基于各向异性地震反演与不确定性校正随机森林的页岩油OSI定量预测方法

《Petroleum Science》：Quantitative prediction method for Oil Saturation Index of shale oil based on anisotropic seismic inversion

　　

含油饱和度指数（Oil Saturation Index，OSI）由总有机碳（total organic carbon，TOC）含量与游离烃含量（S₁）按OSI = S₁/TOC × 100 mg/g计算，被广泛视为页岩油储层潜在可动烃的重要指标。然而，利用地震数据定量预测OSI仍具挑战性，因为直接由地震数据预测S₁相当困难。本文提出一种基于各向异性地震反演的OSI定量预测新方法，并将其应用于松辽盆地古龙凹陷陆相泥质页岩油。首先，青山口组岩石物理分析表明，S₁与各向异性参数σ呈显著相关，而TOC含量与P波阻抗呈强相关。随后，基于垂直横向各向同性（vertical transverse isotropy，VTI）介质中PP波（PP-wave）反射系数的改进三项近似，建立逐步地震反演方法，该方法适用于强各向异性页岩油储层，用于估计弹性参数与σ。最后，构建带不确定性校正的随机森林（Random Forest）模型，以定量预测TOC和S₁，并据此推导OSI。古龙凹陷应用表明，预测结果与实际钻井数据及地质解释吻合良好。总体而言，本研究为页岩油可动性参数的定量地震预测提供了一种新颖且实用的途径。

页岩油是赋存于富有机质泥页岩中的典型非常规资源，其勘探开发难度较大。松辽盆地古龙凹陷是中国陆相纯页岩油储层的典型地区。对这类储层，总有机碳（total organic carbon，TOC）与游离烃含量（S₁）是评价含油性和烃类可动性的重要甜点（sweet spot）参数，含油饱和度指数（Oil Saturation Index，OSI = S₁/TOC × 100 mg/g）被广泛视为页岩油潜在可动烃指标。但S₁与OSI的地震预测困难，敏感弹性参数尚未充分明确；现有S₁和OSI定量评价多依赖岩心或测井资料，横向预测受限；PP波数据直接同步反演弹性及各向异性参数病态性强，尤其陆相页岩强VTI（vertical transverse isotropy）各向异性；已有数据驱动预测与各向异性地震响应联系不足，且可靠性评价有限。为此，研究人员提出基于各向异性地震反演的OSI定量预测方法，并以古龙凹陷青山口组陆相泥质页岩油为对象开展研究。研究识别P波阻抗和等效各向异性参数σ分别为TOC和S₁的敏感地震属性，建立逐步PP波反演策略，并将反演弹性/各向异性属性与随机森林（Random Forest）预测器结合，估计TOC和S₁后计算OSI，同时以集成离散度表征预测可靠性。该研究为页岩油可动甜点表征提供了地震预测途径。

关键技术方法（不超过250字）：研究人员首先基于研究区测井资料开展岩石物理敏感性分析与回归，确定P波阻抗—TOC、σ—S₁关系；采用Yan等线性回归模型估计δ，并用MANNIE2模型等计算ε、σ。随后基于VTI介质改进三项PP波反射系数近似，实施逐步反演：中角数据（≤30°）各向同性反演求P波阻抗（P-wave impedance，Z_P）、剪切模量（shear modulus，μ）和P波速度（P-wave velocity，V_P），全角度数据VTI反演求A、B、C并计算σ。最后以随机森林进行TOC、S₁预测，按75%/25%划分训练与测试样本，利用标准差（standard deviation，SD）与绝对误差（absolute error，AE）关系及低估/高估频率进行不确定性校正。样本队列为松辽盆地古龙凹陷研究井测井数据及野外地震资料。

研究结果：
2. 地质背景与岩石物理分析：通过测井曲线、交会图和回归分析，研究人员发现青山口组目标段呈低阻抗、强各向异性及高TOC、高S₁特征；青一段S₁和OSI显著高于青二、青三段；嫩江组和青山口组ε>0.2。常规P波阻抗与纵横波速度比交会可有效区分TOC，但对S₁敏感性有限；TOC与P波阻抗强相关，S₁与σ存在合理相关。原文强调S₁—σ关系为研究区测井数据得到的经验关系，目前尚无成熟岩石物理模型直接预测该关系；一种可能解释是S₁富集与层理及顺层裂缝发育有关，但这仅提供可能的结构背景，不建立因果关系，仍需实验室测量和岩石物理建模检验机制及普适性。
3. VTI介质PP波逐步反演方法：通过单界面模型试算，改进三项近似与Rüger近似吻合，在强阻抗差下至40°入射角仍保持较高精度，且各向异性参数对30°内中等角度反射系数影响较小。据此建立逐步反演流程，先由中角数据获得Z_P、μ、V_P，再由全角度数据估计A、B、C并计算σ，以降低参数耦合、提高稳定性。古龙凹陷实际地震应用中，共成像点（common image-point，CIP）道集转换为10°、20°、30°、40°等角度道集，各向异性合成角道集与野外角道集相关系数为0.79。井点对比显示Z_P、μ、V_P的相关系数（correlation coefficient，CC）分别为0.9436、0.9407、0.9450，平均绝对百分比误差（mean absolute percentage error，MAPE）分别为3.09%、5.61%、2.57%；A、B、C的CC分别为0.9511、0.9519、0.9638，MAPE分别为2.93%、4.18%、1.89%；σ的CC为0.9563、MAPE为9.27%。原文说明该井同时用于低频初始模型和井震标定，故该对比为井震一致性测试而非独立盲井验证，独立验证需后续更多井资料。
4. 基于随机森林的OSI定量预测方法：通过随机森林训练测试及不确定性校正研究，研究人员以TOC和S₁敏感参数训练模型，并以SD作为预测不确定性指标；校正幅度由SD与AE统计关系估计，方向由不同预测范围内低估/高估相对频率确定，仅在方向得到充分支持时校正。结果表明校正后TOC预测CC由0.8793升至0.9320，MAPE由12.47%降至8.36%；S₁预测CC由0.8721升至0.9259，MAPE由13.28%降至9.15%。由校正后TOC和S₁计算OSI，青一段呈高TOC、高S₁、高OSI，与区域地质认识一致；井点预测OSI与实际测井CC为0.9174。原文指出OSI为比值型参数，除法可能放大误差，低TOC处误差可能放大。

讨论与结论翻译：原文讨论表明，S₁与σ的相关性为经验关系，尚无成熟岩石物理模型直接预测，可能的结构解释需进一步实验与建模；反演井点对比属一致性测试而非独立盲井验证；OSI比值计算可能放大误差。结论部分翻译如下：本研究提出一种预测页岩油可动烃关键指标OSI的新方法，基于三个关键要素：揭示青山口组各向异性参数σ与S₁、P波阻抗与TOC之间的岩石物理关系；建立适应页岩强各向异性的逐步PP波反演方案，可靠估计弹性参数与σ；采用带不确定性校正的随机森林算法高精度预测TOC和S₁，并据此计算OSI。古龙凹陷野外数据应用表明，所提方法可获得准确OSI估计，并有TOC、S₁预测不确定性指标支持，可有效识别潜在含烃区。该流程为页岩油储层评价提供实用工具，尤其适用于复杂陆相泥质岩性地区，并对甜点刻画和勘探规划具有指导价值。