2. 中国石油化工股份有限公司石油勘探开发研究院, 北京 100083;
3. 中国石油大学 地球科学学院, 北京 102249
2. Research Institute of Petroleum Exploration and Production, Sinopec, Beijing 100083, China;
3. School of Earth Sciences, China University of Petroleum, Beijing 102249, China
鄂尔多斯盆地红河油田属于低孔、超低渗岩性油气藏,当前正处于开发初期,主要依靠天然能量开发,但是天然能量开发递减速率快,累产低,采出程度低.因此,该致密低渗油藏急需开展油藏数值模拟和开发方案调整研究工作,而建立合理的三维地质模型成为当前进一步开发的首要任务.
目前,储层建模方法可以分为确定性建模和随机建模两类[1-3].确定性建模方法根据井点已知的数据,对井间未知区域给出确定的、唯一的预测结果,如地震属性的地质变换、数理统计插值方法和克里金插值方法[1, 4].随机建模方法的核心是利用随机模拟算法综合地质、地震等多信息对井间储层分布进行随机性的预测,产生多种可能的预测结果,从而对储层非均质性及储集空间的不确定性进行描述,如序贯指示模拟、序贯高斯模拟等[5-6].因为所获取的地下信息有限,所以人们更倾向于利用随机建模方法来建立三维地质模型.通常情况下,油藏中不同沉积相的储层参数分布特征和空间相关性有明显的差异,因此相控建模是目前常用的储层建模方法[7-12].常规相控建模方法直接利用沉积相的三维空间变化特征来约束储层参数建模结果,即先建立沉积微相模型,再以沉积微相模型为约束建立储层参数模型[13-14].但是,红河油田长8储层主要发育辫状河三角洲前缘水下分流河道和分流间湾两种沉积微相[15-16],沉积微相类型比较单一,并且在水下分流河道沉积微相中储层参数变化范围大,非均质性强,用常规的单一沉积相控建模方法无法对储层参数空间分布的非均质性进行充分表征.
本文以红河油田92井区长812致密砂岩储层为例,采用基于精细岩相约束的储层参数建模方法建立研究区三维地质模型,试图更精细地描述致密储层参数在三维空间的变化特征,以期为该区油藏数值模拟提供精确的地质模型,并为科学部署井位及开发方案调整提供地质依据.
1 研究区地质概况红河油田构造上位于鄂尔多斯盆地天环拗陷南部,东临伊陕斜坡,南邻渭北隆起,西邻西缘逆冲带(图 1).红河油田92井区位于红河油田西北部,面积约100 km2,已钻井24口,是红河油田投入开发较晚的区块.研究区构造特征相对简单,整体为一北东高、南西低的平缓单斜,地层倾角不足1°,主要受北东东向断层控制,局部发育低幅度的小型鼻状隆起.研究区主要沉积中生代、新生代碎屑岩,其中,上三叠统延长组长8储层为主要含油层系.
![]() |
图 1 红河油田构造位置图 Fig.1 Tectonic location map of Honghe Oilfield 1-断层(fault);2-构造区划分界线(boundary of tectonic division);3-红河油田(Honghe Oilfield) |
本文地质建模研究对象长812小层,为获工业油流层,厚度为14~21 m,平均厚度16 m.研究区长812小层为辫状河三角洲前缘沉积,主要发育水下分流河道和分流间湾沉积微相[15-16],岩性主要为浅灰色细-粉砂岩、泥质粉砂岩与深灰色泥岩、粉砂质泥岩的互层.根据岩心物性分析资料统计,长812储层孔隙度和渗透率变化范围大,非均质性强,平均孔隙度为10.7%,平均渗透率为0.20 mD,表现为低孔超低渗储层(图 2).
![]() |
图 2 长812储层岩心孔隙度和渗透率分布直方图 Fig.2 Porosity and permeability histograms of C-812 reservoir |
对于红河油田92井区长812小层,常规的单一相控建模难以对河道内部复杂的储层非均质性进行充分表征.研究表明,该区长812小层水下分流河道沉积微相储层参数主要受岩相类型的影响[17].因此,本文利用基于精细岩相约束的致密低渗储层参数建模方法建立研究区储层参数模型,即在地质、岩心、测井等资料的基础上,先建立精确的地层构造模型,再利用沉积相发育模式约束建立沉积微相模型,然后对水下分流河道沉积微相进行岩相细分,以岩相发育规律为指导,在沉积微相模型和不同岩相发育概率体的双重控制下建立岩相模型,最后以岩相模型为约束建立储层参数模型.
