趙萬(wàn)金，高海燕，閆國(guó)亮，郭同翠

（1.中國(guó)石油勘探開(kāi)發(fā)研究院西北分院，蘭州 730020；2.蘭州財(cái)經(jīng)大學(xué)統(tǒng)計(jì)學(xué)院，蘭州 730020；3.中國(guó)石油勘探開(kāi)發(fā)研究院，北京 100083）

0 引言

非常規(guī)致密烴源巖的分布和致密油氣息息相關(guān)，致密油氣預(yù)測(cè)的一項(xiàng)重要內(nèi)容是準(zhǔn)確預(yù)測(cè)有效烴源巖分布［1］。石油勘探中，表征烴源巖有機(jī)質(zhì)豐度的一個(gè)重要指標(biāo)是總有機(jī)碳（Total organic carbon，TOC）含量，即單位質(zhì)量巖石中有機(jī)碳的百分?jǐn)?shù)［2］。目前利用地球物理技術(shù)預(yù)測(cè)TOC 最為準(zhǔn)確的是實(shí)驗(yàn)巖石物理分析與建模［3］，受巖心取樣成本高和應(yīng)用條件苛刻所限，其更多地停留在理論研究階段。近年來(lái)，隨著非常規(guī)油氣勘探技術(shù)的發(fā)展，基于試驗(yàn)或計(jì)算的TOC 巖石物理分析技術(shù)得到關(guān)注［4］，很好地驗(yàn)證了已有井解釋模型的可靠性。目前應(yīng)用最多且適用條件寬泛的技術(shù)是基于測(cè)井曲線的TOC 估算技術(shù)，面向不同的地質(zhì)沉積特征，形成了不同的單測(cè)井曲線估算和多測(cè)井曲線加權(quán)估算技術(shù)［5-8］。如何將井上估算結(jié)果與地震數(shù)據(jù)有機(jī)結(jié)合，是地球物理技術(shù)預(yù)測(cè)TOC 在地層空間分布的最大制約因素，其關(guān)鍵在于如何準(zhǔn)確地獲得對(duì)TOC 敏感的彈性參數(shù)。目前采取的手段主要包括交會(huì)分析、神經(jīng)網(wǎng)絡(luò)訓(xùn)練等，即利用巖心實(shí)測(cè)或測(cè)井曲線估算的TOC 與彈性參數(shù)擬合，由擬合關(guān)系將地震反演敏感參數(shù)轉(zhuǎn)換成TOC 含量的空間分布［9-13］。

這些技術(shù)已經(jīng)在非常規(guī)頁(yè)巖油氣和致密油氣地球物理預(yù)測(cè)中發(fā)揮著作用，但是在應(yīng)用中仍然存在很多問(wèn)題。一是致密油氣具有超低孔、低滲及巖性配置復(fù)雜的特征，實(shí)驗(yàn)巖石物理分析中往往樣點(diǎn)數(shù)目不夠，實(shí)際生產(chǎn)中的適用性受限。二是由于巖性配置復(fù)雜及“源儲(chǔ)一體”的特征，使基于測(cè)井曲線的TOC 估算結(jié)果誤差較大，常規(guī)估算方法得到的TOC 曲線精度不高，存在與樣點(diǎn)實(shí)驗(yàn)觀測(cè)值匹配度低等問(wèn)題。三是由于致密油氣具有“短排短運(yùn)”的特性，有機(jī)質(zhì)空間分布具有“大分散、小聚集”的特征，非均質(zhì)性強(qiáng)，基于敏感屬性反演間接預(yù)測(cè)TOC空間分布的難度大。

