測井數據處理

測井數據處理是指把各種測井方法獲取的測井信息用計算機進行測井資料處理解釋的一般工作。

它主要由原始測井數據編輯、測井資料預處理、測井數據分析、建立解釋模型和給出地質解答等幾個部分構成。

基本介紹

• 中文名：測井數據處理
• 外文名：log data processing
• 學科：測井
• 基礎數據：各種方法得到的測井數據
• 步驟：編輯、預處理、分析、解釋等
• 技術：計算機技術

過程概述

各種測井方法的產生以及用這些方法獲取測井信息的最終目的是用於地質解釋。然而，由於測井的探測環境、測量條件和研究對象的複雜性，各種測井信息都不同程度地受著多種非地質因素的影響。如何消除這些影響，達到去偽存真的目的，是測井數據處理的重要任務之一。

另外，測井信息本身一般只是對地質特徵的一種非直接反映，這種間接性所帶來的模糊性，以及自身所隱含的多解性，也成為測井資料地質分析中的一個難題。如何通過推理、演繹和還原過程獲得儘可能精確的解答，是測井數據處理重要的任務。

較長時間來，人們十分重視研究測井信息與地層特性之間的定性與定量關係。其中最直接、最基本的方法是建立岩石物理模型或利用岩心、岩屑以及生產測試等實際資料去與測井數據建立某種定性與定量聯繫，從而賦予測井信息以某種直接的地質意義。通過用單一或組合測井曲線的形式，建立多種實用模型或一系列相應的經驗表達式便可直接描述特定的地質現象、儲集岩特性和含流體性質等。計算機技術的廣泛套用，把測井數據處理工作推向一個新的階段。隨著各種解釋模式的積累和地質一地球物理解釋模型的建立，以及多種演化形式的數學模型的產生，為測井數據處理與分析的定量化開闢了簡便而有效的途徑。

用計算機進行測井資料處理解釋的一般工作流程如圖所示。它主要由原始測井數據編輯、測井資料預處理、測井數據分析、建立解釋模型和給出地質解答等幾個部分構成。

野外數字磁帶的編輯

野外數字磁帶是用數字測井儀在井場記錄的，它通常由多種儀器組合、多次下井測得的多條數字曲線構成。編輯內容如下。

1.數據格式變換

野外磁帶上每個採樣點數據是用12位補碼形式表示的，無法用計算機進行運算。為此，需首先將12位補碼數轉換為16位補碼整型數，並進一步按用戶要求的數據排列格式進行重新排列。

2.數據刻度

野外磁帶上記錄的二進制碼是測量時採樣的電壓值。實際使用時必須根據這些數碼與其所表示的物理量之間的關係，對磁帶上的數據進行刻度，將其變換為具體的工程值，如電阻率為Ω·m、聲波時差為μs/m(或μs/ft)等等。

3.深度取齊

由於不同井下儀器記錄點位置不同，因而記錄數據長度不一致。為此，需對每一數據曲線按統一深度進行取齊，並將從井底到井口(即由深到淺)的記錄順序改變為由井口到井底(即由淺到深)的順序進行排列。

4.曲線歸併

將野外磁帶上先後記錄的所有測井曲線按同一起止深度和採樣間隔進行歸併，然後以數據塊的形式依次存放到新的磁帶上，其排列格式如圖所示。每個數據塊最多可存放40條測井曲線，每條曲線為一個邏輯記錄，它們具有同一起止深度和相同的採樣間隔。一般一個邏輯記錄為125個採樣點。