3 致密低渗储层地质模型的建立 3.1 三维构造模型在区域地质规律的指导下,结合断层在地震剖面上的响应特征以及断层发育规律,根据地震断层解释成果建立研究区断层模型(图 3a).研究区内共有9条断层,主要分布在研究区北部,走向均为北东东向,倾角均为高角度,延伸长度一般小于5 km.在断层模型的基础上,以井点分层数据为条件数据,利用地震解释的长8顶标志层作为趋势约束,分别生成长812小层顶底两个构造层面,然后对构造层面进行调整,使之合理并且符合断层性质,从而得到研究区地层构造模型(图 3b).
![]() |
图 3 红河油田92井区断层模型和长812小层地层构造模型 Fig.3 Fault model and stratigraphic structural model of C-812 sublayer in No. 92 wellblock a-断层模型(fault model);b-长812地层构造模型(stratigraphic structural model of C-812) |
为了进行储层三维建模,必须对建立的地层构造模型进行三维网格化.三维模型的网格尺寸划分越小,其模型越细,精度也越高.考虑研究区储层参数变化特征及建模精度要求,地层构造模型网格设计精度X、Y、Z方向为20 m × 20 m × 0.5 m,总网格数为8 560 384个.
3.2 沉积微相模型沉积微相模型反映了储层内部不同类型沉积微相的三维空间分布,是相控建模的基础.在本研究中,沉积相建模工作是前期储层沉积特征研究工作的继续.研究表明,红河油田92井区长812小层主要发育辫状河三角洲前缘水下分流河道和分流间湾沉积微相[15-16].水下分流河道沉积物主要为浅灰色、灰色细砂岩和粉砂岩,含油后细砂岩为灰褐色或深灰色,细砂岩底部发育交错层理,冲刷面明显,向上出现平行层理、小型交错层理、波状层理和水平层理.自然伽玛曲线呈箱形,电阻率减小,声波时差增大.分流间湾沉积物主要为深灰色粉砂质泥岩和泥页岩,断面见植物茎叶碎片化石,页理和水平层理发育.自然伽马曲线呈高值,电阻率增大,声波时差减小.根据不同沉积微相的电性特征进行单井沉积微相划分,并将此数据作为沉积微相建模的硬数据.
目前,离散变量建模算法主要有基于目标的方法、截断高斯模拟、序贯指示模拟等.基于目标的方法适用于几何形态较为规律的地质体,要求地质体的几何形态参数已知,如形状、长度、宽度等;截断高斯模拟适合于多种具有明显相序关系的沉积相模拟,但无法准确表征不同沉积相的各向异性;序贯指示模拟可以用于模拟非均质性较强的地质现象,较为灵活.因为研究区沉积微相类型比较单一,并且水下分流河道缺少准确的几何形态参数统计资料,所以选取序贯指示模拟算法进行研究区沉积微相建模.
研究区井数较少,井距较大,单纯地通过井间插值建立的沉积微相模型不确定性高,与地质实际吻合性差,故在建模过程中需要充分发挥先验地质认识和地质规律对井间模拟的约束作用.研究表明,区内水下分流河道主要沿南西-北东方向展布,在平面上呈条带状分布[18].以研究区沉积相发育模式为指导,根据井点数据绘制研究区砂地比平面图(图 4a).由图可知,砂地比由河道中间向河道边缘逐渐减小.在此基础上,以单井沉积微相解释成果为建模硬数据,以砂地比等值线图作为平面约束数据,用序贯指示模拟算法建立研究区沉积微相模型(图 4b).通过观察发现,沉积微相模型中水下分流河道砂体主要分布在研究区北部且大体上呈南西-北东方向展布,与地质认识吻合较好(图 4b).