借鑒已有技術(shù)思路，筆者提出一種基于最優(yōu)化估算和貝葉斯統(tǒng)計(jì)分類(lèi)的TOC 井-震聯(lián)合預(yù)測(cè)技術(shù)。其充分利用實(shí)驗(yàn)室觀測(cè)數(shù)據(jù)和測(cè)井?dāng)?shù)據(jù)構(gòu)建模型，利用最優(yōu)化算法求取井點(diǎn)最優(yōu)估算的TOC曲線，在TOC 敏感參數(shù)反演的基礎(chǔ)上，利用貝葉斯統(tǒng)計(jì)分類(lèi)方法得到TOC 空間概率分布，以期該技術(shù)應(yīng)用于湖相致密泥灰?guī)r預(yù)測(cè)，為高產(chǎn)油井部署提供依據(jù)。

1 基于最優(yōu)化算法的TOC 曲線估算

該項(xiàng)技術(shù)是對(duì)常規(guī)測(cè)井曲線擬合得到的TOC曲線的校正，以求得準(zhǔn)確的TOC 曲線。

首先須要獲得必需的實(shí)驗(yàn)室觀測(cè)數(shù)據(jù)。這需要實(shí)驗(yàn)室測(cè)定的巖樣體積及質(zhì)量、XRD 和TOC 測(cè)量值。另外須要獲得研究層段流體密度、孔隙度等參數(shù)。如果缺失實(shí)驗(yàn)室觀測(cè)數(shù)據(jù)，則須要利用常規(guī)測(cè)井曲線估算得到。

利用實(shí)驗(yàn)室數(shù)據(jù)可以構(gòu)建理論上的礦物巖石骨架模型，模型中將黏土和無(wú)機(jī)礦物含量統(tǒng)一為巖石骨架，TOC 為有機(jī)礦物成分。據(jù)此，可以將實(shí)驗(yàn)室數(shù)據(jù)和測(cè)井曲線關(guān)聯(lián)，建立一個(gè)包含TOC 的響應(yīng)方程

式中：ρ為響應(yīng)方程計(jì)算的巖石體密度理論值，g/cm3；ρnk為無(wú)機(jī)礦物密度，g/cm3；ρo為油密度，g/cm3；ρw為水密度，g/cm3；ρTOC為干酪根密度，g/cm3；φ為總孔隙度，%；Sw為含水飽和度，%；K為干酪根體積分?jǐn)?shù)，%。

實(shí)驗(yàn)室測(cè)量可以得到油密度和水密度；實(shí)驗(yàn)室測(cè)量或測(cè)井曲線計(jì)算可得到孔隙度和含水飽和度。由TOC 觀測(cè)值和實(shí)驗(yàn)室?guī)r樣數(shù)據(jù)計(jì)算得到無(wú)機(jī)礦物密度和干酪根密度，通常求取樣點(diǎn)平均值作為常數(shù)參與方程計(jì)算。研究中利用如下公式計(jì)算無(wú)機(jī)礦物密度和TOC 密度

式中：Q為干巖樣的質(zhì)量，g；Qnk為無(wú)機(jī)礦物質(zhì)量，g；QTOC為T(mén)OC 質(zhì)量，g；V為干巖樣的體積，cm3。

實(shí)際生產(chǎn)中，這些數(shù)據(jù)在實(shí)驗(yàn)室都可獲得。

由于K的不確定性，因此在計(jì)算ρ時(shí)須要消除參數(shù)K。假定TOC 含量初始估算值用C表示，則

將式（3）代入式（1）得

為了使ρ與測(cè)井獲得的密度ρb無(wú)限靠近，須要給定C一個(gè)初始數(shù)值。實(shí)際計(jì)算中，C可以由實(shí)驗(yàn)室樣點(diǎn)TOC 測(cè)量值與敏感測(cè)井曲線擬合得到，即初始TOC 曲線值。在此基礎(chǔ)上，利用最優(yōu)化算法迭代估算，使校正后TOC 與實(shí)驗(yàn)室樣點(diǎn)TOC 測(cè)量值匹配最佳。這里采用共軛梯度法進(jìn)行最優(yōu)化估算。最優(yōu)化計(jì)算中目標(biāo)函數(shù)設(shè)定為

