泥质烃源岩有机碳含量预测方法研究

王 宁,张艳妮，吝路军，熊 志，马佳虹

(1.中国石化勘探分公司，成都 610041；2.核工业西藏地质调查院，成都 610052；3.无锡钻探工具厂有限公司，无锡 214174)

泥质烃源岩有机碳含量预测方法研究

王 宁1,张艳妮2，吝路军2，熊 志2，马佳虹3

(1.中国石化勘探分公司，成都 610041；2.核工业西藏地质调查院，成都 610052；3.无锡钻探工具厂有限公司，无锡 214174)

通过对ΔlogR技术、多元回归预测模型、颜色预测模型的原理、方法、特点展开分析，对这三种方法的适用性和约束条件进行总结，认为ΔlogR技术需对目的层分段处理并要求泥质岩处于低成熟—成熟阶段(0.6%

有机质丰度 ΔlogR技术 定量预测模型 泥质岩烃源岩

有机质是烃源岩生烃的物质基础，也是非常规天然气(如页岩气)吸附的重要载体[1-3]。丰富的有机质是油气生成的基础，而其在生烃过程中形成的微孔隙及微裂隙为天然气的赋存提供重要的储存空间[4]。有机碳含量是指示有机质丰度最重要的指标，泥质岩中有机碳含量越高，其烃源岩和非常规储层的品质就越好，有利于气体的生成和吸附[3]，因此预测有机碳含量对于泥质岩生烃性能评价和页岩气勘探评价具有重要意义。近些年来，通过丰富的地球物理信息和地球化学实验数据对比综合研究泥质岩有机碳含量的方法已经在国内外广泛开展[5-7]，这种方法具有成本低，纵向连续性好，地质信息丰富等优点，弥补了传统方法的不足。研究泥质烃源岩有机碳含量预测方法的原理、过程、特点，明确其适用性和局限性，进而为解决地质问题提供依据。

1 有机碳含量预测的理论基础

理论假设非烃源岩由岩石骨架和充填孔隙的流体2部分组成(图1a)，烃源岩由岩石骨架、固体有机质和充填孔隙的流体3个部分组成(图1b)，成熟烃源岩由岩石骨架、固体有机质、充填孔隙的水和烃类组成(图1c)。有机质由于具有吸附性、低密度、低声速、不导电、氢元素含量高的特点致使其具有独特的响应特征，这使得富有机质泥质岩与贫有机质泥质岩测井曲线上的异常值，在一定程度上可以作为有机质含量的量度，即利用异常值可以计算有机碳的含量，这是根据地球物理信息和地球化学实验数据对比综合研究泥质岩有机质丰度的理论基础。

图1 岩石组成示意

2 泥质烃源岩有机碳含量预测

目前国内外用于烃源岩有机碳含量预测的方法主要有多元回归预测模型和ΔlogR技术，颜色预测模型目前在国内还没有相关研究，下面就这三种方法进行详细阐述。

2.1 ΔlogR技术

目前ΔlogR技术最常用的测井曲线为声波时差和电阻率曲线，基本原理为：非渗透性岩层中低密度低声速有机质导致声波时差增大；烃源岩进入成熟阶段或生成的烃类流体充填孔隙时，对应的电阻率升高，因此这两条测井曲线的组合特征可以反映有机质含量和烃源岩生烃阶段。

首先根据自然伽马曲线特征划分渗透性岩层与非渗透性岩层，其次将声波时差测井曲线和电阻率曲线进行反方向重叠(即声波时差与电阻率坐标向相反方向增大)，声波时差采用算术坐标，电阻率采用对数坐标。当两条曲线在“一定深度”内一致时(通常为干层)为基线，基线确定后，两条曲线间的间距在对数电阻率坐标上的读数ΔlogR可以根据公式(1)计算。利用这种方法可以定性识别油层、水层等，并在已知烃源岩成熟度的情况下能精确地计算烃源岩有机碳含量，如公式(2)。ΔlogR技术的数学模型如下：

(1)

式中：R和Δt分别代表实测电阻率(Ω·m)和声波时差(μs·m-1)；R基线和Δt基线分别代表基线对应地电阻率(Ω·m)和声波时差(μs·m-1)。ΔlogR为电阻率曲线与声波时差曲线分离的间距值。

根据ΔlogR计算TOC的模型：

TOC=ΔlogR×10(2.297-0.168×LOM)

(2)

式中：TOC为计算的有机碳含量；LOM为有机质热变程度，可以根据实测镜质体反射率资料或埋藏史确定。

ΔlogR技术操作过程繁琐、受主观因素影响大、纵向上需对目标层分段处理，仅在LOM为6～9(Ro为0.6%～1.2%)的范围内以及低△logR时较准确，其他范围内得到的结果为外推的经验值。