![]() |
图 4 红河油田92井区长812储层砂地比等值线图和沉积微相模型 Fig.4 Contour map of sandstone-formation thickness ratio and sedimentary microfacies model of C-812 in No. 92 wellblock a-砂地比等值线图(contour map of sandstone-formation thickness ratio);b-沉积微相模型(sedimentary microfacies model);1-水下分流河道(underwater distributary channel);2-分流间湾(interdistributary bay) |
研究区分流间湾主要沉积泥岩和泥页岩,为非储层;而水下分流河道主要沉积细砂岩和粉砂岩,是主要的储层发育区.根据岩心物性分析资料统计,水下分流河道沉积微相中长812储层孔隙度和渗透率变化范围较大,储层非均质性较强(图 2).在这种情况下,沉积微相无法充分反映致密砂岩储层物性差异的分布规律.因此,本文根据微观孔隙结构和宏观储层物性差异对水下分流河道沉积微相进行岩相细分,然后在总结水下分流河道微相内各细分岩相地质规律的基础上,构建不同岩相发育概率体,并以此为约束条件,在沉积微相的控制下建立岩相模型,明确具有不同储层参数分布特征的岩相空间展布特征,从而用岩相控制储层参数的分布,建立更精细的储层参数模型.
首先,根据储层岩性、微观孔隙结构特征和宏观储层物性,将水下分流河道沉积微相细分为3种岩相类型:Ⅰ类细砂岩相、Ⅱ类细砂岩相、粉砂岩相(表 1,图 5、6). Ⅰ类细砂岩相是具有Ⅰ类孔隙结构的细砂岩,平均排驱压力0.2 MPa,平均最大孔喉半径0.6 μm,孔隙类型以粒间孔为主,为中细喉道型,其孔隙度一般大于11%,渗透率大于0.5 mD(图 5、6). Ⅱ类细砂岩是具有Ⅱ类孔隙结构的细砂岩,平均排驱压力1 MPa,平均最大孔喉半径0.3 μm,发育粒间孔和粒内溶孔,为细喉道型,其孔隙度一般为7.5%~11%,渗透率为0.1~0.5 mD(图 5、6).粉砂岩相主要包括粉砂岩和泥质粉砂岩,一般具有Ⅲ类孔隙结构,平均排驱压力2.8 MPa,平均最大孔喉半径0.1 μm,孔隙类型以粒内溶孔和晶间微孔为主,为细微喉道型,其孔隙度一般小于7.5%,渗透率小于0.1 mD(图 5、6).
![]() |
表 1 岩心岩相类型及特征 Table 1 Lithofacies types and characteristics of cores |
![]() |
图 5 长812储层不同孔隙结构类型毛管压力曲线和孔渗关系 Fig.5 Capillary pressure curves and porosity-permeability relationship of different pore structures of C-812 reservoir 1、4-Ⅰ类孔隙结构(Type Ⅰ pore structure);2、5-Ⅱ类孔隙结构(Type Ⅱ pore structure);3、6-Ⅲ类孔隙结构(Type Ⅲ pore structure) |
![]() |
图 6 不同岩相类型薄片照片 Fig.6 Thin section photographs of different lithofacies a-HH92,2266.41 m,Ⅰ类细砂岩相(Type Ⅰ fine sandstone facies);b-HH92,2260.43 m,Ⅱ类细砂岩相(Type Ⅱ fine sandstone facies);c-ZJ27,2186.85 m,粉砂岩相(siltstone facies) |
其次,综合利用岩心录井资料和常规测井资料对研究区内所有井进行单井岩相划分.先根据储层岩性、孔隙结构特征和储层物性,对所有取心井水下分流河道微相进行岩相识别.但是由于研究区取心井数量有限并且取心井段长度也有限,大量的非取心井还是要靠常规测井曲线来判断岩相类型.本研究从取心井岩相识别成果出发,通过岩电标定,分析不同岩相类型与常规测井响应的关系,优选敏感的常规测井曲线建立岩相的测井识别标准.通过大量实验,认为GR和AC曲线与岩相的相关性较好,通过这两条测井曲线的交汇可以明显地识别出3类岩相(图 7).由图可知,按照GR=96 API的取值可以先将粉砂岩相进行区分,然后用AC=221 μs/m可以对Ⅰ类细砂岩相和Ⅱ类细砂岩相进行区分.在此基础上,根据GR和AC曲线的识别标准对工区内所有井进行岩相划分.通过测井岩相解释结果和取心井岩相识别结果的对比分析,岩相总判别符合率为80.7%,识别精度较高(图 8).
