2017, Vol. 29
2. 西南石油大学 天然气地质四川省重点实验室, 成都 610500;
3. 中国石油长庆油田分公司, 西安 710018;
4. 中国石化胜利油田分公司 勘探开发研究院, 山东 东营 257015;
5. 中国石油集团测井有限公司 长庆事业部, 西安 718500
2. Sichuan Key Laboratory of Natural Gas Geology, Chengdu 610500, China;
3. PetroChina Changqing Oilfield Company, Xi'an 710018, China;
4. Research Institute of Exploration and Development, Shengli Oilfield Company, Sinopec, Dongying 257015, Shandong, China;
5. Changqing Division of PetroChina Logging Company, Xi'an 718500, China
随着非常规油气勘探开发的不断深入，页岩油气备受关注，并有望成为常规油气的有效接替领域[1]。众多国内外学者对泥页岩储层的孔隙结构[2-3]、储层特征[4]、力学性质[5]、吸附特征[6-7]、储层识别与评价[8-9]以及沉积体系[10]等开展了较多的研究，多个国际测井服务公司也开发出了针对页岩油气测井解释的系列评价技术[11-12]。由于国内发育的多为陆相页岩，与国外的海相页岩相比，地质特征上存在较大的差异[13]，因此针对陆相泥页岩需要研究适用于其自身特征的解释评价方法。地球化学参数计算是页岩油气储层测井评价的重要环节[14]，总有机碳（TOC）含量、镜质体反射率（Ro）等地球化学指标在烃源岩评价[15]、油源对比[16]以及干酪根类型识别[17]等方面应用广泛。传统的研究方法大都需要通过岩心样品热解、孢粉测试等实验手段来获得相关地球化学参数数据。这些传统方法存在一定的缺陷，一方面，实验成本较高，另一方面，实验获得的数据有限且离散，无法得到目的层段有机质丰度等地球化学参数的连续变化特征，因此，用传统方法不能对泥页岩地层的地球化学参数进行准确定量评价。在缺乏取心资料的研究区，传统方法更是受到限制。Passey等[18]1990年首次利用电阻率和声波时差曲线的间距（Δ lg R）计算了TOC含量，该算法对海相泥页岩具有较好的适用性，之后又有一些学者对该算法进行了改进[19-21]，但多侧重于对系数的优化，而没有充分利用常规测井信息。
济阳坳陷沾化凹陷渤南洼陷古近系沙河街组沙三下亚段（Es3）发育厚层泥页岩，属于还原性深湖-半深湖沉积，具有较大的勘探潜力。本次研究以沾化凹陷渤南洼陷L69井沙三下亚段泥页岩地层为研究对象，以热解数据、测井信息、岩心鉴定、X射线衍射数据以及成像测井等资料为基础，分析TOC含量与热解数据、Δ lg R以及多条测井曲线数据的相关性，发现TOC含量与三孔隙度曲线相关性较好，而经典的Δlg R方法计算TOC含量的误差较大，选取三孔隙度曲线结合Δlg R来拟合TOC含量计算模型，模型相关系数得到一定提高；分岩性（油泥岩、泥岩和油页岩）建立改进的TOC含量计算模型，计算精度有明显改善。由于热解烃（S2）与TOC含量具有很好的相关性，可利用TOC含量结合测井信息建立S2的计算模型，进一步根据TOC含量、深度（D）等数据间接建立氢指数（HI）及最高裂解温度（Tmax）等的解释模型，最终通过测井数据计算出连续的TOC含量，S2，HI及Tmax曲线，再利用HI-Tmax图版定量评价干酪根类型，进而结合测井计算的矿物组分、物性参数等信息，识别出沾化凹陷渤南洼陷沙三下亚段地层剖面中富含Ⅰ型和Ⅱ1型干酪根的泥页岩岩相及相应的有利储集层段，以期深化测井信息应用于地球化学参数反演及泥页岩储层识别的思路与方法，并对其他类似盆地的湖相泥页岩油气评价起到借鉴作用。
1 总有机碳含量计算（1）多元线性回归
TOC含量是评价泥页岩的主要地球化学指标之一[20]，TOC含量可以指示泥页岩地层有机质丰度非均值性的变化规律。Passey等[18]提出的TOC含量计算方法需要先计算Δ lg R，具体步骤是将声波时差测井曲线（AC）和电阻率曲线（Rd）进行重叠，选取2条曲线重合时（TOC含量较低层段）的数值为基线，则Δlg R可确定为
