4. 测井数据加载与质量检查实战

页岩储层脆性指数计算的第一步不是套公式，而是把测井曲线“干净地”装进来。脆性指数通常由矿物组分或弹性参数两条路线求取，无论哪条路线，都依赖 GR、DEN、AC、CNL、电阻率等基础曲线在同一深度采样体系下彼此对齐、量纲正确、无异常跳点。本节以一口实际页岩井的常规测井资料为对象，走完“加载—对齐—异常识别—缺失处理”的完整链路，并给出可直接复用的检查清单。

一、加载：先统一深度与采样

测井数据常见格式有 LAS 2.0、DLIS 和 CSV 导出表。教学示例中我们使用一份 LAS 2.0 文件，井段 2500–3200 m，包含 GR（API）、DEN（g/cm³）、AC（μs/ft）、CNL（%）、RT（Ω·m）五条曲线。加载时最容易出问题的不是读取本身，而是三件事：深度方向（多数测井曲线深度自上而下递增，但个别导出文件为递减）、采样间隔（GR 常为 0.125 m，DEN/AC 可能为 0.15 m 或 0.1 m）、空值与单位（LAS 中 -999.25 常代表无效值，AC 有 μs/ft 与 μs/m 两种单位）。

用 Python 加载并做基础规整的示例代码如下（示例参数，非实测结果）：

import lasio, numpy as np, pandas as pd

las = lasio.read("well_A.las")
df = las.df().reset_index().rename(columns={"DEPT": "depth"})

# 1) 统一深度方向：确保自上而下递增
if df["depth"].iloc[0] > df["depth"].iloc[-1]:
    df = df.sort_values("depth").reset_index(drop=True)

# 2) 无效值替换
df = df.replace(-999.25, np.nan)

# 3) 单位统一：AC 若为 μs/m 则换算为 μs/ft
if las.curves["AC"].unit == "US/M":
    df["AC"] = df["AC"] / 3.28084

# 4) 重采样到统一 0.125 m 网格（线性插值，仅对连续型曲线）
grid = np.arange(df["depth"].min(), df["depth"].max(), 0.125)
df = df.set_index("depth").reindex(grid).interpolate(method="index").reset_index()
df.columns = ["depth", "GR", "DEN", "AC", "CNL", "RT"]

重采样只对 GR、DEN、AC、CNL、RT 这类连续曲线做线性插值；若后续引入岩性解释成果等离散曲线，必须用“最近邻”而非线性插值，否则会把相邻层的岩性标签抹平。

二、深度对齐：以标志层为锚

不同测井作业可能分次下井，深度系统存在系统性偏移。判断方法不是看曲线“好不好看”，而是找区域性标志层——页岩段内高 GR、高 AC、低 DEN 的富有机质层，或稳定泥岩段。把各曲线在该标志层的响应深度对齐，若偏移超过 0.5 m，需整体平移校正。下图展示了本节数据处理的完整链路与关键判断点：

三、异常值识别：用物理范围加统计双保险

异常值分两类：物理不可能值和统计离群值。前者靠量纲与经验范围直接卡，例如 DEN 小于 1.8 g/cm³ 在页岩段几乎一定是井壁垮塌或仪器贴壁不良造成的低密度假象；GR 出现负值或超过 300 API 多为刻度或单位问题。后者用滑动窗口的稳健统计量识别，推荐用中位数绝对偏差（MAD）而非标准差，因为标准差本身会被尖峰拉偏：

def mad_outlier(s, win=21, k=4.0):
    med = s.rolling(win, center=True, min_periods=5).median()
    mad = (s - med).abs().rolling(win, center=True, min_periods=5).median()
    return (s - med).abs() > k * 1.4826 * mad

df["DEN_bad"] = mad_outlier(df["DEN"]) | ~df["DEN"].between(1.8, 2.9)
df.loc[df["DEN_bad"], "DEN"] = np.nan

注意：识别出的异常值应置为 NaN 再走缺失处理，而不是直接删除整行，否则会破坏深度网格的连续性，后续重采样又会引入新的错位。另外要区分“真异常”与“真实地质响应”：页岩段内 AC 突然升高可能是富有机质层，不能一律当噪声剔除，需结合 GR 同步升高、DEN 同步降低综合判断。

四、缺失值处理：按缺口长度分级

处理策略取决于缺口长度和曲线用途。对脆性指数计算而言，DEN 与 AC 是弹性参数路线的核心输入，缺失会直接导致该深度点无法计算，因此：短缺口（≤0.5 m，约 4 个采样点）用线性插值补齐；中等缺口（0.5–2 m）可用同层段相邻曲线的回归关系估算，例如用 GR 与 DEN 在正常段的线性拟合补 DEN；长缺口（>2 m）不做插值，标记为不可用段，在最终脆性指数曲线上留空，避免用虚假数据污染选段结论。

处理完成后必须做一次回检：统计各曲线有效样本占比、最大连续缺失长度、异常值剔除数量，并与处理前对比。下表为示例井段的检查记录（数值为教学示例，非实测）：

完成上述四步后，得到的是一份深度网格统一、量纲一致、异常已标记、缺失有交代的曲线数据集，可直接进入下一环节的矿物组分或弹性参数计算。建议把本节的处理脚本与检查表固化为每口井的例行流程，保证不同井之间脆性指数结果具有可比性。