![]() |
图 7 不同岩相类型GR-AC交汇图 Fig.7 The GR-AC crossplot of different lithofacies 1-Ⅰ类细砂岩相(Type Ⅰ fine sandstone facies);2-Ⅱ类细砂岩相(Type Ⅱ fine sandstone facies);3-粉砂岩相(siltstone facies) |
![]() |
图 8 HH190井岩相识别结果验证 Fig.8 Verification of lithofacies identification of HH190 well |
然后,将各井岩相解释数据作为条件数据,以各岩相发育规律为指导,分别构建水下分流河道沉积微相中不同岩相发育概率体(图 9). Ⅰ类细砂岩相物性好,孔隙度和渗透率较高,反映了强水动力条件,主要分布在分流河道中部,在河道砂体厚度最大的位置发育概率最大,并且发育概率由河道中部向河道边缘逐渐减小.粉砂岩相物性差,反映了较弱的水动力条件,主要分布在河道边缘,发育概率由河道边缘向河道中部逐渐减小. Ⅱ类细砂岩相物性介于上述两者之间,主要分布在河道中部砂体厚度较大的位置,发育概率向河道边缘呈减小趋势.
![]() |
图 9 红河油田92井区长812小层水下分流河道沉积微相中不同岩相概率体 Fig.9 Probability bodies of dif ferent lithofacies in underwater distributary channel sedimentary microfacies of C-812 in No. 92 wellblock a-Ⅰ类细砂岩相概率体(probability body of Type Ⅰ fine sandstone facies);b-Ⅱ类细砂岩相概率体(Type Ⅱ fine sandstone facies);c-粉砂岩相概率体(siltstone facies) |
最后,依据沉积微相相控思路,以单井岩相划分数据为建模硬数据,以不同岩相概率体作为约束数据,在沉积微相模型的控制下,用序贯指示模拟算法分别对水下分流河道沉积微相中各岩相类型进行模拟,从而建立研究区岩相模型(图 10).根据岩相建模结果,水下分流河道中不同岩相近似呈环带状分布,Ⅰ类细砂岩相主要分布在河道中部砂体厚度最大的位置,向外为Ⅱ类细砂岩相,也主要分布在河道中部,但反映了减弱的水动力条件,物性变差,粉砂岩相则主要分布在河道边缘.这与地质规律符合较好,可在一定程度上说明所建立岩相模型的可靠性.
![]() |
图 10 红河油田92井区长812储层岩相模型 Fig.10 The lithofacies model of C-812 reservoir in No. 92 wellblock 1-Ⅰ类细砂岩相(Type Ⅰ fine sandstone facies);2-Ⅱ类细砂岩相(Type Ⅱ fine sandstone facies);3-粉砂岩相(siltstone facies);4-泥岩相(mudstone facies) |
储层参数模型是揭示储层物性参数和含油性参数的空间分布特征和变化规律的三维地质模型,一般包括孔隙度、渗透率、含油饱和度和净毛比模型[19].由于研究区储层参数分布主要受岩石类型的影响,本文利用基于精细岩相约束的储层参数建模方法建立研究区储层参数模型,即先用沉积相发育模式约束建立沉积微相模型,再对沉积微相进行岩相细分,通过沉积相控建立岩相模型,然后在岩相的控制下用序贯高斯模拟方法,建立研究区长812储层孔隙度、渗透率、含油饱和度和净毛比参数模型.
3.4.1 孔隙度和渗透率模型先根据单井解释的孔隙度和渗透率数据,分别统计不同岩相孔隙度和渗透率的分布特征,同时以地质发育规律为指导,对不同岩相的孔隙度和渗透率变差函数进行拟合,定量描述储层参数的空间相关性.然后,以单井解释孔渗数据和变差函数作为输入参数,结合不同岩相储层参数的统计特征,先在岩相模型的控制下用序贯高斯模拟方法建立孔隙度模型(图 11),再以孔隙度模型作为软数据,以孔隙度和渗透率的相关系数作为协同因子,在岩相模型的控制下利用序贯高斯协同模拟方法建立渗透率模型(图 12).由模型可知,储层孔隙度和渗透率的分布特征具有较好的一致性,高值区均主要分布在河道中部,并且由河道中部向河道边缘孔隙度和渗透率逐渐减小.
