复杂岩性储层测井解释方法研究

报告编号：OGC-A-012 出品方：北京经纬智汇信息咨询有限公司 报告日期：2026年7月 保密级别：内部参考 版本：V1.0 二级赛道：测井解释与岩石物理

执行摘要

复杂岩性储层测井解释是当前全球油气勘探开发向"深、非、老、难"进军过程中最具战略价值、也最难攻克的技术高地之一。随着易采常规储层日益枯竭，火山岩、缝洞型碳酸盐岩、变质岩潜山、致密混积岩、煤系等复杂岩性储层已成为全球油气增储上产的主战场，而这些储层"岩性杂、孔隙乱、电性怪、含气难算"的固有特征，使传统建立在纯砂泥岩假设与阿尔奇公式基础上的测井解释体系频频失效。本报告在全球视野下，系统梳理了复杂岩性储层测井解释的技术原理、方法体系、前沿动态、竞争格局与产业趋势，核心结论如下：

结论一：技术路线正从"经验交会图"向"谱学直测+多矿物反演+AI智能解释"三维融合演进。 元素俘获能谱测井（以斯伦贝谢 Litho Scanner 为代表）实现了矿物含量的"近实验室级"直接测量，将复杂岩性识别从间接推断推向定量直测；多矿物最优化解释模型（ELAN、CIFLog-OPTMineral 等）解决了多解性下的最优估计问题；机器学习/深度学习方法在岩性识别、曲线重构、参数预测上准确率已普遍达到 85%～96%，正在重塑解释工作流。

结论二：国际三大油服（SLB、Halliburton、Baker Hughes）在高端谱学仪器与解释软件平台上仍占据绝对主导，但中国国产化已实现"从跟跑到并跑"的关键突破。 中石油 CIFLog、中海油服 ELIS 采集平台与"璇玑/璇玥"随钻系统、中石化经纬 CPLog 等国产软硬件已在塔里木、准噶尔、四川等主力探区规模应用，部分场景（如碳酸盐岩缝洞、深层火山岩）解释精度已达国际先进水平，国产替代进入深水区。

结论三：AI 是下一个十年测井解释竞争的胜负手，但"小样本、弱泛化、黑箱化"三大瓶颈尚未根本破解。 复杂岩性储层天然缺乏大规模标注样本，物理机理与数据驱动的融合（物理约束神经网络、可解释 AI）是突破方向。

关键数据亮点：全球测井服务市场规模 2024 年约 160～180 亿美元，预计 2030 年前后突破 240 亿美元，年复合增长率约 5%～6%；其中数据处理与解释软件环节增速最快。中国测井服务市场规模约占全球 12%～15%，深层超深层与非常规储层驱动精细解释需求持续攀升。

风险提示：核心高端谱学测井仪器与工业级解释软件底层仍受制于人；AI 模型可解释性不足制约其在高风险决策中的应用；深层超深层高温高压（>200℃/>200MPa）环境对仪器可靠性构成严峻挑战。

行动建议：近期以"引进消化 + 国产平台深度应用"双轮驱动，重点布局元素谱学解释、核磁共振复杂孔隙评价、AI 岩性识别三大方向；中期押注"物理+数据"融合的可解释智能解释引擎与数字岩心一体化，构建自主可控的复杂岩性解释技术体系。

01 · 调研背景与目标

1.1 调研缘起与问题意识

全球油气勘探开发的资源基础正在发生结构性迁移。国际能源署与各大油服公司的判断趋于一致：常规、优质、构造简单的"甜点"储层日益枯竭，新增探明储量中复杂岩性、深层超深层、非常规储层的占比持续上升。以中国为例，"深地工程"上升为国家战略，塔里木、四川、准噶尔等盆地万米级超深井相继开钻，火山岩、缝洞型碳酸盐岩、变质岩潜山等复杂储层成为增储上产的核心阵地。

然而，储层复杂性的跃升对测井解释这一"地下勘探的眼睛"提出了前所未有的挑战。传统测井解释体系建立在"砂泥岩二元假设"与"阿尔奇公式"的经典框架之上，其隐含前提是岩性单一、孔隙均匀、导电机制清晰。而复杂岩性储层恰恰打破了所有这些前提：矿物成分可达十余种、孔隙类型跨越基质孔-裂缝-溶洞多个尺度、导电机制受黏土附加导电与复杂孔隙结构双重扰动。解释多解性剧增、参数不确定性放大、油气水识别失灵，成为制约复杂储层高效勘探开发的关键瓶颈。

在此背景下，厘清复杂岩性储层测井解释的技术现状、方法体系、前沿方向与竞争格局，对于经纬智汇服务的油气技术客户群体的技术选型、研发立项与投资决策，具有重要的参考价值。

1.2 核心调研问题

本报告聚焦以下核心问题：

• 复杂岩性储层为何难以解释？其技术难点的本质是什么？
• 当前主流的复杂岩性识别、物性与含油气性评价方法有哪些？各自的原理、适用性与优劣如何？
• 以 AI 为代表的前沿技术在复杂岩性解释中进展到什么程度？瓶颈何在？
• 全球测井解释技术与软件市场竞争格局如何？国产化进展到什么阶段？
• 未来技术演进方向与产业机遇何在？企业应如何布局？