| $ \Delta {\rm{lg}}R = {\rm{lg}}({R_{\rm{d}}}/{R_{{\rm{d基线 }}}}) + 0.02\left( {\Delta t-\Delta {t_{基线 }}} \right) $ | (1) |
式中：Rd为深侧向电阻率，Ω·m；Rd基线为基线处电阻率，Ω·m；Δt为声波时差，μs·m-1；Δt基线为基线处的声波时差，μs·m-1。
Δlg R确定之后，便可计算出TOC含量
| $ {\rm{TOC}} = {10^{\left( {2.2970-0.1688{\rm{LOM}}} \right)}} \times \Delta {\rm{lg}}R $ | (2) |
式中：TOC为总有机碳质量分数，%；LOM为有机质成熟度（级别）；Δ lg R为电阻率和声波时差曲线的间距。
泥页岩地层中，有机质的声波时差比地层骨架的声波时差大，即声波在有机质中的传播速度较低，加上有机质密度低于岩石骨架，含氢指数远高于地层骨架，且有机质对于热中子的减速能力强于地层骨架，因此，孔隙度测井曲线可明显反映有机质含量的变化。Passey等[18]提出的TOC含量计算方法只考虑了声波与电阻率的响应，对其他测井曲线变量的考虑较少，且基线受人为因素影响较大，计算结果还受LOM选值的限制，因此，采用该算法计算的渤南洼陷沙三下亚段湖相泥页岩的TOC含量准确性较差，数据分布离散，相关系数较低（图 1）。为了得到更准确的计算结果，本次研究采用多个测井变量线性回归的算法求取渤南洼陷沙三下亚段湖相泥页岩的TOC含量，将208个TOC含量测试数据、对应的Δ lg R值及测井数据进行相关性分析（表 1）。从表 1中可看出，TOC含量测试值与声波时差（AC）、中子（CNL）、密度（DEN）以及Δlg R的相关性均较好，相关系数分别为0.618，0.610，-0.642和0.488。
|
下载eps/tif图 图 1 ΔlgR法计算渤南洼陷沙三下亚段湖相泥页岩TOC含量准确性分析 Fig. 1 Accuracy analysis of TOC content in lacustrine shale of the lower Es3 in Bonan subsag calculated by ΔlgR |
|
下载CSV 表 1 渤南洼陷沙三下亚段湖相泥页岩TOC含量与ΔlgR及各测井数据相关系数 Table 1 Correlation coefficient of TOC content, ΔlgR and logging data of lacustrine shale of the lower Es3 in Bonan subsag |
采用上述4个相关性较高的参数对TOC含量进行多元线性回归，得到新的TOC含量计算模型
| $ \begin{array}{l} {\rm{TOC}} = 1.3350 \times \Delta {\rm{lg}}R-0.0068 \times AC + 0.1280 \times CNL-\\ \;\;\;\;\;\;\;\;\;\;\;1.0470 \times DEN + 2.9600R = 0.7040 \end{array} $ | (3) |
式中：AC为声波时差，μs·m-1；CNL为中子孔隙度，%；DEN为密度，g·cm-3。
相比Passey等[18]提出的Δ lg R算法，多元线性回归模型的计算精度有了一定的改进。为了验证计算结果的准确性，将TOC含量计算结果与测试结果进行对比，发现数据点围绕45°对角线分布，且趋势线与对角线夹角也较小，说明TOC含量计算结果与测试值较为接近（图 2）。虽然从数据点的集中程度来看，多元线性回归计算效果明显好于Δ lg R算法，但对于测井计算来说，0.704的相关系数，精度还远远不够，需要进一步改进多元线性回归模型。
|
下载eps/tif图 图 2 多元线性回归法计算渤南洼陷沙三下亚段湖相泥页岩TOC含量准确性分析 Fig. 2 Accuracy analysis of TOC content in lacustrine shale of the lower Es3 in Bonan subsag calculated by multiple linear regression |
