通过建立实测有机碳含量与测井资料之间的关系进行有机碳含量预测,可以克服有机碳含量分析实验取心不全面、测试数据少、测试费用高等缺点。通过分析松辽盆地东南隆起区上白垩统青山口组油页岩测井响应特征,得出其具有高自然伽马、高电阻率、高声波时差和低密度的特点。其中密度与实测w(TOC)相关性最好,其次为声波时差和电阻率,自然伽马相关性相对较差。根据自然伽马、电阻率、声波时差、密度与实测有机碳含量的相关性,以东南隆起区JFD-1,JFD-5井的电阻率测井数据与密度测井数据建立改进△lgR模型、以电阻率测井数据和密度测井数据建立多元逐步回归模型、以自然伽马、电阻率、声波时差、密度四条测井数据与实测w(TOC)建立BP神经网络模型。定量预测了JFD-8井青山口组油页岩有机碳含量,分析了3种模型的预测w(TOC)和实测w(TOC)的误差。并通过JFD-1井含油率与TOC拟合建立经验公式,将三种模型中效果最好的BP神经网络模型预测的TOC值代入从而得到连续的含油率纵向分布值,来识别JFD-5井和JFD-8井目的层油页岩。结果表明:由松辽盆地东南隆起区青山口组油页岩3种有机碳含量预测模型中,宏观上BP神经网络模型相关系数最高(R=0.806),平均绝对误差最小(1.37%),且预测w(TOC)与实测w(TOC)的取值范围和平均值最为接近;微观上当油页岩品质较稳定时,多元逐步回归模型预测效果最好,其次是BP神经网络模型和改进△lgR模型。油页岩品质差异较大时,BP神经网络模型效果最好,其次为多元逐步回归模型、改进△lgR模型。得出结论为BP神经网络模型适用于数据量大的地层,受岩性变化和压实作用等因素的影响小,当油页岩层的w(TOC)变化范围大时更具优越性;多元逐步回归模型适用于测井曲线对油页岩层段响应好的地层,显著参数越多预测越精确。改进△lgR模型适用于岩性单一的地层,操作简便,但误差较大。勘探开发初期,当测井及地化资料不充足时建议使用改进△lgR模型和多元逐步回归模型;勘探开发后期,当测井及地化资料充足时建议使用多元逐步回归模型和BP神经网络模型。该研究成果为松辽盆地油页岩勘探开发提供了有力的技术支持。