在岩芯数据缺失的前提下，无论利用何种揭示岩石属性的技术，地球物理测井数据是获取准确预测储层岩石属性的必要前提。尽管从岩芯测定技术中可以获取大量可靠数据，但其因造价高昂而并不能普遍应用。另一方面，岩芯分析数据只能从工区中的有限井中提取，而其工区内大部分的油井都通过测井的手段进行记录。本论文一种基于基于测井数据的不同储层页岩脆性及基岩属性评价方法，旨在基于基岩属性和力学表征进行脆性评价。此外，本论文对用于测定高度非均质储层中的横波速度、渗透率、孔径分类等的经验模型、多元变量回归分析和人工神经网络等进行应用和局限性研究，并提出改进方法以获取储层岩石属性的可靠预测信息。
　　为寻找页岩最优模拟方法，必须充分了解低渗透率页岩的脆性和塑性。针对以上问题，目前有诸多评估脆性指数（BI）的方法。但以上方法存在压裂解释中存在缺陷，无法确定射孔聚类的放置、决定水力压裂引发和传播过程的压裂指数（FI）极度和最佳脆性表征。通过引入压裂评估模型并对其进行改进，本论文对以上问题进行逐一探讨。与原有压裂评估模型相比，改进后的FI评估模型准确预测脆性和塑性区域，并针对TOC高富地区提出更好的压裂思想。本论文基于基岩的属性和力学表征之间的相关性建立脆性模型，用于分化页岩储层中的脆性和塑性地区，并通过改进后的FI评估模型和已有裂缝证实了本论文脆性模型的有效性。其结果证实高FI准确分布于脆性预测区域而低FI准确分布于塑性预测区域。井—2区块和不同区域采集的不同成分的出露样本及页岩样本实验室测试均进一步证实了本论文所建立的脆性模型的实际应用性。
　　针对传统和专有测井工具，本论文提出了一种用于具有裂缝的页岩储层识别和表征技术。改进后的模型通过改进的FI模型、力学属性、FMI测井和弹性参数证明了其应用性和可靠性。
　　渗透率、孔隙度以及孔径分类是储层岩石属性的基础，其分布成非线性并具有多样性。Sawan气田是巴基斯坦最优前途的气田之一，累计产量850亿立方英尺。产区内粗砂岩、中砂岩和砂页岩夹层的重复，使其成为一个复杂且高度不均匀的油藏。因此，验证和准确预测渗透率、孔隙度、孔径分类和横波速度是一个很大的挑战。针对以上问题，本论文的下半部分基于测井数据的聚类、分类以及回归分析，提出进一步评估横波速度、渗透率和孔径分类的方法。通过改进算法计算横波速度、渗透率和孔径分类，并与分类模型的可靠性进行对比。其次，对数据进行聚类分析以培养分类模型，用于测井相（EF）和流动单元（HFU）的识别；同时对每一区域的EF和HFU级区域进行回归分析，用于定量估计横波速度、渗透率和孔径分类。为证实以上方法的有效性，对实际工区进行处理用于真实资料进行对比。结果充分表明，与单一方法相比，本论文所提方法更于有效性和实用性。