（2）分岩性计算
沾化凹陷渤南洼陷沙三下亚段泥页岩岩性非均质性强，若按多元线性回归模型统一计算，难以反映各岩性地球化学指标的差异性，此外，由于不同岩性的有机质丰度不同（表 2），对计算结果也存在较大的影响，因此，应分岩性建立TOC含量计算模型。根据岩心资料分析，沙三下亚段主要发育3大类岩石类型，包括油页岩、油泥岩和泥岩（含少量灰质泥岩）等。定性分析了3种岩性的测井响应，发现岩性之间存在明显差异（图 3），这些差异为按照不同岩性计算有机质丰度提供了保证。
|
|
下载CSV 表 2 渤南洼陷沙三下亚段不同岩性TOC含量分布范围及比例 Table 2 TOC distribution range and proportion of different lithologies of the lower Es3 in Bonan subsag |
|
下载eps/tif图 图 3 渤南洼陷沙三下亚段不同岩性测井响应特征 Fig. 3 Log response characteristics of different lithologies of the lower Es3 in Bonan subsag |
综合考虑岩石类型及可操作性，将岩性划分为3大类，即油页岩、油泥岩、泥岩来分析有机质含量与测井响应间的关系。
从相关性高低来看，TOC-AC，TOC-DEN的相关性相对较低，TOC-Δ lg R的相关性较高，TOC-CNL的相关性最高。因此，可采用CNL数据分岩性拟合TOC含量计算模型（图 4）如下：
|
下载eps/tif图 图 4 分岩性建立渤南洼陷沙三下亚段TOC含量计算模型 Fig. 4 TOC calculation model of different lithologies of the lower Es3 in Bonan subsag |
油页岩TOC含量计算模型为
| $ {\rm{TOC}} = 0.4763 \times {{\rm{e}}^{0.1077 \times CNL}}\;\;\;\;\;R = 0.889 $ | (4) |
油泥岩TOC含量计算模型为
| $ {\rm{TOC}} = 0.1943 \times CNL-0.4987\;\;\;\;\;R = 0.889 $ | (5) |
泥岩TOC含量计算模型为
| $ {\rm{TOC}} = 2.6180 \times {\rm{ln}}\left( {CNL} \right)-4.8413\;\;\;\;\;R = 0.889 $ | (6) |
对沾化凹陷渤南洼陷沙三下亚段不同岩性的TOC含量计算模型进行准确性分析，发现3种岩性的TOC含量计算模型的相关性（图 5）都较多元线性回归模型相关性（参见图 2）有明显提高，因此，按不同岩性拟合TOC含量计算模型可有效提高计算精度，同时有助于细化研究不同岩性的有机质特征。
|
下载eps/tif图 图 5 渤南洼陷沙三下亚段不同岩性TOC含量计算模型准确性分析 Fig. 5 Accuracy analysis of TOC calculation models of different lithologies of the lower Es3 in Bonan subsag |
评价泥页岩的另一个重要参数是生烃潜量（S1 + S2）[15]。其中，S1被称为残留烃、游离烃，是岩石中由有机质生成但尚未排出的烃；S2为热解烃，是岩石中能够生烃但尚未生烃的有机质，对应不溶有机质中的可产烃部分，S2受有机质类型、丰度、成熟度和矿物基质等因素的影响。目的层段测试结果显示，渤南洼陷沙三下亚段泥页岩的成熟度相对较低（表 3）。138个测试点中，90%以上测试点的镜质体反射率Ro分布在0.7%~0.9%。此外，大部分测试点的残留烃S1含量小于5 mg/g，仅占生烃潜量的极小部分，因此在本次研究中，生烃潜量建模主要针对热解烃S2进行。针对S2建模，一方面可以反映目的层段生烃潜量整体特征，另一方面便于进一步计算HI以判断干酪根类型。
|
|