以上編輯工作可由一個專門的軟體來完成。經過編輯處理之後的數據磁帶，稱為用戶格式((LA716)磁帶，可用於進行曲線回放和各種數值運算及逐點解釋。

模擬測井曲線的數位化

對於未進行數字磁帶記錄的老井資料作數字處理時，需首先利用數位化儀和相應軟體對模擬曲線進行數位化。目前，測井數字處理中常用的數位化儀有等時採樣和等距採樣兩類。等時採樣是每隔一定的時間間隔對連續曲線進行採樣，並將採得的數據轉換為二進制數字量。等距採樣則按一定間距進行採樣，採樣結果也轉換為二進制數字量。無論哪種採樣方式，所得的採樣數據都代表的是採樣點的坐標值，尚需利用專門的程式進行編輯處理，即通過深度平差、糾錯、化等時採樣為等距採樣，以及將坐標值刻度為工程值等，最終形成用戶格式數據磁帶。

測井資料預處理

測井資料預處理的目的是為測井解釋提供質量可信、深度一致、數值正確且消除了與探測目的無關的因素影響之後的測井數據。

測井曲線質量及深度一致性檢查與校正

測井曲線數值的正確性是衡量測井曲線質量的主要標誌。通常由現場測井人員把關，如保證正確的儀器刻度、合適的操作程式和重複測量等。但測井資料使用者也應具備認識與分析測井質量的一些基本方法，如聲波、密度和中子曲線在己知岩性地層上的讀值應與理論值相吻合等。若兩者出現系統的偏高或偏低時，則常常是由於儀器刻度不準造成的。應對該偏差曲線確定一個附加校正值，以便在計算機解釋時對其進行系統校正。

測井曲線之間的深度一致性，無論對於定性分析和定量解釋都很重要。造成深度不一致的原因主要是由於各次測量時儀器重量和上提情況不同使電纜張力不一致造成的。通常利用每次下井帶測的自然伽馬曲線相對比來進行檢查。當發現曲線之間有深度偏差時，需確定偏差值，然後以某一曲線的深度為準，利用深度移動程式對有偏差的曲線進行校正，即上移或下移一定數值。

測井曲線的環境影響校正

環境影響是指如井孔直徑與泥漿、岩層厚度與圍岩，以及泥餅和侵入帶等的影響。不同測井方法，各自受影響的程度卻不一樣，這主要與儀器的探測深度及探測目的有關。貼井壁探測的儀器，井孔及圍岩的影響幾乎可忽略不計，主要考慮泥餅的影響;聚流測井及井眼補償測井方法，井孔的影響相對較小，主要考慮層厚及侵入帶的影響;一般的測井方法，這些影響均不同程度地使測井曲線發生畸變。目前，儘管許多測井儀器在設計時都考慮了如何儘量克服或減小環境影響問題，但仍不能達到完全消除。因此，在測井解釋中，環境影響校正仍是一項必要的環節。

目前，對測井曲線進行環境影響校正的方法主要是圖版法或圖版公式化。前者用於手工分析，後者用於計算機數據處理。這些圖版一般是通過實驗室或模型井模擬不同環境條件做出的，主要有自然伽馬井眼影響校正圖版、微電阻率測井泥餅影響校正圖版、側向或感應測井的井孔、層厚及侵入帶校正圖版，以及補償中子測井的井徑和泥漿密度校正圖版和密度測井的井徑校正圖版等。不同測井公司研製的儀器，由於探測特性、感測器組合與幾何尺寸，以及線路設計等方面存在的差異，環境影響校正圖版也不完全相同，在使用時需加以考慮和選擇。

測井曲線的標準化

原始測井數據的誤差除了環境因素的影響之外，還會由於儀器刻度的不精確性、儀器型號與新舊程度的差異，以及操作方式不當等因素造成。這種誤差一般屬於系統誤差，在進行單井測井解釋特別是多井測井分析時必須考慮。消除這種誤差的工作稱為測井曲線的標準化。它使經過環境影響校正後的某種測井數據，在整個油區或油田範圍內，性質相同的地層具有基本相同的測井回響特徵。

為此，可在油田範圍內選擇一定數量的關鍵井並確定標準層，然後將處理井的測井數據分布與關鍵井的相應數據的分布進行比較，以確定兩者的相關性和差異程度，進而求出校正所需的一組轉換值。

