本文是关于使用机器学习、测井和地球化学分析来预测和表征埃及西北部沙漠Shams油田侏罗纪源岩中的总有机碳（TOC）含量的案例研究。以下是文章的核心内容概述：
1. **研究背景**：
- 埃及西部沙漠是主要的石油产区，具有显著的油气潜力。
- 研究区域位于Shoushan盆地的东部，源岩来自侏罗纪、白垩纪和古生代岩层。
2. **地质背景与地层**：
- Shoushan盆地是北部西部沙漠最大的沿海盆地，拥有侏罗纪、白垩纪和古近纪沉积物。
3. **材料与方法**：
- 对54个侏罗纪源岩样本进行地球化学分析，这些样本来自两个井：Shams-2X和Shams-NE。
- 使用传统的测井数据集，包括伽马射线、中子、密度、电阻率等。
4. **TOC预测**：
- 使用测井模型和机器学习方法预测TOC含量。
- 机器学习方法包括人工神经网络（ANN）、极限学习机（ELM）、贝叶斯正则化前馈神经网络（BRNN）、支持向量回归（SVR）和随机森林（RF）。
5. **结果与讨论**：
- 地球化学分析显示，侏罗纪源岩具有很高的油气生成潜力，TOC含量高达46.90%。
- 测井模型的TOC预测结果与地球化学分析结果吻合良好，R²值均高于0.9。
- 机器学习方法中，仅ANN方法的预测结果较好，R²值为0.4。
6. **结论**：
- 埃及西北部沙漠的侏罗纪岩石具有很好的油气源潜力。
- 测井数学模型与地球化学分析结果吻合良好，可以在没有地球化学数据的情况下使用。
- 机器学习方法的结果虽然不尽如人意，但仍显示出潜力，建议在更大的数据集上应用这些方法。
7. **建议**：
- 建议在更广泛的数据集上应用机器学习方法以验证其在预测TOC方面的准确性。
- 可以将本研究中的方法应用于更多的领域或石油盆地，并进行区域或扩展的相关性研究。
私信共享pdf