1.3 调研范围界定

• 技术范围：覆盖火山岩、碳酸盐岩（缝洞型/礁滩相/白云岩）、变质岩潜山、致密砂岩/致密混积岩、煤系（煤层气）等主要复杂岩性储层的测井解释方法。
• 方法范围：涵盖常规测井交会图、多矿物最优化模型、元素谱学测井、核磁共振测井、成像测井、机器学习/深度学习等全谱系方法。
• 地域范围：全球视野，重点对比中国、北美、中东三大区域，覆盖国际油服与中国主要机构。
• 时间范围：以近五年（2020—2026）最新进展为重点，兼顾历史演进脉络与未来趋势预判。

1.4 调研方法说明

本报告采用多源信息交叉验证方法，信息来源包括 SPWLA（测井分析家协会）与 SPE 技术论文、Petrophysics 及《测井技术》《石油勘探与开发》《石油学报》等中外核心期刊、主要油服公司技术白皮书与产品手册、行业市场研究机构公开报告、专利信息及高校院所研究成果。所有关键数据均标注来源年份，并按五级可信度进行评级（详见配套《参考文献汇总》）。

02 · 技术现状全景

2.1 复杂岩性储层：定义、分类与解释难点

复杂岩性储层并非单一岩石类型，而是对一类"用常规测井方法难以准确识别岩性、计算物性、评价含油气性"储层的统称。其复杂性来源可归纳为岩性复杂、孔隙复杂、电性复杂三个维度。下表梳理了主要类型及其解释难点。

表 2-1　主要复杂岩性储层类型与测井解释难点

解释难点的技术本质可归结为三个"失效"：

• 岩性识别的"多解失效"：常规三孔隙度（密度、中子、声波）与自然伽马曲线在多矿物组合下无法唯一确定岩性，交会图分区严重重叠。
• 物性计算的"模型失效"：复杂孔隙结构下，传统孔隙度-声波时差线性关系、渗透率-孔隙度经验公式不再成立。
• 含油气性评价的"公式失效"：阿尔奇公式假设岩石为纯净、均匀、亲水的粒间孔隙介质，在含黏土、复杂孔隙、油润湿的复杂岩性中系统性偏差，导致低阻油气层漏失、水层误判为油层。

2.2 技术定义与核心原理（白话版）

测井解释，通俗地说，就是把测井仪器在井下测到的一系列物理信号（电阻率、放射性、声波传播时间、核磁共振弛豫等）"翻译"成地质人员能用的储层参数（这是什么岩石、有多少孔隙、孔隙里装的是油气还是水）。对于复杂岩性储层，这道"翻译题"从"单选题"变成了"多元方程组求解"——未知数（多种矿物、多种流体）远多于可靠的测量方程，因此必须引入更多信息维度（谱学、核磁、成像）和更强的求解工具（最优化、AI）来破解。

其核心技术逻辑可概括为三条主线：

• 增维直测：用元素能谱、核磁共振等新型测井直接获取矿物、孔隙结构信息，减少间接推断带来的多解性。
• 约束反演：用多矿物最优化模型，把所有测井响应方程与地质约束联立，求解最可能的岩性-物性组合。
• 智能学习：用机器学习从海量井数据中学习复杂非线性映射关系，实现自动化、规模化解释。

2.3 发展脉络与成熟度评估

复杂岩性测井解释技术的演进大致经历四个阶段：

*图2-1　复杂岩性测井解释技术演进时间轴*

从整体成熟度看：常规交会图法与多矿物最优化模型已属成熟技术（TRL 9）；元素谱学、核磁共振、成像测井解释属成熟应用技术（TRL 8—9）；AI 智能解释处于快速成长期（TRL 6—7），部分场景已进入商业化应用，但通用化、可解释化仍需突破。

2.4 国内外整体发展现状

国际层面，以 SLB、Halliburton、Baker Hughes 为代表的国际油服公司构建了"高端谱学仪器 + 一体化解释软件平台"的完整技术链条。SLB 的 Litho Scanner 元素谱学测井、Techlog 解释平台，Halliburton 的 GEM 元素测井、DecisionSpace/Landmark 平台，Baker Hughes 的岩石物理评价软件，代表了当前复杂岩性解释的最高工程化水平。近年三大公司均将 AI/机器学习深度嵌入其解释平台，推动解释流程自动化、云端化。

中国层面，经过数十年追赶，已形成中石油（CNLC/CIFLog 平台）、中海油服（COSL/ELIS 采集平台与"璇玑""璇玥"随钻系统）、中石化经纬（CPLog/LEAD 平台）三大自主力量。国产装备与软件在塔里木深层碳酸盐岩、准噶尔火山岩、四川页岩气、渤海湾潜山等主力探区实现规模应用，部分复杂岩性解释精度达到国际先进水平。国产替代已从"可用"迈向"好用"，但在最高端谱学仪器、超深高温高压随钻仪器、工业级软件底层架构等方面仍存差距。

*图2-2　全球复杂岩性测井解释技术能力雷达对比图*