印度尼西亚海及周边海域层结的时空变化特征分析

本文利用World Ocean Atlas 2013 (WOA13)和Simple Ocean Data Assimilation version 3.1.1 (SODA v3.3.1)温盐资料,分析印尼贯穿流(ITF)路径及所经印度尼西亚海及周边西太平洋、南海和东印度洋海域的层结强度(N2)和跃层特征的三维时空变化特征。结果表明,气候态下ITF 3条路径上跃层平均N2差异较小,其中中部路径平均值最大,为10?3.68 s?2,东部路径平均值最小,为10?3.71 s?2;各路径跃层深度和厚度存在明显差异,东部路径跃层深度和厚度最大,分别为124 m和192 m,中部次之,西部最小为99 m和143 m,并且印尼海的跃层深度和厚度平均值均小于其他海域。印尼海N2存在显著的季节变化和4～7 a的多年周期变化,其中年际变化可能主要受厄尔尼诺?南方涛动事件影响。季节上,在印尼海域内,ITF 3条路径夏季层结强度均小于冬季(北半球夏冬季),夏、冬两季N2差值最大可达到两个量级。1993?2015年的长期变化趋势显示,印尼海及周边大部分海域的层结强度呈现增强趋势,其中印度洋中部和哈马黑拉海23 a内最大层结增强近0.1个量级。     

下古生界海相页岩TOC测井预测模型优选及应用——以川南长宁地区为例

有机碳含量（TOC）是页岩气资源评价与预测选区的关键指标之一,测井预测是实现单井TOC连续识别的重要手段,本次研究拟揭示各类预测方法在下古生界海相页岩中的预测效果。本次以川南长宁地区龙一段黑色页岩为对象,尝试采用多类预测方法（ΔLogR法及其改进方法、多元线性回归法与神经网络法）与不同的研究尺度（全段或分层）建立TOC测井预测模型,并对不同方法的预测效果进行深入探讨。研究表明,各方法预测效果差异较大,适用性各不相同。整体而言,多元线性回归法与BP神经网络法在研究区的预测效果均优于ΔLogR法及其改进方法。笔者等研究提出多元线性回归法对研究区TOC高值段的预测效果更佳,而神经网络法对TOC低值段的预测精度更高。本次研究根据龙一段各亚段有机质分布特征与测井响应特征的差异,提出通过“精细分层与最优方法匹配”的方式,因地制宜地选择相应的方法进行TOC测井预测。针对龙一1a-c与龙一1d-龙一2,分别采用多元线性回归法与BP神经网络法进行分层精细建模,并获得了最佳的预测效果,不仅预测精度较高,而且相对误差较小,绝大部分样品相对误差不超过20%。     

下古生界海相页岩TOC测井预测模型优选及应用——以川南长宁地区为例

有机碳含量(TOC)是页岩气资源评价与预测选区的关键指标之一,测井预测是实现单井TOC连续识别的重要手段,本次研究拟揭示各类预测方法在下古生界海相页岩中的预测效果。本次以川南长宁地区龙一段黑色页岩为对象,尝试采用多类预测方法(ΔLogR法及其改进方法、多元线性回归法与神经网络法)与不同的研究尺度(全段或分层)建立TOC测井预测模型,并对不同方法的预测效果进行深入探讨。研究表明,各方法预测效果差异较大,适用性各不相同。整体而言,多元线性回归法与BP神经网络法在研究区的预测效果均优于ΔLogR法及其改进方法。笔者等研究提出多元线性回归法对研究区TOC高值段的预测效果更佳,而神经网络法对TOC低值段的预测精度更高。本次研究根据龙一段各亚段有机质分布特征与测井响应特征的差异,提出通过“精细分层与最优方法匹配”的方式,因地制宜地选择相应的方法进行TOC测井预测。针对龙一₁^a-c与龙一₁^d-龙一₂,分别采用多元线性回归法与BP神经网络法进行分层精细建模,并获得了最佳的预测效果,不仅预测精度...