測井曲線的標準化是多井測井評價和油藏描述的關鍵技術之一。目前常用的方法是直方圖對比法。它首先建立油田關鍵井內標準層段數據直方圖的標準模式;其次，對處理井作相應層段的同類直方圖，並與標準模式進行對比，若兩者重合較差，說明存在系統誤差;然後通過圖形重疊移動讀出兩者的差值再對誤差曲線進行系統校正。

需要指出，這種方法是建立在油田範圍內標準層沉積穩定、厚度及岩性變化不大，且測井回響特徵橫向基本不變的基礎之上，在多數情況下較難得到滿足。於是，可採用趨勢面分析方法對測井曲線進行標準化處理。這種方法假定反映地層區域變化特性的測井回響值在空間上將表現為某種自然趨勢，因而可將其描繪成一種數字曲面，稱為趨勢面。套用趨勢面分析方法可以根據一定井點的數據做出某一標準層真實測井回響值空間分布的最佳擬合，而當實測標準層的測井回響值偏離趨勢值時，即可求出差值對其進行校正。當然，無論哪種標準化方法，都很難對複雜的地質情況做出確切描述，因此充分發揮地質學家的經驗和判斷力仍十分重要。

測井數據分析技術

幾種主要交會圖

1.岩性一孔隙度交會圖圖版

這是一種廣泛用於研究解釋井段岩性和確定孔隙度的交會圖圖版，主要由中子一密度、中子一聲波和聲波一一密度相交會構成。如圖是中子一密度交會圖圖版的實例。圖的縱坐標是密度測井體積密度ρ_b，橫坐標是中子測井的視石灰岩孔隙度φ。圖中的三條刻度線分別代表純砂岩、純石灰岩和純白雲岩三種岩性，並在骨架點(孔隙度為0)和水點(孔隙度為100%)之間按含水純岩石測井回響方程對每條岩性線進行孔隙度刻度。

於是，利用該圖版，可以根據資料點在交會圖上的位置判斷其岩性並確定孔隙度。顯然，當解釋點為含水純砂岩、石灰岩或白雲岩中的某一種時，它必然會落在該岩性線上，並可根據它在岩性線上的位置確定孔隙度。若解釋點為雙礦物岩性，如灰質白雲岩或白雲質灰岩，則它將落在該兩條岩性線之間的某個位置，根據它的位置和相對於岩性線的距離，可以求得孔隙度和兩種礦物成分的相對含量。

對於中子一聲波和聲波一密度交會圖圖版，也有類似的特徵和作用，這裡不再贅述。需指出的是，由於圖版的製作條件，它們只適用於含水純岩石和簡單的岩性組合。當岩石含泥質、孔隙中有天然氣存在，以及更複雜的岩性成分組合時，資料點的分布將與上述規律不符，解釋時須作出分析。

2.頻率交會圖和Z值圖

頻率交會圖是在指定某兩種測井曲線為縱、橫坐標的平面圖上，統計一定深度段內這兩種測井曲線的採樣數據落在平面圖各單位格線內採樣點數(頻率數)構成的一種圖形。如圖是以中子測井孔隙度為橫坐標，密度測井體積密度為縱坐標。在2290~2445m深度範圍內，用所述統計方法作出的頻率交會圖的實例。圖中的數字，表示在該井段內所有採樣點中出現在該單位格線上的採樣點數目，即頻率數。如在坐標點(5. 0 , 2. 65)上顯示的數字為4，則表示在該井段的所有採樣點中，滿足φ_N=5.0；ρ_b=2.65的採樣點共有4個。余此類推，當頻率數大於9時，用“*”號表示。

