渤中凹陷位于渤海中部,面积为8634km2,最大埋深为11km。该凹陷东邻渤东低凸起,西接沙垒田凸起、沙南凹陷,北邻石臼坨凸起,南接渤南低凸起(图 1)。凹陷内发育NNE向郯庐断裂带和NW向张家口—蓬莱断裂带等2组岩石圈级别的大型共轭走滑断裂带,由此导致NE向、NNE向、近NS向、NW向和近EW向次级断裂均有发育。
研究区位于渤中凹陷南部两条走滑断裂带的交会地区,面积约为4000km2。该区南部的渤南低凸起发现迄今最大的近海油田——蓬莱19-3油田,探明及控制级石油地质储量约为6×108m3[1],凸起西段发现渤中28-1油田。研究区位于油田与凹陷之间的油气运移路径之上,具有较好的勘探前景。
在渤海海域中浅层(深度约为2000ms)断裂系统极为复杂的地区,常规地震解释方法效率较低,断层组合不精细。随着深度增加,常用于辅助断层解释及组合的方差或相干属性清晰度明显降低,已不满足断层组合的需要,因此急需更优质的数据体辅助断层解释和组合。蚂蚁追踪属性就是符合这类要求的地震属性,该属性对地震资料的变化极为敏感。近几年来常与倾角、曲率等属性融合,或基于频谱分析[2-3],结合钻井资料表征深部裂缝的发育程度[4-11]。由于蚂蚁追踪属性对地震资料的变化过于敏感,地震资料品质不佳或反射特征横向轻微变化(如反射强度、连续性变化、反射界面轻微抬升等)都会在蚂蚁追踪属性中得到体现,由此导致噪声强且与断层响应难以区分,因此较少用于反映小断层的相关研究。不仅如此,传统的蚂蚁追踪方法通过优选蚂蚁追踪的6项参数(初始边界、偏离角度、搜索步长、允许的非法步数、允许的合法步数、终止标准)指导断层组合的思路并不适合本区这类由多块不同年代采集、不同品质拼接而成的地震资料,因此需要探索新方法获得与断层匹配度较高的高清蚂蚁体。
蚂蚁追踪算法由Colorni等[12]提出,随后Dorigo等[13]进行了进一步解释。该算法通过蚁群系统(ACS)解决旅行商(TSP)这类组合优化问题(即一个旅行商人从一个城市出发并途经若干城市后回到原点,应如何选择行进路线,以使总的行程最短的问题),虽然每只蚂蚁只做一些单一的个体行为,但通过简单交互,使整个蚁群具有结构性的群体行为。将这种模仿蚁群觅食行为的仿生进化算法用于地震属性分析,并将蚂蚁数量、蚂蚁密度以及循环重复系统等三种参数融合于地震属性提取过程:在地震数据体中播撒大量电子蚂蚁追踪断层异常信息,同时释放断层信息素,通过断层信息素召集一定范围内的其他蚂蚁跟进,而蚂蚁会优先选择信息素浓度大的路径。通过大量蚂蚁的共同努力,最终识别和追踪数据中的细小信号异常[14-18]。
1 技术方法前期针对浅层的钻探并不理想,BZ22-A井、BNC井均落于圈闭之外,有资料证实,主要失利原因为圈闭不落实。落实浅层圈闭的决定性因素是断层组合的精细程度,断层组合精度受控于层位解释密度,即层位解释越精细,断层走向及形态越准确。研究区浅层断裂极为复杂,很难在短期内通过高密度的层位解释控制断层组合,因此尚未提出钻探目标。
本次研究立足于Petrel软件,以地震偏移成果数据为基础。首先对数据体滤波,之后进行不连续性检测,即形成方差数据体。在此基础上,分析断层响应与噪声在蚂蚁追踪属性中的区别,通过制作多重蚂蚁体,并穿插多步噪声削减压制噪声,凸显断层特征。最终在高清蚂蚁体指导下,结合层位及断层解释成果完成构造成图及圈闭搜索。
1.1 高清方差体制作制作蚂蚁体的基础是对地震资料进行不连续性检测,常用的体现不连续性的有效属性体为方差体和混沌体。针对本区地震资料,方差属性表征断层效果更好,因此选择其作为蚂蚁追踪的基础属性。
