总有机碳(TOC)含量作为评价页岩储层地球化学特征的重要参数,是衡量页岩储层有机质含量和生烃潜力的重要指标。测井数据具有高纵向分辨率的特点,可以弥补取样数量不足、测试成本高等缺陷,因此在页岩油勘探中利用测井数据预测有机碳含量已成为一项重要技术。本文提出了一种结合高斯混合模型(GMM)和轻量级梯度提升机算法(LightGBM)的组合模型,实现TOC的测井预测。以松辽盆地南部长岭凹陷青山口组一段页岩为研究对象,收集了声波时差、中子孔隙度、自然伽马、电阻率、密度测井数据,通过箱型图方法进行异常点检测和处理,利用交叉验证和网格搜索方法调节最优参数,建立TOC预测模型。将提出方法与改进Δlg R、K-近邻算法(KNN)、决策树(DT)、极端梯度提升(XGBoost)和LightGBM五种模型进行对比,结果表明GMM-LightGBM模型的预测效果最佳,模型评价指标均方根误差(RMSE)、平均绝对误差(MAE)和决定系数(R²)为0.254、0.211、0.766。并将该模型应用在另一口实例取心井中,也取得了不错的效果,RMSE、MAE和R²分别为0.547、0.462、0.647。