下载CSV 表 3 渤南洼陷沙三下亚段泥页岩镜质体反射率及生烃潜量测试结果 Table 3 Ranges of Ro, S1 and S2 of shale of the lower Es3 in Bonan subsag |
研究表明，热解烃S2与TOC含量之间具有较好的线性相关关系，参照分岩性计算TOC含量的方法，分岩性拟合S2与TOC含量及测井变量间的关系，得到油页岩、油泥岩和泥岩的S2计算模型如下：油页岩为
| $ \begin{array}{l} {S_2} = 6.259 \times {\rm{TOC}}-1.927 \times CNL + \\ \;\;\;\;\;\;\;0.712 \times AC-33.480\;\;\;\;\;R = 0.832 \end{array} $ | (10) |
油泥岩为
| $ {S_2} = 0.9156 \times {\rm{TO}}{{\rm{C}}^{2.4350}}\;\;\;\;\;R = 0.789 $ | (11) |
泥岩为
| $ {S_2} = 8.41 \times {\rm{TOC}}-4.58 \times DEN + 0.55\;\;\;\;\;R = 0.789 $ | (12) |
油页岩、油泥岩和泥岩等3种岩性的S2计算模型均与TOC含量直接相关。由计算值和测试值对比结果可以看出（图 6），这3种岩性的S2计算效果均较好。S2计算模型的建立为后续识别干酪根类型奠定了基础。
|
下载eps/tif图 图 6 渤南洼陷沙三下亚段不同岩性S2计算模型准确性分析 Fig. 6 Accuracy analysis of S2 calculation model of different lithologies of the lower Es3 in Bonan subsag |
干酪根类型也是富有机质泥页岩评价的关键指标之一。地球化学研究中，通常利用HI和Tmax快速划分有机质类型。沾化凹陷渤南洼陷沙三下亚段泥页岩成熟度较低，采用HI和Tmax相结合的研究方法，可以快速准确地识别出目的层段有机质的主要类型。
将石油天然气行业标准中根据岩石热解分析方法[22]提出的HI计算公式作为计算模型，可计算出HI
| $HI = {S_2}/{\rm{TOC}} \times 100\% $ | (13) |
Tmax可通过深度建立计算方程，将测试出的Tmax数据和对应深度进行拟合，便可得到Tmax的计算模型
| $ \begin{array}{l} {T_{{\rm{max}}}} =-7 \times {10^{-6}}{D^3} + 0.059{D^2}-178.130D + \\ \;\;\;\;\;\;\;\;177906\;\;\;\;\;\;R = 0.803 \end{array} $ | (14) |
式中：D为深度，m。Tmax和D的相关性较好，相关系数为0.803。
将Tmax计算结果与HI计算结果一起反映在HI-Tmax图版上，可直观地判断出沾化凹陷渤南洼陷沙三下亚段泥页岩不同层段中的干酪根类型（图 7）。根据图版显示结果，沙三下亚段主要的有机质类型为Ⅰ型、Ⅱ1型和Ⅱ2型，Ⅲ型有机质较少。图版识别结果与前人通过地球化学实验分析或孢粉鉴定等手段得到的判识结果一致[23]，因此，利用测井信息计算地球化学参数，方法简单可靠、可操作性强，计算结果能够比较精确地反映出泥页岩地层的有机质丰度、生烃潜量及主要的干酪根类型。
|
下载eps/tif图 图 7 渤南洼陷沙三下亚段有机质类型识别 Fig. 7 Types of organic matter of the lower Es3 in Bonan subsag |
采用上述地球化学参数模型计算方法，计算TOC含量，S2及Tmax等参数的连续值，并将计算结果反映在L69井测井剖面上（图 8），对比计算结果和测试的离散数据，可以看出TOC含量，S2等计算曲线与实测数据吻合程度较高，能很好地反映出沾化凹陷渤南洼陷沙三下亚段泥页岩地层中地球化学指标的连续变化特征。
|
下载eps/tif图 图 8 地球化学参数测井计算应用实例（L69井） Fig. 8 Application example of geochemical parameter calculation |