![]() |
图 11 红河油田92井区长812储层孔隙度模型 Fig.11 The porosity model of C-812 reservoir in No. 92 wellblock |
![]() |
图 12 红河油田92井区长812储层渗透率模型 Fig.12 The permeability model of C-812 reservoir in No. 92 wellblock |
根据岩心和试油试采资料分析,Ⅰ类细砂岩相和Ⅱ类细砂岩相含油性较好,均为有效储层,而粉砂岩相含油性较差,含油饱和度近似为0,视为无效储层.因此,本研究利用岩相模型约束建立含油饱和度模型.对于Ⅰ类细砂岩相和Ⅱ类细砂岩相,以单井解释含油饱和度曲线为建模硬数据,依据各岩相含油饱和度变差函数,在岩相模型控制下用序贯高斯模拟方法进行井间预测;而粉砂岩相和泥岩相均为无效储层,可以直接设定值为0,最终建立研究区含油饱和度模型(图 13).由模型可知,长812储层含油饱和度模型与孔隙度、渗透率模型具有一定的相关性,孔隙度大和渗透率高的区域,含油饱和度一般也较大,而孔隙度小和渗透率低的区域,含油饱和度一般较小.这与岩性油气藏的分布特征符合较好.
![]() |
图 13 红河油田92井区长812储层含油饱和度模型 Fig.13 The oil saturation model of C-812 reservoir in No. 92 wellblock |
净毛比是有效储层厚度与地层厚度的比值,数值介于0与1之间.传统的净毛比模型简单地认为净毛比为0或1,当某一模型网格中含有可动油气时,该模型网格的净毛比就是1,否则为0.但是,实际上净毛比并非只是简单的0或1,而是介于0与1之间的任意数值.因此,本文参照其他储层参数建模方法,对净毛比建模提出一定的改进.首先,根据储层有效性建立单井净毛比曲线,有效储层段曲线值为1,无效储层段曲线值为0,即Ⅰ类细砂岩相和Ⅱ类细砂岩相对应曲线值为1,粉砂岩相和泥岩相对应曲线值为0.然后,因为净毛比一般与储层物性如孔隙度具有一定的相关性,即储层平均孔隙度越大,净毛比越大,所以本文以单井净毛比曲线为建模硬数据,以孔隙度模型为软数据,在岩相模型的控制下用序贯高斯协同模拟建立净毛比模型(图 14).其中,粉砂岩相和泥岩相均为无效储层,可以用赋值的方法,直接设定值为0.结果表明,利用该方法建立的净毛比模型为介于0与1之间的数值,代表每个网格真正的净毛比,并且净毛比高值主要分布在Ⅰ类细砂岩相中,而Ⅱ类细砂岩相净毛比值相对减小,体现了不同岩相的控制作用,更接近地质实际.
![]() |
图 14 红河油田92井区长812净毛比模型 Fig.14 The net-gross ratio model of C-812 reservoir in No. 92 wellblock |
本次基于精细岩相约束所建立的储层参数模型通常具有一定的随机性和不确定性,因此,需要结合地质认识和地质规律对建立的模型加以验证,以确保模型的可靠性.本文主要采用概率分布一致性检验和储量计算两种方法对研究区地质模型进行检验.
概率分布一致性检验是指对储层参数原始输入数据和地质模型模拟输出数据的频率分布直方图进行一致性检验.从直方图可以看出,各储层参数输入数据和输出数据具有相似的统计分布特征,可在一定程度上说明建立的参数模型与地质实际情况吻合较好,可靠性较高(图 15).
![]() |
图 15 红河油田92井区长812储层参数原始数据与模拟数据频率分布直方图 Fig.15 Frequency distribution histogram of original and simulated data of C-812 reservoir parameters in No. 92 wellblock 1-原始数据(original data);2-模拟数据(simulated data) |
储量计算检验方法是指根据建立的储层三维地质模型,应用容积法对整个研究区进行储量计算,然后将其与现有的地质认识进行对比检验.结果表明,根据建立的三维地质模型计算得到的研究区长812小层地质储量误差小于2%,与现有地质认识符合较好,这说明建立的模型比较可靠.
4 结论(1)针对沉积微相类型比较单一,储层非均质性强的致密低渗储层,基于精细岩相约束的储层参数建模方法建立的地质模型更加接近地质实际.
(2)红河油田92井区长812储层参数分布主要受岩相类型的控制,因此,先用沉积相发育模式约束建立沉积微相模型,再在沉积微相模型和岩相发育规律的双重控制下建立岩相模型,然后以岩相模型为约束建立储层参数模型.
(3)基于精细岩相约束所建立的储层参数模型可靠性较高,更精细地描述了储层参数在三维空间的变化特征,为该区油藏数值模拟提供了精确的地质模型,并为研究区下一步开发方案调整提供了地质依据.
