收益：
- 能够理解测井曲线的物理意义（伽玛、阻力、密度、中子、声波）及其通过人工智能的构建和解释
- 能够进行孔隙度、含水饱和度、黏土体积等岩石物理量的人工智能计算和相初步分类
- 能够利用核心数据、Archi 方程和物理边界验证人工智能产生的岩石物理解释
当打井时，我们无法直接看到地面下方；相反，我们得到了测井日志。测井记录是根据整个井的深度测量的物理特性的连续记录。将仪器（测井仪）放入井中，并在拉起时测量周围岩石的放射性、电阻率、密度等。岩石物理学是通过读取这些日志来提取岩石及其中的流体特性（有多少空隙、空隙中是否有水或油、流体能否流动）的科学。在本单元中，我们在岩石物理学的两个强大领域使用人工智能：构建分散的日志数据和为岩石物理解释生成快速、可审计的蓝图。不变的规则：日志是间接测量，核心说出真相，工程师确认解释。
让我们了解一下基本日志
每个日志都有一个它测量的物理量及其含义：
- 伽马射线 (GR)：岩石的天然放射性。粘土和页岩的价值较高，干净的沙子和石灰石的价值较低。它是粘土体积（Vshale）估算的基础。
- 电阻率：岩石对电力的电阻。水导电（低电阻），油/天然气则不导电（高电阻）。因此，电阻是碳氢化合物存在的主要线索。
- 密度 (RHOB)：岩石的体积密度。用于孔隙率计算；随着空间的增加，密度降低。
- 中子（NPHI）：对岩石中氢的含量敏感；它是孔隙度的指标，因为它含有水和烃氢。它揭示了具有密度的气体区域（“中子密度交叉”）。
- 声波 (DT)：声波穿过岩石所需的时间。它提供有关孔隙度和岩石强度的信息。
提示：单个日志永远不会被孤立地解释。在岩石物理学中，力量在于一起读取测井：伽马粘土、电阻率流体、密度中子孔隙度和气体一起描述。
配置日志数据
日志数据主要以LAS（Log ASCII Standard）文件形式出现；但曲线名称（RHOB 或 DEN？）、单位（API 或 gr/cc）和深度参考因地点而异。人工智能在标准化这种混乱方面非常强大。
关键原则：寻求转化，而不是推论。模型应将文件中明确写入的曲线与标准名称相匹配，而不是“猜测”并生成不存在的曲线。若有缺失日志，应写为“无”，不予补。
一步一步：记录评论工作流程
- 拿出歪歪扭扭的库存。哪些日志存在，哪些缺失，单位是什么？让人工智能将库存制成表格，您进行验证。
- 做好质量控制。在孔径（卡尺）扩大的区域，密度测井会失真；标记这些区域。 AI可以扫描异常值/不可能值（负孔隙率、无限阻力）。
- 计算粘土的体积。来自伽玛测井的 Vshale；您确定干净和粘土线参考。
- 计算孔隙率。从密度和/或中子测井、基质和流体密度到局部值。
- 计算水饱和度。借助Archi方程；则碳氢化合物饱和度 = 1 − Sw。
- 与核心连接。如果同一深度存在岩心孔隙度/渗透率，则用其校准计算。
档案方程：验证锚
岩石物理学的核心是阿奇方程。它只是在物理上联系了水饱和度随着岩石阻力的增加而减少（水减少和碳氢化合物增加）。方程的输入为孔隙度、地层水阻力和测量阻力；其输出为水饱和度Sw。
当AI建议Sw值时，不要盲目接受：将输入放入Archi方程中并手动提供。结果必须在 0-1 之间；局部系数（a、m、n）必须在合理范围内；必须由核心校准。这正是如何验证非安全关键但经济关键输出的示例。
注意：拱形方程不像粘土/页岩地层那样有效；粘土带来额外的电导率，使水饱和度高于实际值。在粘土区域，需要经过粘土校正的模型，例如 Simandoux 或 Waxman-Smits。如果 AI 说“Archi with Sw=0.3”，请务必询问地层是否为粘土。
三个迷你案例：从数字来看
案例 1 — 卡尺陷阱。在一口井中，模型将 2,310–2,325 m 标记为高孔隙度（32%）的“良好储层”。岩石物理学家查看了测井仪：在这段时间内，洞已经塌陷，直径扩大了；在这段时间内，洞已经塌陷，直径扩大了。因此，密度测井给出了错误的低密度（高假孔隙率）。岩心孔隙率为14%。人工智能将损坏的数据误认为是真实的；卡尺控制解决了这个陷阱。