2.2 多元回归预测模型

多元回归预测模型是以TOC为因变量，以自然伽马、密度、中子孔隙度、声波时差、电阻率等n个测井参数为自变量的n元回归方程(n为正整数)，实现步骤主要包括相关性分析、选择参数、建立模型、优选模型四个过程。(1)相关系分析：做样品实测TOC与对测井参数的相关性分析图，相关系数越大，说明该参数对TOC值的影响越大。(2)选择参数：选择与TOC相关性好的n个参数。(3)建立模型：利用统计分析软件根据选择的n个参数及对应的实测TOC建立n元回归方程。(4)按照以上步骤，尝试利用不同的参数组合建立数学模型，优选相关系数接近1，标准误差尽可能小的模型为最佳模型。该模型具有一定的区域局限性。

2.3 颜色定量预测模型

相关学者[8]认为，颜色主要由TOC值和Fe3+/Fe2+比值决定。一般泥质岩的颜色在红色—绿色—灰色—黑色的范围内变化，红色是由于含有赤铁矿(含Fe3+)，绿色是由于含有绿泥石和伊利石(海相环境下海绿石，含Fe2+)，而暗色泥质岩的颜色受控于有机质含量。即暗色泥质岩的TOC越高，颜色越深。Varma.A.K et al.[9]提出针对Raniganj 盆地Raniganj组煤系地层暗色非均质、条带状泥质岩的TOC定量预测方法。基本原理是：暗色泥质岩的颜色主要受TOC影响，建立颜色量度和TOC的关系式，在具有岩石样品的情况下，可根据颜色初步估计岩石的TOC值。

2.3.1 确定颜色量度TCA

首先，通过手标本观察将岩性条带划分为粉砂岩，灰色泥质岩，深色泥质岩和煤4个类型。然后肉眼判别岩石色度(参照标准的地质岩石蒙赛尔色卡，图2)，粉砂岩色度为N9；灰色泥质岩和深色泥质岩色度分别为N8—N5和N4—N2；煤色度为N1。其次对这4个类型赋予色级，色级呈等比数列或等差数列，例如粉砂岩、灰色泥质岩、深色泥质岩、和煤的色级分别为1，2，4，8(首项a=1，公比r=2的等比数列)。最后将色级与样品条带长度相乘，加权平均，进而计算出中间变量TCA。

图2 四类岩性条带颜色及其对应的蒙塞尔色卡[10]

TCA=∑(条带长度×色级)/∑条带长度

(3)

2.3.2 实验测定样品TOC

将样品清洗、烘干、碎成粉末样。筛选60目以下的样品，应用RockEval-VI仪器对岩石样品进行岩石热解并对有机碳含量进行分析。

2.3.3 颜色预测模型建立

在上述基础上，建立以TOC为因变量，TCA为自变量的线性、对数或指数及其他数学形式的关系式，必要时调整色级，使公式的相关系数接近于1，标准估计误差尽可能小。优选出最吻合的关系式，即为所求。AtulKumarVarma[10]指出，三次多项式(首项a=1,公比r=2，色级为1、2、4、8)为中二叠统Raniganj组煤系烃源岩有机碳含量的最佳颜色预测模型(图3)。

图3 TCA与TOC建立的三次多项式模型

颜色定量预测TOC时，应当注意：①四种岩性条带仅适用于Raniganj盆地，在应用时应根据目标层的岩性组合特征建立适用标准；②在选取岩性条带测量长度时，煤线厚度不得小于1 mm；非煤层厚度不得小于2 mm，任何岩性条带顺层方向的长度应大于等于1 cm；③岩性识别是该方法的基础，如果粉砂质或砂质的含量大于粘土质含量，样品应该归为粉砂级别。在统计岩性时排除方解石和石英脉体等的干扰；④应保证样品的干燥清洁。

该方法操作简便可行，受主观因素影响大，要求样品为暗色非均质条带状泥质岩，在泥质岩研究早期可利用该方法按有机碳含量初步筛选或分类。

3 实例分析

鄂尔多斯盆地中东部地区二叠系山西组沉积时期以滨浅海—三角洲前缘—间湾沼泽—湖泊环境为主，山西组岩性为大套暗色泥岩、灰黑色粉砂质泥岩、浅灰色泥质粉砂岩、细砂岩、砂岩砾岩的韵律互层，偶夹煤层。地层埋深为2 935～3 631 m，厚度在98.0～126.5 m之间，其中泥质岩厚度为43.0～96.1 m，颜色相对较深，以黑色、灰黑色、深灰色为主，该区为二叠系山西组页岩气勘探区，建立合适的泥质岩TOC预测模型非常迫切。本区泥质岩多成块状，镜质体反射Ro在1.76%～3.76%之间，指示有机质进入高成熟—过成熟热演化阶段，因此ΔlogR技术和颜色定量模型已不适用。岩心观察结果显示，泥质岩颜色随TOC增大而变深。

