核磁共振(NMR)测井已广泛应用于油气储层的勘探开发。页岩油储层流体组分复杂,微纳米孔隙发育,不同流体组分在核磁共振二维谱信号中存在重叠,流体组分定量评价困难。因此,本文通过实验室二维核磁实验、二维核磁共振测井资料开展研究,结合机器学习算法,开发出一套适用于页岩油储层二维核磁共振测井资料的复杂流体识别和定量评价方法。 本文首先开展岩心二维核磁实验,通过多温阶加热与重水抑制法二维核磁联测实验,明确页岩储层各孔隙内流体类型,建立实验室二维核磁流体识别定性解释图版,并建立实验室二维核磁与二维核磁共振测井资料的刻度图版。在明确二维核磁共振测井测量到的流体类型后,基于无监督自动聚类机器学习算法,开展二维核磁共振测井流体组分自动识别算法研究,对比了K-Means、Two-Means、Ward及GMM方法的流体组分识别效果,研发出一套自动化高精度的二维核磁共振测井流体组分识别技术。而为了定量解释流体,本文在非负矩阵分解方法的基础上提出了一种约束广义非负矩阵分解(C_py NMF)算法,实现对二维核磁共振测井数据中重叠油水信号的分解,从而实现定量计算轻质重质组分占比、含油饱和度。最后,将该方法应用于古龙页岩,并与试油结果进行对比,结果表明本文方法具有很高的分解精度,能够准确地计算出各流体组分的饱和度大小。基于本文提出的二维核磁共振测井资料处理方法,结合工区实际开发需要,开发了二维核磁共振测井数据流体组分识别与定量评价系统,该系统大大降低了工作人员进行地质储层机器学习识别的技术门槛,显著提高了工作效率。本研究以系统性、创新性对测井行业前沿技术进行应用,为解决二维核磁共振测井流体组分定量评价的问题提供了重要的理论和实践参考。