在TOC含量和S2计算结果的基础上，分析常规测井信息、脆性矿物（方解石和石英）含量以及计算的孔隙度数据，可看出沙三下亚段泥页岩中，2 987~3 011 m和3 039~3 061 m井段的TOC含量和S2数值整体均较高，有机质类型以Ⅰ型、Ⅱ1型为主，物性较好，脆性矿物含量高，是有利的泥页岩储层段；2 944~2 972 m井段孔隙度相对较低，TOC含量和脆性矿物含量均较高，为相对有利储层段。层序地层划分结果显示，有利层段主要分布在层序一（SQ1）中的LST晚期、TST晚期和HST期，以及层序二（SQ2）中LST的中-晚期。利用测井数据计算的地球化学参数预测结果和层序划分结果一致，说明地球化学参数计算模型准确可靠。
对沾化凹陷渤南洼陷沙三下亚段进行测井信息自动分层处理，并在此基础上利用HI-Tmax图版法逐层进行有机质类型识别，可得到L69井井筒剖面中不同层段的有机质类型及其纵向分布特征（图9）。从图9中可以看出，SQ2主要以Ⅰ型有机质为主，SQ1晚期以Ⅰ型和Ⅱ1型有机质为主，SQ1早期以Ⅰ型和Ⅱ1型有机质为主，且含较多的Ⅲ型有机质。
5 结论（1）作为泥页岩油气评价的主要内容之一，地球化学参数的准确计算，对泥页岩有利储层识别和资源潜力评价至关重要。
（2）基于测井数据计算地球化学参数的连续值时，首先利用热解、测井等数据，将沾化凹陷渤南洼陷沙三下亚段泥页岩分为油页岩、油泥岩及泥岩等3种岩性，分别建立TOC含量计算模型，并在此基础上，根据TOC含量与S2的相关性，分岩性建立S2计算模型，再利用S2及深度分别计算出HI和Tmax，制作出HI-Tmax图版，根据HI-Tmax图版便可判别不同层段的有机质类型。在HI-Tmax图版判别基础上，结合测井资料中的物性及脆性矿物数据，可识别出沾化凹陷渤南洼陷沙三下亚段中富含Ⅰ型和Ⅱ1型有机质，物性较好且脆性矿物含量较高的泥页岩层段。
（3）提出的基于测井数据的地球化学参数计算模型，能够得到较为准确的连续的地球化学参数曲线，进而可识别出目的层段发育的主要干酪根类型，并能有效判别出富含Ⅰ型和Ⅱ1型有机质、物性较好且脆性矿物含量较高的泥页岩层段，为在连续井筒剖面中识别有效泥页岩油气储层提供了依据，深化了测井信息在细粒泥页岩地球化学参数计算中的应用，并为下一步寻找沾化凹陷有利湖相泥页岩油气甜点打下了理论基础。
| [1] |
邹才能, 董大忠, 杨桦, 等.
中国页岩气形成条件及勘探实践. 天然气工业, 2011, 31(12): 26–39.
ZOU C N, DONG D Z, YANG H, et al. 2011. Formation conditions and exploration practice of shale gas in China. Natural Gas Industry, 2011, 31(12): 26-39. DOI:10.3787/j.issn.1000-0976.2011.12.005 |
| [2] |
张烈辉, 郭晶晶, 唐洪明, 等.
四川盆地南部下志留统龙马溪组页岩孔隙结构特征. 天然气工业, 2015, 35(3): 22–29.
ZHANG L H, GUO J J, TANG H M, et al. 2015. Pore structure characteristics of Longmaxi shale in the southern Sichuan Basin. Natural Gas Industry, 2015, 35(3): 22-29. |
| [3] |
AMBROSE R J, HARTMAN R C, DIAZ-CAMPOS M, et al. New pore-scale considerations for shale gas in place calculations. SPE 131772, 2010.
https://www.researchgate.net/profile/Carl_Sondergeld/publication/254531735_New_Pore-scale_Considerations_for_Shale_Gas_in_Place_Calculations/links/0c96053bd478a5f9f4000000.pdf |
| [4] |
王玉满, 董大忠, 杨桦, 等.