图4 ZD1井山西组泥质岩实测TOC值与测井参数

以ZD1井二叠系山西组泥质岩为区内典型代表，将实测TOC数据分别与同井段的声波时差(Δt)、补偿中子(·N)、自然伽马(γ)、电阻率(R)和密度(ρ)测井参数进行相关性分析(图4)，得知相关系数大小相近，说明这五个参数对TOC的影响比较均衡。运用多元分析软件(SPSS)，将实测TOC设为因变量，对应地的Δt、·N、γ、ρ和R五个参数设为自变量，建立多种模型并进行比较，优选过程及结果见表1。结果表明，TOC与测井参数之间的拟合效果随测井参数增多而逐渐提高，五元回归方程的相关系数最高(0.897 8)、回归估计标准误差最小(1.586)，代表最佳的定量预测模型。图5为ZD1井TOC预测结果，与实测结果对比后，发现TOC预测值与实测值具有较好的一致性，说明可以利用预测值进行烃源岩评价及其他相关分析。

表1 多参数方法建立总有机碳定量预测模型

图5 ZD1井山西组泥质岩TOC预测结果与实测结果对比

4 结论

(1)与传统的样品地球化学实验分析方法相比，TOC测井评价的方法能够在纵向上观察TOC变化特征，突破泥质岩分布非均质性及取样随机性等因素带来的统计误差，克服取心不足的困难，同时也解决了分析测试的经济问题。

(2)ΔlogR技术适用于成熟度低介于0.6%～1.2%的泥质岩，目标层需分段处理；基于TOC实测数据的多元回归定量预测模型具有区域局限性或者井的限制性；仅适用于岩石样品的颜色预测模型也要以实验分析数据为基础，受主观因素影响较大。

(3)鄂尔多斯盆地中东部地区测井曲线与实测TOC数据的相关性分析表明，五参数非线性回归模型为最佳TOC定量预测模型。

[1] 张金川,金之钧,袁明生.页岩气成藏机理和分布[J].天然气工业,2004,24(7):15-18.

[2] 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.

[3] 王香增.陆相页岩气[M].北京:石油工业出版社,2014：158-160.

[4] 聂海宽,唐玄,边瑞康.页岩气成藏控制因素及中国南方页岩气发育有利区预测[J].石油学报,2009,30(4):484-491.

[5] 曲彦胜,钟宁宁,刘岩.烃源岩有机质丰度的测井计算方法及影响因素探讨[J].岩性油气藏，2011,23(2)80-85.

[6] 朱定伟,王香增,丁文龙.测井资料在优质页岩气储层识别中的应用——以鄂尔多斯盆地东南部长7段黑色页岩为例[J].西安石油大学学报(自然科学版),2007,28(4):473-475.

[7] 杨涛涛,范国章,吕福亮,等.烃源岩测井响应特征及识别评价方法[J].天然气地球科学,2013,24(2):414-422.

[8] Pettijohn,F J .Sedimentary Rocks Ch. 8[M].New York:Harper and Row Press,1974：31.

[9] Varma.A K.Estimation of total organic carbon in shales through color manifestations[J].Journal of Natural Gas Science and Engineering,2014,(18):53-57.

[10] Munsell Color.Geological Rock-Color Chart with Genuine Munsell Color Chips[M].2009：1-10.

(编辑 韩 枫)

Prediction method for organic carbon content in shale source rock

Wang Ning1,Zhang Yanni2,Lin Lujun2,Xiong Zhi2,Ma Jiahong3

(1.ExplorationCompany,SINOPEC,Chengdu610041，China；2.NuclearIndustryofTibetGeologyResearchInstitute,Chengdu610052，China; 3.WuxiDrillingToolsFactoryCo.,Ltd.,Wuxi214174，China)

Through analyzing the theories，methods and characteristics for the ΔlogRtechnique，the multiple regression and color prediction models，the applicability and constraint condition were summarized.The study results indicated that the ΔlogRtechnique requires segment treatment for target layer and mudstone shale at low mature-mature stage (0.6 %

abundance of organic matter；ΔlogRtechnique；quantitative prediction model；mudstone-shale source rock

2016-01-30；改回日期：2016-05-15。

王宁(1990—)，女，硕士研究生，主要从事油气资源勘探研究。电话：15991982877，邮箱：441090192@qq.com。

国家自然科学基金项目(41173055)；中央高校基本科研业务费专项资金(310827151062)联合资助。

10.16181/j.cnki.fzyqc.2016.03.003

TE122.1

A