随着全球油气勘探向深层-超深层领域不断拓展，超深层烃源岩评价已成为制约油气发现的关键技术瓶颈。总有机碳含量（TOC）作为烃源岩评价的核心参数，直接决定了生烃潜力评估和有利区预测的准确性。然而，超深层烃源岩TOC预测面临着前所未有的技术挑战：埋深超过8500米的地层取芯作业极其困难且成本高昂，岩屑样品受钻井液污染和混层影响导致测试误差显著增大，传统基于经验公式和统计回归的预测方法在超深层复杂地质条件下精度严重下降。这些困境严重制约了深层-超深层油气资源的勘探开发进程。
       塔里木盆地作为中国最大的内陆含油气盆地，深层-超深层油气资源潜力巨大。轮南地区位于塔里木盆地中央隆起带的轮南低凸起，是深层油气勘探的重点区域。L3井作为该区域的关键超深探井，钻遇了寒武系玉尔吐斯组优质烃源岩^[1]，其准确的TOC评价对于认识深层油气成藏规律具有重要意义。该井目的层埋深超8500米，属于典型的超深层，传统TOC预测方法在该深度段面临严峻挑战：△logR方法在超深层高温高压条件下响应特征发生改变，多元回归分析难以捕捉复杂的非线性关系，常规机器学习算法虽能提升预测精度但缺乏物理约束导致结果可解释性差且泛化能力有限^[2-4]。
       本研究创新性地提出了基于物理信息神经网络（PINN）的超深层烃源岩TOC预测方法。该方法的核心创新在于将深度学习的强大非线性拟合能力与岩石物理响应机理有机结合，通过在神经网络损失函数中嵌入描述有机质与测井响应关系的物理方程，实现了数据驱动与物理约束的双重优化。具体而言，模型构建采用了紧凑高效的全连接神经网络架构，包含3个隐藏层，每层配置64个神经元，并使用ReLU激活函数确保模型的非线性表达能力。输入特征选择了与TOC密切相关的四种测井参数：自然伽马（GR）反映有机质的放射性特征，密度（DEN）响应有机质的低密度特性，中子测井（CNC）体现有机质的含氢特征，声波时差（DT）反映有机质对声波传播速度的影响。物理约束的引入是本方法的关键创新点。通过深入分析超深层条件下有机质与测井响应的物理机理，建立了反映有机质稀释效应的TOC-密度负相关响应模型，通过梯度惩罚机制量化了有机质含量与岩石体积密度的反比关系；构建了基于铀系元素富集机理的TOC-自然伽马正相关响应方程，确保有机质含量与放射性强度的单调递增约束；建立了耦合密度-伽马射线双重物理机制的TOC综合预测模型，利用分位数标定和加权融合实现多源测井响应的物理一致性约束。这些物理约束确保了模型在数据稀疏区域仍能保持合理的预测行为，显著提升了模型的泛化能力和可靠性。
       模型训练采用了精心设计的优化策略。使用Adam优化器配合动态学习率调整机制，确保训练过程的稳定收敛。通过引入权重系数λ平衡数据拟合损失和物理约束损失，经过系统性参数敏感性分析，确定λ=0.25为最优配置，既保证了高精度的数据拟合，又维持了物理规律的有效约束。采用5折交叉验证全面评估模型性能，结果显示各折测试集的决定系数R²分布在0.87-0.99之间，平均值达到0.93，标准差仅为0.0720，充分证明了模型的稳定性和鲁棒性。均方根误差（RMSE）和平均绝对误差（MAE）的标准差分别为0.4219和0.2221，表明预测误差的一致性良好。
       与传统方法的对比分析进一步凸显了PINN方法的优越性。在L3井8515-8526米超深层段，△logR方法的R²仅为0.115，多元回归分析为0.716，支持向量机等常规机器学习方法的R²在0.70-0.75之间，而PINN方法的R²超过0.90，预测精度呈现显著优势。图1展示了5折交叉验证（Fold 1至 Fold 5）的模型预测效果，其中不同颜色的点分别对应各折数据，红色虚线为理想预测线（y=x，即预测值与实测值完全一致）。结果显示各折的决定系数均较高（Fold 1 至 Fold 4 的 R² 在 0.97 以上，Fold 3 最高达 0.99，仅 Fold 5 为 0.80），表明多数情况下模型预测值与实测值高度接近，整体预测效果良好。更重要的是，PINN预测结果展现出良好的物理合理性，TOC纵向分布符合沉积规律，与邻井对比具有良好的横向可对比性。模型的相关系数普遍超过0.90，表明预测值与实测值具有极强的线性相关性，验证了方法的可靠性。
       本研究的成功应用不仅解决了L3井超深层烃源岩TOC精准预测的技术难题，更为深层-超深层油气勘探提供了新的技术手段。该方法已在塔里木盆地其他超深井中得到验证应用，均取得了良好效果，为深层-超深层油气有利区预测奠定了坚实基础。研究成果表明，物理信息神经网络通过融合数据驱动和物理约束的双重优势，为解决超深层复杂地质条件下的参数预测难题提供了新的解决方案，对推动深层-超深层油气勘探具有重要的理论意义和应用价值。未来研究将进一步优化物理约束方程，拓展应用场景，为深层油气资源的高效勘探开发提供更加精准的技术支撑。

物理信息神经网络,总有机碳,超深层烃源岩,测井解释,深层油气勘探,塔里木盆地