案例 2 — 正确捕获气体区域。在两口相邻的井中，人工智能建议存在中子密度交叉的气体区（中子低、密度高孔隙度——经典气体效应）。当工程师将其与生产测试联系起来时，证实该区域确实在生产天然气。在这里，人工智能指出了正确的物理签名，并通过良好测试得到了确认。
案例 3 — 粘土区碳氢化合物含量过高。该模型将 Sw=0.25（即 75% 碳氢化合物）分配给具有平坦 Archi 的区域。伽玛测井显示该区域为粘土质；粘土本应降低电阻，但实际上增加了 Sw。经过西曼杜校正，Sw = 0.55；该区域比预期湿润得多，商业价值较低。盲目接受可能会导致投资错误。
弱提示/强提示
弱提示：
根据该测井计算孔隙度和含水饱和度。[测井数据]
强力提示：
从以下（匿名）日志数据生成岩石物理解释草案。规则：- 首先列出曲线清单和丢失/可疑的日志。将卡尺扩展的区域标记为“密度有问题”。 - 根据伽马测井计算 Vshale；通过询问获得干净/粘土线参考。 - 用密度中子计算孔隙率；明确写出矩阵和流体密度假设。- 使用 Archi 计算水饱和度；如果 Vshale 高，建议 Simandoux 并写出原因。如果假设，请指定系数 a、m、n。 - 检查每个结果与物理极限（0<=Sw<=1，0<=孔隙度<=0.4）。 - 用核心标记需要校准的步骤。不要将任何结果呈现为“最终”。数据：[日志数据]
四个可复制模板
1）曲线库存和QC：
将此 LAS 曲线列表映射到标准名称（GR、RESD、RHOB、NPHI、DT、CALI）。漏掉的写“无”，不要补。如果存在单位差异和不可能的值（负孔隙率、阻力过大），请给出“行|问题|建议”表。列表：[曲线/数据]
2）Vshale账户草稿：
从伽玛测井计算 Vshale。向我询问干净线 (GRmin) 和粘土线 (GRmax) 参考，不要假设。分别给出线性和非线性（Larionov）方法并解释其差异。数据：[GR]
3）含水饱和度及型号选择：
使用下面的孔隙度、电阻率和 Vshale 计算含水饱和度。根据Vshale阈值判断Archi还是Simandoux是否合适。写出系数假设 a、m、n。检查结果以 0-1 为界限。数据：[值]
4) 岩心测井校准控制：
下面是相同深度处的测井孔隙度和岩心孔隙度。总结系统偏差和分散情况；给出校准日志解释的建议。标记数据质量的极端异常值。数据：[日志与核心]
日志评论验证层次结构
证据
直接性
它说什么
用途
核心（核心）
最直接的
真孔隙度/渗透率
校准，临界区
试井（压力-流量）
直接
真实流量、渗透率
生产力确认
对数（密度、电阻...）
间接
连续轮廓
主要评论，填空
人工智能预测
导出的
假设、筛选
轮廓、标记
常见错误
- 绕过卡尺/数据质量。将破坏孔区中扭曲的密度误认为是真实的孔隙度。
- 单条日志评论。只关注孔隙度而忽略电阻率和伽马值的背景。
- 粘土区的直Archi。在没有粘土校正的情况下高估碳氢化合物饱和度。
- 未使用核心进行校准。将日志注释移至签名，而不直接将其连接到测量。
- 隐藏系数。无需写下 a、m、n 和矩阵/流体假设即可呈现结果。
综上所述
- 测井曲线是间接测量；一起读取并由核心校准。
- 人工智能在构建测井数据和起草岩石物理解释方面功能强大；但它需要转换，而不是推理/捏造。
- Archi方程是水饱和度的物理验证锚；粘土区域需要粘土校正模型。
- 测径器和数据质量控制可防止虚假孔隙陷阱。
- 岩心和油井测试位于证据层次的顶部；从根本上来说，仅靠人工智能预测是不够的。
应用任务
从井的（代表性）测井集中选择 20-30 米的间隔。生成曲线库存、Vshale、孔隙度和含水饱和度吃水，并具有强大的提示功能。然后：（1）检查是否存在卡尺扩展的区域，（2）通过将输入输入Archi方程手动提供Sw结果，（3）讨论如果其中一个区域是粘土区域是否需要西曼杜。至少在一点质疑模型的假设（例如矩阵密度）。
清单
- [ ] 我知道基本测井（GR、电阻、密度、中子、声波）的物理意义和共同阅读。
- [ ] 我想在构建日志数据时进行转换，我不会弥补丢失的日志。
- [ ] 我通过物理边界和 Archi/Simandoux 控制孔隙度和水饱和度。
- [ ] 我标记了卡尺/数据质量陷阱（毁坏的洞）。
- [ ] 我通过岩心和油井测试来校准和验证测井解释。