基于机器学习的灰度分析用于中国渤海湾盆地沙河街组岩石相识别

准确快速地识别页岩岩石相对于页岩油气储层甜点的评估和预测具有重要意义。为了解决测井曲线分辨率低的问题，本研究基于高分辨率灰度曲线建立了一个灰度相位模型，使用聚类分析算法用于页岩岩石相识别，研究区域为中国渤海湾盆地的沙河街组。灰度相位被定义为绝对灰度和相对振幅及其特征的总和。绝对灰度是灰度值的绝对量，用于评估页岩的物质成分（矿物成分 + 总有机碳），而相对振幅是相邻灰度值之间的差，主要用于识别页岩的结构类型。研究结果表明，灰度相位模型能够很好地识别页岩岩石相，且通过绝对灰度与页岩矿物成分之间的拟合关系，以及相对振幅与页岩层理发育之间的相应关系验证了该模型的准确性和适用性。在研究区域的目标层中识别出四种岩石相：大块混合页岩、层状混合页岩、大块钙质页岩和层状钙质页岩。该方法不仅可以有效表征页岩的物质成分，还可以数值表征页岩层理的发展程度，解决了基于测井曲线难以识别毫米级层理的问题，为页岩岩石相识别、甜点评估及复杂陆相湖泊盆地的预测提供了技术支持。