式中：F(C)為目標(biāo)函數(shù)；g(C)為約束項(xiàng)。

通過(guò)約束項(xiàng)可以使目標(biāo)函數(shù)達(dá)到極小值。目的層段實(shí)驗(yàn)室測(cè)定TOC 值在［0，4］內(nèi)，因此約束條件設(shè)為0≤x≤4，則約束項(xiàng)可以表示為

當(dāng)優(yōu)化計(jì)算的C不滿足約束條件時(shí)，約束項(xiàng)將是一個(gè)非常大的數(shù)值，使得目標(biāo)函數(shù)不能達(dá)到極小值。

2 基于貝葉斯統(tǒng)計(jì)的TOC 概率體計(jì)算

貝葉斯統(tǒng)計(jì)方法可以充分利用所有可能的信息，綜合利用巖石物理和測(cè)井先驗(yàn)信息、樣本信息，將地震屬性數(shù)據(jù)看成是一個(gè)隨機(jī)變量，進(jìn)行后驗(yàn)概率密度統(tǒng)計(jì)，很好地將小、中尺度分析結(jié)果應(yīng)用于大尺度地震預(yù)測(cè)，大大降低預(yù)測(cè)誤差［14］。貝葉斯統(tǒng)計(jì)通過(guò)核密度估計(jì)方法進(jìn)行判別分類(lèi)，相當(dāng)于二維屬性樣點(diǎn)被映射到三維空間，由一個(gè)二維曲面將疊置區(qū)域TOC 值樣點(diǎn)區(qū)分開(kāi)來(lái)。

基于貝葉斯統(tǒng)計(jì)的TOC 概率體計(jì)算，前提是通過(guò)分析已經(jīng)得到TOC 的敏感參數(shù)，依據(jù)最優(yōu)化估算的TOC 曲線，設(shè)定閾值，可將TOC 劃分為高、中、低3 類(lèi)。在此基礎(chǔ)上，針對(duì)反演的TOC 敏感參數(shù)，利用如下公式開(kāi)展TOC 概率體計(jì)算

式中：M為巖性分類(lèi)數(shù)，本例中等于3；ci為T(mén)OC 劃分3 類(lèi)中的某一類(lèi)；X為樣本點(diǎn)，帶有多種屬性，即多個(gè)TOC 敏感參數(shù)為3 類(lèi)TOC 分布的先驗(yàn)信息，由樣本中該類(lèi)TOC 樣本數(shù)占總樣本數(shù)比例而定為條件概率，指假定是ci所指TOC類(lèi)型情況下屬性樣點(diǎn)X的分布概率密度為后驗(yàn)條件概率，指給定的屬性樣點(diǎn)判別為某一類(lèi)TOC 的概率。因此，針對(duì)每一個(gè)樣點(diǎn)，計(jì)算結(jié)果有3 個(gè)，分別代表了3 類(lèi)TOC 概率的大小。

式中：K(x)為核密度估計(jì)值；x為樣點(diǎn)到中心點(diǎn)的歐氏距離。

貝葉斯分類(lèi)是將低維空間線性不可分的點(diǎn)通過(guò)非線性方式映射到高維空間進(jìn)行區(qū)分，這使得運(yùn)算量呈指數(shù)增長(zhǎng)。核函數(shù)通過(guò)內(nèi)積運(yùn)算的方式進(jìn)行降維，在確保結(jié)果精度的同時(shí)大大減少了計(jì)算量。因?yàn)榕cGaussian 核函數(shù)等相比較，Epanechnikov 核函數(shù)在置信區(qū)間外的值為零，因此其估計(jì)的分布更加精確。依據(jù)估計(jì)的分布，可以計(jì)算的后驗(yàn)概率分布，最終判別TOC 敏感屬性在不同取值范圍時(shí)，TOC 類(lèi)型歸屬概率的大小。