在进行方差属性提取之前,首先分析同一套SEGY格式的地震数据体,将其转化为ZGY格式时,选择8位体或32位体是否有明显区别(ZGY格式使用时以块为最小读取单元,相对于SEGY格式以整条测线为单位调用的模式,ZGY格式只将需要显示的数据部分调用到内存中,有效提高显示效率)。对比默认参数提取方差属性结果可知,由8位和32位原始地震数据体提取的方差属性区别并不明显。因此,对于三维数据面积达4000km2的研究区来说,在蚂蚁追踪效果差别不明显的前提下,选取8位数据体提取方差属性可以极大地提高运算速度,有效节约参数试验、对比及剖面和切片的调取时间。
在进行方差属性提取之前,首先对原始数据体做中值滤波处理,在保存断层边界清晰的同时减弱随机噪声,并压制与断层无关的信息,之后在滤波后数据体基础上制作方差体。依据原始默认参数(地震道范围为3、垂向平滑采样点数为15、不进行倾角校正)所得方差体的噪声干扰较大(图 2a、图 2c),而方差属性提取效果主要与选取的参数有关。通过多种尝试和对比,选取适用于本区地震资料和地质条件的参数组合:地震道数为5、垂向平滑为35个采样点、倾角校正范围为3(高斯滤波器宽度决定平滑程度,其数值越大、平滑程度越高)。由优选参数所得方差体(图 2b、图 2d)可见,方差体品质得到明显改善,局部断层关系清晰,有效减弱了噪声和非断层因素的干扰。
将新的方差数据体沿目标区T15反射界面(馆陶组顶面)提取并显示,在此基础上人工组合断层124条。由沿层方差体与断层组合图可见(图 3),受层位解释密度及成图精度的影响,沿层显示方差体效果较差,仅能体现大断层特征,不能清晰地显示复杂断裂带内部细节,特别是小断层交切关系极为模糊(图 3a)。因此需要引入对断层更为敏感且不受人工解释密度影响的高清数据体辅助断层解释及组合。
以上述方差体数据为基础进行初步蚂蚁追踪(默认参数)。由蚂蚁体切片(图 4a)可见,研究区断层整体沿NE及近EW向展布,但周边噪声干扰严重。以此蚂蚁体数据为基础提取断层片,结果多达40万片(图 4b),因此以默认参数进行蚂蚁追踪仅能反映区域断层展布趋势,但精度较低,尚不能满足断层解释、组合及断层片自动提取的需求。
蚂蚁追踪属性主要反映数据体断层、裂缝响应和噪声等三类特征,在没有钻井资料佐证时裂缝响应与噪声难以区分。由于本次研究对象是断层,因此不区分裂缝响应与噪声,将两者均视为噪声予以减弱或消除。通过平/剖面对比、逐层分析蚂蚁体切片可知,断层响应多具有平直而连续的特征,在局部小范围内走向较为一致;噪声多具有短轴、波浪状、不稳定、连续性差的特征,两者的特征差异明显。为了辅助断层剖面解释及平面组合,通过增强断层连续性和降低噪声改善蚂蚁体的品质。
1.2.1 追踪参数的组合与优选蚂蚁追踪属性同样受控于追踪参数,其算法包含以下参数:①初始边界。定义了最初每只蚂蚁的活动范围,控制了单位体积内可以设定的蚂蚁密集程度[19],对于大型断裂来说,数值越大越好,对于小断裂则相反[14, 18];②偏离角度。蚂蚁追踪过程中允许偏转的角度,最大为15°,以保证断层趋势面平滑、合理,而不出现折面的情况[14],更符合地下真实地质情况;③搜索步长。决定了每只蚂蚁搜索的单步长度;④允许的非法步数。蚂蚁捕捉到断层信息之前所允许走的步数,非法步数越多,断裂越多、连续性越强[20];⑤允许的合法步数。指搜索成果作为有效数据必须包含的合法步数;⑥终止标准。指蚂蚁追踪过程中允许的非法步长所占的比例,决定蚂蚁是否停止追踪。