Z值圖是在頻率交會圖的基礎上再引入第三測井曲線(稱為Z曲線)構成的。

交會圖技術在測井數據分析中的套用

利用頻率交會圖、z值圖或這兩者相結合，可以檢查測井曲線質量、確定儀器刻度誤差、分析岩性成分和選取測井解釋參數等。其基本方法是:首先根據研究目的，選取作圖曲線和作圖井段;其次，利用交會圖程式從給定井段上逐點提取測井數據進行統計，並繪製相應的交會圖;然後，將同類型的透明交會圖圖版與己繪交會圖進行重疊，根據數據點的分布特徵，便可做出相應的分析。

除了所述交會圖之外，在測井數據分析中，還有許多其他類型的交會圖，如用於判別油(氣)水層的電阻率一孔隙度交會圖，用於複雜岩性成分分析的M-N和MID交會圖、密度一岩性密度測井交會圖，以及用於滲透率解釋的孔隙度一束縛水飽和度交會圖等等，測井分析家可根據需要選取或製作。

測井分析程式處理方法

測井數據經過編輯、預處理和一系列數據分析確定了解釋模型和有關輸入參數之後，便可利用適當的測井分析程式進行自動處理解釋，最終給出各種地質解答的成果數據或成果圖。目前，用於測井分析的程式有多種，各開發商或油田系統使用的版本也不盡相同，但總的來說，大體上可分為三種類型，即常規測井分析程式、最最佳化處理解釋程式和神經網路法解釋程式等。

常規測井分析程式處理方法

常規測井分析程式是目前現場廣泛使用的一套計算機測井解釋技術，具有簡單、實用和易於操作等特點。它沒有包含過多的數學運算，也沒有涉及複雜的數理推演，基本上屬於模型方程的直接運算，一種人工解釋過程的計算機化。其解釋效果在很大程度上取決於解釋模型和解釋方程的適應性以及程式使用者的經驗。下面介紹兩種岩性剖面上常用程式的基本特點和處理解釋方法。

1.泥質砂岩分析程式處理方法

(1) POR程式處理方法

POR程式是“一種孔隙度測井分析程式”的簡稱。由於它所需要的孔隙度測井資料僅有一種，因而在孔隙度測井資料不全的地區，如老井區或某些油田開發區有實用價值。另外，由於程式結構和處理方法簡單，現場人員也常用來進行常規測井解釋，一般情況下也能獲得較好的解釋結果。

a.POR程式概述。POR程式與其他常規測井分析程式一樣是一個簡單的讀帶一運算—寫帶過程。輸入的測井信息，除某一種孔隙度測井(聲波、密度或中子)之外，還需要自然伽馬(GR)或自然電位(SP)測井、深探測電阻率測井(LLD或ILD)和沖洗帶電阻率測井(RXO )，以及井徑測量等基本曲線。當有多於一種孔隙度測井資料時，將有利於提供程式選擇。在缺少沖洗帶電阻率測井的情況下，程式亦可做出簡單處理。

POR程式的輸出是解釋井段內儲層參數的逐點計算結果，主要有泥質含量(VsH )、有效孔隙度(φ)、含水飽和度(Sw)、沖洗帶含水飽和度(S_XO)、滲透率(PERM)，以及累積孔隙厚度(h_PF)和累積油氣厚度(h_HF)等。

POR程式的大體工作流程如圖所示。它基本上能代表常規測井分析程式結構的總體概貌。

b.儲層參數計算方法。

a)泥質含量計算。許多測井回響值都與地層的含泥質程度有關，程式設計了可供用戶選擇的五種計算泥質含量的測井方法，它們是GR,SP, RT,CNI和NLI(中子壽命測井)。

b)孔隙度計算。POR程式可選擇三種孔隙度測井中的任何一種計算地層孔隙度。採用的解釋模型為最簡單的單礦物含水泥質岩石模型，不考慮油氣對測井回響的影響。

c)飽和度計算。POR程式計算含水飽和度主要是用純岩石的阿爾奇方程或泥質岩石的Simandoux方程。用戶可根據實際情況進行選擇。

(2)POR程式的改進處理方法

POR程式雖然簡單、實用，但不很完善。於是，不少研究者在該程式結構的基礎上提出了若干改進的處理方法，如SAND程式處理方法和多功能程式處理方法等，以期獲得更完善和更可靠的解釋結果。