3 應(yīng)用實(shí)例

3.1 束鹿凹陷烴源巖特征

束鹿凹陷位于渤海灣盆地束鹿地區(qū)，為一個(gè)東斷西超、北東走向的狹長(zhǎng)單斷箕狀凹陷，在陡?jìng)?cè)和緩坡帶廣泛沉積了多期疊置的礫巖體，洼槽則沉積了巨厚的泥灰?guī)r。目的層沙河子組下亞段泥灰?guī)r有機(jī)質(zhì)豐度高，特別是有機(jī)碳含量高；同時(shí)泥灰?guī)r有機(jī)質(zhì)類(lèi)型好，主要為Ⅱ型干酪根，轉(zhuǎn)化率高、排烴能力強(qiáng)，為優(yōu)質(zhì)烴源巖；厚度大于200 m 的泥灰?guī)r分布面積約200 km2，油氣資源豐富，勘探潛力大。

沙三下亞段盡管沉積了巨厚的泥灰?guī)r，但其分布具有如下特征：①縱向上與砂巖、礫巖形成互層或薄互層，巖性配置復(fù)雜；②泥灰?guī)r具有“自生自?xún)?chǔ)”的特征，有機(jī)碳分布具有“大分散、小聚集”的特征。

3.2 測(cè)井解釋方法對(duì)比分析，獲得初始TOC 曲線

在具有較全的常規(guī)測(cè)井曲線和TOC 樣點(diǎn)測(cè)量的前提下，利用不同的測(cè)井解釋方法估算TOC 曲線，并對(duì)估算結(jié)果進(jìn)行對(duì)比分析，獲得一條初始的井上TOC 曲線。常規(guī)思路中，這條曲線將作為井上TOC 估算的最終結(jié)果。本研究將這條曲線作為輸入，參與后續(xù)的基于巖石物理模型的TOC 最優(yōu)化估算。

研究中開(kāi)展了基于單測(cè)井和多測(cè)井曲線擬合的算法估算TOC 曲線，并利用驗(yàn)證井對(duì)不同算法的TOC 估值進(jìn)行對(duì)比（圖1）。這里采用密度擬合、自然伽馬擬合、鈾元素?cái)M合、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、Δ lgR線性擬合、Δ lgR_LOM 擬合等6 種算法分別估算得到1 條TOC 初始曲線，分別命名為T(mén)OC_密度、TOC_伽馬、TOC_鈾、TOC_神經(jīng)網(wǎng)絡(luò)、TOC_Δ lgR和TOC_Δ lgR_LOM。估算結(jié)果分別與驗(yàn)證井目的層巖樣TOC 擬合分析，認(rèn)為Δ lgR_LOM 算法最優(yōu)，其估算值與樣點(diǎn)TOC 測(cè)量值吻合度最高。由于Δ lgR_LOM 算法中LOM 反映了有機(jī)質(zhì)成熟度，與層段烴源巖的埋藏史和熱演化史等相關(guān)，在相關(guān)數(shù)據(jù)不全的情況下，可通過(guò)實(shí)測(cè)TOC 值反演出LOM值，與深度建立關(guān)系后引入TOC 校正項(xiàng)，對(duì)全井段的TOC 進(jìn)行預(yù)測(cè)。盡管Δ lgR_LOM 算法估算結(jié)果較好，但與真實(shí)值仍然存在較大誤差，這在后續(xù)的井-震聯(lián)合預(yù)測(cè)中會(huì)放大誤差，因此須進(jìn)一步校正。

圖1 某井多種方法估算的TOC 值對(duì)比Fig.1 Comparison of TOC values estimated by various methods of a well

3.3 構(gòu)建TOC 測(cè)井評(píng)價(jià)模型，基于最優(yōu)化算法獲得校正后的TOC 曲線

利用建立的巖石物理模型，通過(guò)最優(yōu)化迭代尋優(yōu)后，TOC 初始估算值得到了很好地校正。Δ lgR_LOM 方法估算的初始TOC 與巖石物理模型校正后的TOC總體分布趨勢(shì)一致［圖2（a）］，但局部細(xì)節(jié)變化較大，與樣點(diǎn)TOC 更加吻合，在局部具有很好的對(duì)應(yīng)性；與巖心樣點(diǎn)真實(shí)測(cè)量值相比，校正后的TOC 值誤差更小［圖2（b）］，證明了巖石物理模型校正后的TOC 曲線可有效地應(yīng)用于后續(xù)的TOC 空間分布預(yù)測(cè)。