[1] |
胡向阳, 熊琦华, 吴胜和. 储层建模方法研究进展[J]. 中国石油大学学报:自然科学版, 2001, 25(1): 107-112. |
[2] |
Journel A G, Huijberegts C J. Mining geostatistics[M]. New York: Academic Press, 1978: 135-142.
|
[3] |
吕晓光, 王德发, 姜洪福. 储层地质模型及随机建模技术[J]. 大庆石油地质与开发, 2000, 19(1): 10-13. DOI:10.3969/j.issn.1000-3754.2000.01.004 |
[4] |
文钢锋, 王智, 韩军, 等. 地质模型反演预测隐蔽油气藏[J]. 岩性油气藏, 2009, 21(1): 94-98. DOI:10.3969/j.issn.1673-8926.2009.01.019 |
[5] |
张淑品, 陈福利, 金勇. 塔河油田奥陶系缝洞型碳酸盐岩储集层三维地质建模[J]. 石油勘探与开发, 2007, 34(2): 175-180. DOI:10.3321/j.issn:1000-0747.2007.02.009 |
[6] |
吴胜和, 李宇鹏. 储层地质建模的现状与展望[J]. 海相油气地质, 2007, 12(3): 53-60. DOI:10.3969/j.issn.1672-9854.2007.03.009 |
[7] |
李玉君, 邓宏文, 张新培, 等. 辽河油田龙10块Es31密井网条件下相控随机建模[J]. 石油勘探与开发, 2007, 34(6): 677-681. DOI:10.3321/j.issn:1000-0747.2007.06.007 |
[8] |
吕晓光, 张永庆, 陈兵, 等. 深度开发油田确定性与随机建模结合的相控建模[J]. 石油学报, 2004, 25(5): 60-64. DOI:10.3321/j.issn:0253-2697.2004.05.012 |
[9] |
谢锐杰, 张艳文, 秦刚, 等. 相控建模在红连油田精细油藏描述中的应用[J]. 岩性油气藏, 2011, 23(1): 86-89. DOI:10.3969/j.issn.1673-8926.2011.01.015 |
[10] |
惠钢, 董树正, 李凡华, 等. 大港埕海二区沙三下亚段相控建模技术[J]. 科学技术与工程, 2011, 11(15): 3427-3434. DOI:10.3969/j.issn.1671-1815.2011.15.015 |
[11] |
左毅, 芦凤明, 刘天鹤. 相控建模技术在河流相复杂断块的应用[J]. 特种油气藏, 2006, 13(1): 36-39. DOI:10.3969/j.issn.1006-6535.2006.01.010 |
[12] |
胡望水, 甘永年, 邹小朋. 冀东南堡凹陷一号构造1-1区储层建模研究[J]. 科学技术与工程, 2012, 12(7): 1611-1614. DOI:10.3969/j.issn.1671-1815.2012.07.034 |
[13] |
于兴河, 陈建阳, 张志杰, 等. 油气储层相控随机建模技术的约束方法[J]. 地学前缘, 2005, 12(3): 237-244. DOI:10.3321/j.issn:1005-2321.2005.03.025 |
[14] |
吴胜和, 张一伟, 李恕军, 等. 提高储层随机建模精度的地质约束原则[J]. 中国石油大学学报:自然科学版, 2001, 25(1): 55-58. |
[15] |
吴凤, 田飞, 段昕婷, 等. 鄂尔多斯盆地南部延长探区长8油层组储层特征及影响因素分析[J]. 石油地质与工程, 2015, 29(5): 50-53. DOI:10.3969/j.issn.1673-8217.2015.05.013 |
[16] |
冉令波, 丁晓琪, 张熙. 鄂尔多斯盆地镇泾油田长81小层沉积相类型及沉积演化研究[J]. 石油天然气学报, 2010, 32(6): 341-345. |
[17] |
翟治洲.鄂尔多斯盆地白豹区块长81三维地质建模[D].西安: 西北大学, 2013. http://cdmd.cnki.com.cn/Article/CDMD-10697-1013308782.htm
|
[18] |
吉伟平.红河油田HH105井区长8段致密砂岩优质储层预测[D].北京: 中国石油大学, 2016. http://cdmd.cnki.com.cn/Article/CDMD-11414-1018700145.htm
|
[19] |
阮基富, 李新玲, 唐青松. 相控建模技术在磨溪气田嘉二段气藏中的应用[J]. 岩性油气藏, 2013, 25(4): 83-88. DOI:10.3969/j.issn.1673-8926.2013.04.016 |