a.考慮油氣影響的處理方法。採用含油氣泥質砂岩模型，通過建立兩種孔隙度測井的回響方程並聯立求解，可以求得消除油氣影響之後的有效孔隙度，同時計算出泥質含量。

b.考慮S_W與S_Wirr關係的處理方法。束縛水飽和度}W;r是儲層評價的一個重要參數。通過S_W - S_Wirr交會或曲線重疊，可以分析流體的可動性。

最最佳化程式處理方法

1.最最佳化測井解釋技術概述

最最佳化測井解釋是20世紀80年代初發展起來的一項新型測井評價技術。它打破了傳統測井解釋模式和邏輯概念，不是直接利用少量測井信息和回響方程去計算儲層參數，而是根據廣義的地球物理反演理論，綜合利用多種測井信息和有關地質信息，運用最最佳化數學方法，結合統計機率與誤差理論以及質量控制等技術，求解反映地下複雜岩性地層原貌的地質參數來進行地層評價和油氣分析的，是目前定量評價複雜岩性油氣儲層較流行的方法。

最最佳化測井解釋是一個不斷疊代尋求最優解的過程，它首先根據測井解釋模型確定各種測井回響方程，在給出所需求解儲層參數初值和有關區域性參數值的情況下，反算出相應的測井理論值，然後將它們與實際測井值相比較，通過套用最最佳化技術不斷調整未知儲層參數，使計算的各測井理論值逼近相應的實際測井值。一旦兩者充分逼近，用以計算各理論測井值所採用的自變數就是最終解釋結果。

如圖是最最佳化測井解釋的大體工作流程。

2.最最佳化測井解釋的基本原理

確定解釋模型和測井回響方程

解釋模型是指對處理井段按哪幾種岩性礦物成分來解釋與評價地層所用的模型。為此，需首先了解研究地區主要岩性和特殊岩性是什麼?各層系在岩性組合上有什麼特點?通常，碎屑岩剖面的主要礦物成分是石英、長石，其次是雲母及少量重礦物;另外還有泥岩和頁岩，它們主要由各種粘土礦物及粉砂組成。碳酸鹽岩剖面的礦物組成主要有方解石、白雲石、石膏和石英等。其他複雜岩性地層也有相應的礦物組成。在根據岩心分析確定了解釋層段的主要岩石成分之後，便可確定解釋模型。一般來說，在測井系列比較完善時，可以建立多達六種礦物成分的解釋模型。當建立的模型無法覆蓋整個解釋井段時，可按各層段的岩性建立分段模型。

解釋模型確定之後，根據測井資料的情況，選取最能反映這些岩性特徵及岩石物性和含流體特性的測井信息，並建立測井回響方程，形成方程組。為了獲得最能反映地層情況的最優解，回響方程的數目必須大於或等於未知儲層參數的數目，也就是說，回響方程組必須是超定或至少是平衡的。

神經網路處理方法

20世紀80年代中後期，人工智慧科學中的人工神經網路(Artificial Neural Network) ,在許多學科領域內成功套用，為測井解釋開闢了一條新的研究思路和研究手段。近年來，這項技術己在油氣田勘探開發的各項測井解釋中套用，發揮著越來越重要的作用，受到了人們的普遍肯定和青睞。

神經網路以其能模擬人的大腦思維能力、採用並行分散式信息(知識)表達及處理方式去處理解決問題的特點，為人們去開發一種具有決策能力和推理聯想功能的新型測井解釋系統提供了可能。另外，神經網路所具有的強的非線性映射能力、模式識別能力、自學習能力，以及求解問題時強的抗干擾能力等優點，更是現有測井解釋技術無法比擬的。儘管目前它的套用潛力尚沒有充分挖掘出來，實際套用中還有許多問題需要解決，但它在測井解釋的許多領域內己經展現出了明顯的優越性和良好的實用前景。