3.4 基于最優(yōu)估算TOC 的測(cè)井敏感參數(shù)分析

3.4.1 構(gòu)建實(shí)驗(yàn)室TOC 巖石物理量版，分析TOC敏感參數(shù)

考慮礦物成分對(duì)TOC 含量影響大，選用實(shí)驗(yàn)室XRD 數(shù)據(jù)和巖心TOC 測(cè)量數(shù)據(jù)構(gòu)建巖石物理量版?；赬RD 數(shù)據(jù)開(kāi)展巖石物理TOC 分析的優(yōu)點(diǎn)是：①基于礦物組分構(gòu)建的巖石物理模型可以很好地分析TOC 與彈性參數(shù)的關(guān)系；②XRD 數(shù)據(jù)參與測(cè)井評(píng)價(jià)模型的構(gòu)建有助于提高測(cè)井解釋結(jié)果的準(zhǔn)確度。

圖2 基于測(cè)井巖石物理模型和最優(yōu)化算法得到校正后的TOCFig.2 Corrected TOC based on log rock physical model and optimization algorithm

XRD 測(cè)定的各種礦物的含量可以用體積分?jǐn)?shù)或質(zhì)量分?jǐn)?shù)來(lái)表示，本文中涉及的數(shù)據(jù)來(lái)源于油田，其用體積分?jǐn)?shù)表示，實(shí)驗(yàn)室測(cè)量提供了礦物成分彈性模量參考值?？紤]到致密巖性的特征，在模型構(gòu)建中首先使用文獻(xiàn)［15］所述的Hashin-Shtrikman 界限計(jì)算巖石骨架體積模量與剪切模量，與Reuss，Voigt 等界限相比較，這種界限估算的巖石骨架彈性模量范圍更小，因此更加精確；其次利用K-T 公式［15］計(jì)算干巖石體積模量與剪切模量，其優(yōu)勢(shì)在于其適用于致密巖性低孔隙度的條件；然后利用Gassmann 方程計(jì)算飽和水巖石體積模量與剪切模量，最后得到基于礦物成分等效介質(zhì)模型計(jì)算的巖石彈性參數(shù)。

圖3 為用3 口井實(shí)驗(yàn)室數(shù)據(jù)建立的TOC 量版，色標(biāo)顯示的是樣點(diǎn)TOC 觀測(cè)值。XRD 數(shù)據(jù)顯示泥灰?guī)r骨架礦物是方解石和白云石，質(zhì)量分?jǐn)?shù)為50%～70%；其次是黏土和石英（包括長(zhǎng)石）礦物，其他礦物成分（剛玉、黃鐵礦、沸石等）占比很小，質(zhì)量分?jǐn)?shù)不到10%。實(shí)驗(yàn)室分析認(rèn)為有機(jī)質(zhì)豐度與黏土礦物含量相關(guān)，同時(shí)石英含量遠(yuǎn)小于巖石骨架含量，這很好地解釋了量版中TOC 隨石英含量增加而減少的原因。泥灰?guī)r儲(chǔ)集空間主要為溶蝕孔（有機(jī)質(zhì)孔）、晶間孔和紋層縫，隨著TOC 含量增加會(huì)形成更多的有機(jī)質(zhì)孔，反映了致密泥灰?guī)r中TOC 含量高、孔隙度相對(duì)較大的特征。隨著黏土含量和孔隙度的增大，縱、橫波速度降低，致密巖性密度微弱減小，因此縱、橫波阻抗隨TOC 含量增大而減小。