川南下志留统龙马溪组页岩储集空间定量表征. 中国科学:地球科学, 2014, 44(6): 1348–1356.
WANG Y M, DONG D Z, YANG H, et al. 2014. Quantitative characterization of reservoir space in the Lower Silurian Longmaxi shale, southern Sichuan, China. Science China:Earth Sciences, 2014, 44(6): 1348-1356. |
| [5] |
刁海燕.
泥页岩储层岩石力学特性及脆性评价. 岩石学报, 2013, 29(9): 3300–3306.
DIAO H Y. 2013. Rock mechanical properties and brittleness evaluation of shale reservoir. Acta Petrologica Sinica, 2013, 29(9): 3300-3306. |
| [6] |
吉利明, 邱军利, 张同伟, 等.
泥页岩主要粘土矿物组分甲烷吸附试验. 地球科学——中国地质大学学报, 2012, 37(5): 1044–1050.
JI L M, QIU J L, ZHANG T W, et al. 2012. Experiments on methane adsorption of common clay minerals in shale. Earth Science-Journal of China University of Geosciences, 2012, 37(5): 1044-1050. |
| [7] |
任泽樱, 刘洛夫, 高小跃, 等.
库车坳陷东北部侏罗系泥页岩吸附能力及影响因素分析. 天然气地球科学, 2014, 25(4): 632–640.
REN Z Y, LIU L F, GAO X Y, et al. 2014. Adsorption capacity and its influence factors of the Jurassic shale in the northeastern Kuqa Depression. Natural Gas Geoscience, 2014, 25(4): 632-640. |
| [8] |
闫建平, 温丹妮, 司马立强, 等.
基于测井和录井信息相结合的泥页岩储层识别方法——以苏北盆地高邮凹陷阜宁组为例. 岩性油气藏, 2015, 27(4): 89–95.
YAN J P, WEN D N, SIMA L Q, et al. 2015. Identification method of shale reservoir based on well logging and log information. Lithologic Reservoirs, 2015, 27(4): 89-95. |
| [9] |
王濡岳, 丁文龙, 王哲, 等.
页岩气储层地球物理测井评价研究现状. 地球物理学进展, 2015, 30(1): 228–241.
WANG R Y, DING W L, WANG Z, et al. 2015. Progress of geophysical well logging in shale gas reservoir evaluation. Progress in Geophysics, 2015, 30(1): 228-241. DOI:10.6038/pg20150134 |
| [10] |
袁选俊, 林森虎, 刘群, 等.
湖盆细粒沉积特征与富有机质页岩分布模式——以鄂尔多斯盆地延长组长7油层组为例. 石油勘探与开发, 2015, 42(1): 34–43.
YUAN X J, LIN S H, LIU Q, et al. 2015. Lacustrine fine-grained sedimentary features and organic-rich shale distribution pattern:a case study of Chang 7 member of Triassic Yanchang Formation in Ordos Basin, NW China. Petroleum Exploration and Development, 2015, 42(1): 34-43. DOI:10.11698/PED.2015.01.04 |
| [11] |
QUIREIN J, WITKOWASKY J, TRUAX J, et al.
2010. Integrating core data and wireline geochemical data for formation evaluation and characterization of shale-gas reservoirs. Journal of the Japan Statistical Society Japanese Issue, 2010, 16(2): 299-304.
|
| [12] |
SONDERGELD C H, NEWSHAN K E, COMISKY J T, et al. Petrophysical considerations in evaluating and producing shale gas resources. SPE 131768, 2010.
http://www.researchgate.net/publication/254531733_Petrophysical_Considerations_in_Evaluating_and_Producing_Shale_Gas_Resources |
| [13] |
司马立强, 李清, 闫建平, 等.
中国与北美地区页岩气储层岩石组构差异性分析及其意义. 石油天然气学报, 2013, 35(9): 29–33.