1.神經網路如何用於測井解釋

大家知道，當前測井解釋的主要任務基本上可分為兩個大類:一類是利用某種或多種測井信息定量求取儲層參數，如計算孔隙度、滲透率、飽和度、泥質含量，以及組成岩石的礦物含量等。目前採用的方法是基於岩石體積模型的測井回響方程和統計經驗公式。另一類是利用測井信息的回響特徵或綜合標誌對地層的某種特性進行分類識別，如岩性岩相識別、儲層識別、流體性質識別、裂縫識別，以及水淹層和水淹等級識別等。目前採用的方法主要是人工分析和統計識別模型(包括判別分析、模式識別和模糊聚類分析等)。

就所述兩類測井解釋而言，按數學的觀點，均屬於一種映射問題，即將M維的輸入向量(測井信息)映射為N維輸出向量(某種儲層參數值或某類地層特性)。由於測井回響與實際地層各組成部分之間的複雜關係，這種映射常常是非線性的，而且很難用某種確切的關係式所能表達。

神經網路在實現複雜的非線性映射方面有其獨特的優越性。它可以在並不知道或完全不了解所需求解問題的確切性質和表達關係的情況下提供一種實用而合適的解答，且由於網路經過某種非線性函式對輸入信息進行多次複合和轉換之後，對於各種複雜的擬合問題或非線性映射問題均能很好地實現，這對於我們面臨的各種測井解釋問題均是適用的。

需指出，用神經網路處理測井解釋問題是一種與常規方法完全不同的思維方式去實現測井資料處理解釋的過程。它是將測井數據、這些數據與所反映的地層特性的關係，以及應獲得的具體解答統統融為一個整體，而對於它們如何遵循或模仿這些特徵去實現問題的解答卻勿需了解，也無從了解。也就是說，神經網路把測井解釋問題簡化成一種具有複雜內部工作的“黑箱”，整體被看成一個自控制系統。在這個過程中，我們關心的只是原始數據的整理、網路的訓練與預測，以及對預測結果的檢驗與分析等。

可以看出，用神經網路處理測井解釋問題，與傳統的方法相比，具有如下特點和優越性。

(1)不需要測井解釋方程

常規測井解釋在確定某種解釋模式之前都需要通過岩石體積模型或統計方法建立測井回響方程或統計經驗公式，而神經網路法的解釋模型就是網路本身，它不需要事先確立任何關係表達式。

(2)不需要繁瑣的參數選取工作

由於神經網路法沒有任何解釋方程，因而不需要提供任何解釋參數，這就避免了參數選取的繁瑣以及由此造成的選取不當和諸多人為因素。

(3)不需要對測井數據進行泥質和油氣影響校正

地層中泥質和油氣的存在是一種實際的地層特性，它對測井回響的影響必然會在回響值上有所表現。神經網路可以通過對這種影響的程度及其所造成的解釋結論差異的“認識”對不同的地層特性做出分辨，或者說網路能依靠自身的歸納能力去得出應有的解答。

(4)不需要太多的專家經驗

用神經網路建立測井解釋模型，只需提供少量數據訓練網路，而輸入與輸出之間複雜的映射關係是通過網路特徵參數的調整自動實現，因而不需要太多的專家經驗。

(5)不需要對測井信息量做出要求

在常規測井解釋中，不同測井分析程式對所需測井信息的類型及數量均有較明確的要求。神經網路法實際上是一種通過對多種信息特徵的綜合認識與分析去尋找外界事物規律的方法，只要有一定數量的相關信息就能套用，對信息量的多少沒有嚴格的要求。特別是隨著探測技術的不斷發展，可用測井信息越來越豐富，充分利用這些信息去開拓測井解釋新領域，更能顯示神經網路法的優越性。