圖3 TOC 巖石物理量版Fig.3 TOC quantitative edition of petrophysics

3.4.2 基于最優(yōu)估算TOC 的測(cè)井敏感參數(shù)分析

實(shí)驗(yàn)室?guī)r石物理TOC 量版（圖3）顯示，縱、橫波阻抗可以較好地區(qū)分TOC 大小。在計(jì)算得到更加準(zhǔn)確的TOC 曲線后，開(kāi)展測(cè)井尺度TOC 敏感參數(shù)分析，這是驗(yàn)證實(shí)驗(yàn)巖石物理結(jié)果的可用性和地震宏觀尺度預(yù)測(cè)TOC 空間分布的紐帶。在已知縱波速度、橫波速度和密度曲線的前提下，可計(jì)算井上縱、橫波阻抗，開(kāi)展測(cè)井巖石物理分析。

研究選取目的層段250 m 厚度，0.125 m 采樣數(shù)據(jù)進(jìn)行測(cè)井巖石物理交會(huì)分析，樣本值為最優(yōu)化計(jì)算校正后的TOC。結(jié)果顯示［圖4（a）］，在大樣本情況下，縱、橫波阻抗仍然可以較好地區(qū)分TOC。與實(shí)驗(yàn)巖石物理量版顯示結(jié)果一樣，縱、橫波阻抗越小，TOC 值總體越大。針對(duì)目的層段，分析認(rèn)為T(mén)OC 質(zhì)量分?jǐn)?shù)大于2.0%時(shí)指示有效烴源巖或者含油氣儲(chǔ)層（紅色及棕黃色顯示）。為了說(shuō)明可行性，利用和橫波阻抗直接相關(guān)的彈性屬性參數(shù)μ ρ與最優(yōu)化校正TOC 曲線以及實(shí)驗(yàn)室樣點(diǎn)總排烴量S1+S2插值后的曲線進(jìn)行對(duì)比［圖4（b）］，良好的對(duì)應(yīng)性說(shuō)明可以利用縱、橫波阻抗開(kāi)展TOC 的空間分布預(yù)測(cè)。測(cè)井TOC 敏感參數(shù)交會(huì)和TOC 巖石物理量版分析具有相同的結(jié)果，即縱、橫波阻抗隨TOC 含量增大而減小。

圖4 測(cè)井巖石物理分析TOC 敏感參數(shù)及對(duì)比Fig.4 TOC sensitive parameters and their contrast in logging petrophysics analysis

須要說(shuō)明的是，可以看到測(cè)井巖石物理分析結(jié)果對(duì)TOC 的敏感度遠(yuǎn)低于實(shí)驗(yàn)巖石物理分析結(jié)果，這主要是受實(shí)際樣本量足夠大和實(shí)際測(cè)井曲線的影響。由于對(duì)測(cè)井曲線進(jìn)行了很好的質(zhì)量控制，因此實(shí)際生產(chǎn)中這樣的結(jié)果是可以接受的。針對(duì)測(cè)井巖石物理分析結(jié)果，如果利用最小二乘或者非線性擬合的方法對(duì)TOC 進(jìn)行定量估算或者分類(lèi)，將無(wú)法有效地區(qū)分圖4（a）中紅色、綠色及灰色樣點(diǎn)重疊區(qū)域，即無(wú)法有效識(shí)別有效烴源巖和含油氣儲(chǔ)層。針對(duì)這種情況，這里采用概率統(tǒng)計(jì)的思想將巖石物理分析結(jié)果映射到地震縱、橫波阻抗反演結(jié)果中，實(shí)現(xiàn)井-震聯(lián)合反演預(yù)測(cè)TOC 空間展布的目的。

