010，34（2）：168－171.Lu Guoming.Logging comprehensive identifition technology of deep sandy conglomerate lithology，Dongying sag[J].Well Logging Technology，2010，34（2）：168－171.

[8]張晉言，孫建孟，劉海河，等.鹽家油田深層砂礫巖儲層巖性自動識別新技術(shù)[J].測井技術(shù)，2011，35（5）：447－450.Zhang Jinyan，Sun Jianmeng，Liu Haihe，et al.A new method of lithology automatic identification for deep glutenite body in Yanjia oilfield[J].Well Logging Technology，2011，35（5）：447－450.

[9]王玉華.電成像測井在大慶火成巖儲層解釋中的應(yīng)用[J].大慶石油地質(zhì)與開發(fā)，2008，27（6）：128－130.Wang Yuhua.Application of electric imaging logging in the well logging interpretation of igneous rock reservoir in Daqing[J].Petroleum Geology ＆ Oilfield Development in Daqing，2008，27（6）：128－130.

[10]袁子龍，陳曦，張洪江.電成像測井資料在砂礫巖油氣藏巖性識別中的應(yīng)用[J].科學(xué)技術(shù)與工程，2012，12（4）：758－761.Yuan Zilong，Chen Xi，Zhang Hongjiang.An application of resistivity imaging logging data in lithologic identification of glutenite reservoir[J].Science Technology and Engineering，2012，12（4）：758－761.

[11]覃豪，李紅娟.應(yīng)用測井資料進(jìn)行火山巖巖性識別[J].石油天然氣學(xué)報，2007，29（3）：234－236.Qin Hao，Li Hongjuan.Application of log data on volcanic rock lithology recognition[J].Journal of Oil and Gas，2007，29（3）：234－236.

[12]范宜仁，朱學(xué)娟，鄧少貴，等.南堡5號構(gòu)造火山巖巖性識別技術(shù)研究[J].地球物理學(xué)進(jìn)展，2012，27（4）：1640－1647.Fan Yiren，Zhu Xuejuan，Deng Shaogui，et al.Research on technology of lithology identification of volcanic rock in Nanpu 5th struction[J].Progress in Geophys，2012，27（4）：1640－1647.

[13]謝剛，胡振平，羅利，等.基于約束最小二乘理論的復(fù)雜巖性測井識別方法[J].測井技術(shù)，2007，31（4）：354－356.Xie Gang，Hu Zhenping，Luo Li，et al.Logging identification of complication lithology with constrained least squares algorithm[J].Well Logging Technology，2007，31（4）：354－356.

[14]于代國，孫建孟，王煥增，等.測井識別巖性新方法——支持向量機方法[J].大慶石油地質(zhì)與開發(fā)，2005，24（5）：93－95.Yu Daiguo，Sun Jianmeng，Wang Huanzeng，et al.A new method of lithology identification－SVM[J].Petroleum Geology ＆Oilfield Development in Daqing，2005，24（5）：93－95.

[15]宋延杰，張劍風(fēng)，閆偉林，等.基于支持向量機的復(fù)雜巖性測井識別方法[J].大慶石油學(xué)院學(xué)報，2007，31（5）：18－21.Song Yanjie，Zhang Jianfeng，Yan Weilin，et al.A new identification method for complex lithology with support vector machine[J].Journal of Daqing Petroleum Institute，2007，31（5）：18－21.

[16]趙澄林，朱筱敏.沉積巖石學(xué)[M].北京：石油工業(yè)出版社，2001.Zhao Chenglin，Zhu Xiaomin.Sedimentary Petrology[M].Beijing：Petroleum Industry Press，2001.

[17]郭影文.自然伽馬能譜測井在黏土礦物含量分析中的應(yīng)用[J].石油天然氣學(xué)報，2008，30（6）：268－271.Guo Yingwen.Application of natural gamma ray spectroscopy log for analysis of clay mineral content[J].Journal of Petroleum and Natural Gas，2008，30（6）：268－271.

[18]鐘儀華，李榕.基于主成分分析的最小二乘法支持向量機巖性識別方法[J].測井技術(shù)，2009，33（5）：425－429.Zhong Yihua，Li Rong.Application of principal component analysis and least squares support vector machine to lithology identification[J].Well Logging Technology，2009，55（5）：425－429.

[19]張瑩，潘保芝.基于主成分分析的SOM神經(jīng)網(wǎng)絡(luò)在火山巖巖性識別中的應(yīng)用[J].測井技術(shù)，2009，33（6）：550－554.Zhang Ying，Pan Baozhi.Application of SOM neural network method to volcanic lithology recognition[J].Well Logging Technology，2009，55（6）：550－554.