2.處理解釋過程

用神經網路法進行測井解釋，無論是求取儲層參數或識別地層特性，其網路模型、學習算法、數據預測和資料處理技術基本上是相同的。因而，在實際套用時可將這兩類測井解釋問題融為一體，並可用同一軟體系統同時實現兩類解釋任務，這是它與常規測井解釋完全不同之處。圖是測井資料神經網路處理工作流程。

從圖可似看出，這套解釋技術的基本工程過程，首先是從一口或多口關鍵井的己知數據中獲取訓練樣本形成訓練樣本集;其次，對其作歸一化處理，並將歸一化後的數據送入相應的網路進行學習，由此建立解釋模型;然後，利用己建的模型對未知井或層段進行預測，並輸出預測結果。

在這些過程中，參數解釋與類型識別不同之處是訓練樣本的構成，所用網路模型的結構以及期望輸出值的表達形式。

3.數據處理技術

神經網路及其一整套算法僅僅是一種研究手段，將其用於測井解釋時，如何用好這一手段，需要了解神經網路的某些局限，同時也涉及到若干數據處理技術。

(1)神經網路的學習精度與預測能力

常規的BP網路是目前測井解釋中廣泛使用的有效網路模型，它存在著許多不足。普遍公認的問題是收斂速度較慢和容易陷入局部極小。另外，隱層單元的確定存在較大的盲目性，這在一定程度上影響了學習的精度和網路模型的實用效果。解決這些問題的方法己有不少，如在BP算法的基礎上引入模擬退火算法或遺傳算法可以提高收斂速度和實現全局最優。

關於網路的預測能力是指己建網路模型推廣套用於大量未知數據的預測效果，它是這項技術能否成功套用的關鍵。需指出，僅僅通過提高網路的學習精度，並不能根本解決預測能力問題，這還涉及到一系列的數據分析與處理技術。

(2)學習樣本可靠性分析與處理

學習樣本是神經網路法建立各種測井解釋模型的基礎，它的可靠性直接影響著所建模型的精度和推廣預測能力。

學習樣本的可靠性是指這些樣本反映地層特性的真實程度和樣本集中每一輸入輸出模式對之間對應關係的正確性。影響學習樣本可靠性的因素有測井曲線的環境影響、實測數據與測井回響之間的解析度不匹配、樣品分析誤差，以及某些測井數據的隨機干擾等。因此，在提取網路訓練樣本之前需作如下處理:

①測井曲線的環境影響校正。以消除某些非地質因素對測井回響的影響。

②岩心深度歸位。確保岩心分析數據與測井數據之間深度一致。

③岩心分析數據的平滑處理。主要針對岩心分析數據點較密集，且相鄰數據點之間的分析值出現較大起伏時使用。

④測井曲線的自動分層取值。主要用於地層特性的分層識別。

測井資料解釋

測井資料解釋可分為定量、半定量和定性三種類型。前者主要由計算機來實現，而後者則主要通過人工分析來完成，兩者起著相互補充、相互印證的作用。應當承認，先進的計算機解釋技術是實現各種複雜地質分析和數值運算的有力手段，也需要指出，單純的計算機數據處理，並不能完全解決測井解釋面臨的各種問題。這是因為測井所要解決的地質、工程問題，一般不能僅用單純的地質一數學模型及相應的解釋方程所描述。它既有數值運算，也包含著由多種經驗法則組成的非數值運算。大量事實也證明，使用常規的計算機處理方式，只能為測井解釋提供分析問題的手段，而不能最終提供綜合解題的能力和自動決策的最佳答案。因此，在測井解釋中，充分利用各種有用信息(包括地質、錄井、測試和岩心分析資料)，認真分析各種可能的情況，藉助專家的知識和經驗，對提高測井解釋的地質效果是十分必要的。