3.5 基于貝葉斯統(tǒng)計(jì)的TOC 概率體計(jì)算

研究區(qū)塊目的層TOC 質(zhì)量分?jǐn)?shù)不高于3%，富油段TOC 質(zhì)量分?jǐn)?shù)一般高于2.2%，實(shí)驗(yàn)室測(cè)量顯示含油氣層段TOC 質(zhì)量分?jǐn)?shù)一般大于1.8%。因此首先設(shè)定2 個(gè)閾值，分別是1.8%，2.2%，將最優(yōu)化估算校正后的TOC曲線按照閾值劃分為3 類(lèi)，定義為Ⅰ，Ⅱ，Ⅲ類(lèi)，分別表示含量高、中、低；然后利用測(cè)井曲線計(jì)算縱、橫波阻抗；在此基礎(chǔ)上，利用貝葉斯統(tǒng)計(jì)方法進(jìn)行3類(lèi)TOC 的概率統(tǒng)計(jì)分析［圖5（a）］。在得到井上先驗(yàn)概率分布的基礎(chǔ)上，可以將反演得到的縱、橫波阻抗依據(jù)式（6）計(jì)算得到空間樣點(diǎn)的3 類(lèi)TOC 后驗(yàn)概率分布。

為了驗(yàn)證該方法的適用性，針對(duì)目的層段，選取一口驗(yàn)證井，將實(shí)驗(yàn)室TOC 樣點(diǎn)觀測(cè)值和對(duì)應(yīng)的TOC 預(yù)測(cè)值進(jìn)行對(duì)比［圖5（b）］，這里選取Ⅰ類(lèi)TOC 概率體進(jìn)行對(duì)比分析?？梢钥吹?，盡管二者在數(shù)值方面存在一定的誤差，但是總體分布趨勢(shì)一致，并且具有較高的相關(guān)度，證明該項(xiàng)技術(shù)的可行性。

圖5 利用貝葉斯統(tǒng)計(jì)的TOC 概率體計(jì)算及井位部署Fig.5 TOC probability volume calculation and well location deployment using Bayesian statistics

預(yù)測(cè)結(jié)果很好地應(yīng)用于油田ST3 井的井位部署。在ST3 井實(shí)驗(yàn)室?guī)r心TOC 觀測(cè)基礎(chǔ)上，利用前述方法得到該井最優(yōu)化估算TOC 曲線。與鉆后結(jié)果對(duì)比，井位部署時(shí)地震TOC 預(yù)測(cè)結(jié)果與鉆后計(jì)算TOC 曲線具有很高的相關(guān)性［圖5（c）］。［圖5（c）］中色標(biāo)顯示值域?yàn)?～3，其為將預(yù)測(cè)Ⅰ類(lèi)TOC 概率體進(jìn)行等比壓縮以后的結(jié)果，可以直觀地表征TOC 值的大小，同時(shí)達(dá)到了和井上最優(yōu)化估算TOC 值域匹配的效果。

完鉆試油結(jié)果顯示4 個(gè)出油層段除了第一個(gè)層段預(yù)測(cè)誤差較大外，其余均與鉆探結(jié)果吻合。該井在目的層段日產(chǎn)致密油67 m3，很好地說(shuō)明了該項(xiàng)技術(shù)的實(shí)用性和有效性。

4 結(jié)論

（1）基于構(gòu)建的TOC 測(cè)井評(píng)價(jià)模型，利用最優(yōu)化算法可以對(duì)初始的TOC 曲線進(jìn)行最佳校正?；谧顑?yōu)化校正的TOC 曲線開(kāi)展敏感屬性反演可以大大降低預(yù)測(cè)誤差。

（2）實(shí)驗(yàn)室?guī)r石物理量版可以真實(shí)地反映TOC敏感參數(shù)；基于TOC 曲線的測(cè)井敏感參數(shù)分析可以證明并驗(yàn)證巖石物理分析結(jié)果，同時(shí)也為地震預(yù)測(cè)TOC 空間分布奠定了基礎(chǔ)。

（3）基于貝葉斯統(tǒng)計(jì)的TOC 概率體計(jì)算，可以充分利用井上TOC 和地震敏感參數(shù)的先驗(yàn)信息，采用概率統(tǒng)計(jì)的思想將巖石物理分析結(jié)果映射到地震縱、橫波阻抗反演結(jié)果，實(shí)現(xiàn)井-震聯(lián)合反演預(yù)測(cè)TOC 空間展布的目的。