SIMA L Q, L Q, YAN J P, et al. 2013. Analysis on the differences of rock fabrics in shale gas reservoir and its significance. Journal of Oil and Gas Technology, 2013, 35(9): 29-33. |
| [14] |
王民, 石蕾, 王文广, 等.
中美页岩油、致密油发育的地球化学特征对比. 岩性油气藏, 2014, 26(3): 67–73.
WANG M, SHI L, WANG W G, et al. 2014. Comparative study on geochemical characteristics of shale oil between China and USA. Lithologic Reservoirs, 2014, 26(3): 67-73. |
| [15] |
陈建平, 梁狄刚, 张水昌, 等.
中国古生界海相烃源岩生烃潜力评价标准与方法. 地质学报, 2012, 86(7): 1132–1142.
CHEN J P, LIANG D G, ZHANG S C, et al. 2012. Evaluation criterion and methods of the hydrocarbon generation potential for China's Paleozoic marine source rocks. Acta Geologica Sinica, 2012, 86(7): 1132-1142. |
| [16] |
张巍, 关平, 韩定坤, 等.
川东北地区三叠-侏罗系陆相烃源岩评价及油源对比. 北京大学学报:自然科学版, 2013, 49(5): 826–838.
ZHANG W, GUAN P, HAN D K, et al. 2013. Evaluation of terrestrial hydrocarbon source rocks and oil source correlation in Triassic and Jurassic in northeastern Sichuan. Acta Scientiarum Naturalium Universitatis Pekinensis, 2013, 49(5): 826-838. |
| [17] |
熊德明, 马万云, 张明峰, 等.
干酪根类型及生烃潜力确定新方法. 天然气地球科学, 2014, 25(6): 898–905.
XIONG D M, MA W Y, ZHANG M F, et al. 2014. New method for the determination of kerogen type and the hydrocarbon potential. Natural Gas Geoscience, 2014, 25(6): 898-905. DOI:10.11764/j.issn.1672-1926.2014.06.898 |
| [18] |
PASSEY Q R, MORETTI F J, KULLA J B, et al.
1990. A practical model for organic richness from porosity and resistivity logs. AAPG Bulletin, 1990, 74(12): 1777-1794.
|
| [19] |
刘超, 卢双舫, 薛海涛.
变系数△ log R方法及其在泥页岩有机质评价中的应用. 地球物理学进展, 2014, 29(1): 312–317.
LIU C, LU S F, XUE H T. 2014. Variable-coefficient △ log R model and its application in shale organic evaluation. Progress in Geophysics, 2014, 29(1): 312-317. DOI:10.6038/pg20140144 |
| [20] |
朱光有, 金强, 张林晔.
用测井信息获取烃源岩的地球化学参数研究. 测井技术, 2003, 27(2): 104–109.
ZHU G Y, JIN Q, ZHANG L Y. 2003. Using log information to analyze the geochemical characteristics of source rocks in Jiyang Depression. Well Logging Technology, 2003, 27(2): 104-109. |
| [21] |
熊镭, 张超谟, 张冲, 等.
A地区页岩气储层总有机碳含量测井评价方法研究. 岩性油气藏, 2014, 26(3): 74–78.
XIONG L, ZHANG C M, ZHANG C, et al. 2014. Research on logging evaluation method of TOC content of shale gas reservoir in A area. Lithologic Reservoirs, 2014, 26(3): 74-78. |
| [22] |
中国石油天然气总公司.
岩石热解分析方法:SY/T 5117-1996. 北京: 石油工业出版社, 1996.
China National Petroleum Corporation. Rock pyrolysis analysis method:SY/T 5117-1996. Beijing: Petroleum Industry Press, 1996. |
| [23] |
张晶巧, 蔡进功, 王学军, 等.
东营凹陷湖相烃源岩孢粉相特征及其意义. 中南大学学报:自然科学版, 2013, 44(8): 3446–3452.
ZHANG J Q, CAI J G, WANG X J, et al. 2013. Palynofacies of lacustrine source rocks in Dongying Depression and its significance. Journal of Central South University(Science and Technology), 2013, 44(8): 3446-3452. |