由于蚂蚁追踪属性提取不具备方差提取的实时调参功能,因此以往对于蚂蚁追踪参数的优选即以局部构造(300km2以内)为样本,对上述参数分别试验、对比和优选,选择每项参数中的最优项,由此得到一个参数序列(并非将6项参数进行有效组合),因此不仅耗费大量时间,成果数据中的噪声极为严重。本次研究区范围较大,且地震资料由多块不同年度采集的三维资料拼接而成,品质差异较大。常规参数优选方法效果不佳,无论怎样组合都难以得到适用全区的蚂蚁追踪参数。因此本次研究不以单项参数优选为目标,而是通过优化参数组合,进行多重蚂蚁追踪计算压制噪声、凸显断层特征。
研究区以张扭断层为主,断层连续强,局部走向一致。通过对比、分析将蚂蚁追踪参数组合定义为:由较大的初始边界、较小的偏转角度、搜索步长、较小的非法步数、较大的合法步数、较小的终止标准组成“被动”蚂蚁追踪算法;以较小的初始边界、较大的偏转角度、搜索步长、较大的非法步数、较小的合法步数、较大的终止标准组成“主动”蚂蚁追踪算法。两组参数组合为两个极端(体现所有异常与仅体现较强异常),因此与软件中两类追踪策略的默认参数并不一致,由本区地震资料的品质决定。
1.2.2 追踪参数叠加效果对比从效果来看,“被动”与“主动”的蚂蚁追踪方法区别较大。主动蚂蚁追踪算法类似“勤劳的蚂蚁”,更善于挖掘断层,但由于其“主动性”较强,致使噪声较清晰(图 5a)。被动蚂蚁追踪算法即“懒惰的蚂蚁”,其倾向于追踪极强信号,放弃较弱信号,因此有助于压制噪声,体现大断层趋势,但是易导致局部不清晰的低级别小断层呈断续特征,进而破坏其连续性(图 5b)。由于两种追踪策略均存在弊端,单独使用并不能满足断层解释和组合的需要,因此尝试主动蚂蚁追踪参数进行叠加计算,即在主动蚂蚁追踪成果基础上再次进行主动蚂蚁追踪。从结果来看,断层和噪声均得到增强,且噪声特征向断层进一步靠拢,更难以区分两者(图 5c)。被动蚂蚁体叠加计算(图 5d)后明显压制了噪声,但由于其仅对极强信号二次追踪,低级别断层呈断续特征甚至消失,高级别断层的连续性也遭到明显破坏,在走向方面趋于无序和紊乱。因此参数组合的简单叠加并不能改善蚂蚁体品质。由此将两个参数组合进行交叉叠加(在主动蚂蚁追踪属性体基础上进行被动蚂蚁追踪,反之亦然),效果明显优于重复叠加,断层连续性得到明显增强,也较好地压制了噪声(图 5e、图 5f)。但两种交叉叠加方法有明显区别:在主动蚂蚁追踪基础上叠加被动追踪所得数据体中断层连续性较强(图 5e),但噪声也相对较强,如NE走向断层在剖面中不仅断面清晰,断距也很大(图 5e红圈部分);在被动蚂蚁追踪基础上叠加主动追踪所得数据体,噪声压制效果较好,大断层清晰,但也同样明显压制了低级别断层(图 5f),如上述NE走向断层不存在(图 5f红圈部分)。在对原始方差数据进行被动蚂蚁追踪之后,该NE向断层已消失(图 5b),因此对原始方差数据进行被动蚂蚁追踪会导致部分小断层的缺失。对于断层极为密集、地层较为平缓的渤中凹陷浅层来说,高级别断层控制洼陷,其周边伴生或相互作用而形成的低级断层往往控制圈闭。因此断层对于圈闭的有效性至关重要。在蚂蚁体提取阶段,为了尽量保持断层信息,应以主动追踪为基础。
综上所述,主动蚂蚁追踪算法有助于挖掘断层,在充分显示断层基础上进行被动追踪可以有效压制噪声,对断层进行筛选,两者可作为一个循环序列而重复应用。首先,对高清方差体进行主动蚂蚁追踪。由于研究区多发育铲式张扭性正断层,倾角普遍较大,因此为降低地层倾斜对蚂蚁追踪的干扰,在提取蚂蚁体时将倾角小于50°的干扰过滤,得到初步成果(图 6a),其断层特征明显,但其周边存在大量沿Crossline方向的强噪声。因此在提取蚂蚁体的同时沿Crossline方向±2°(可用的最小角度)的角度范围过滤,即得到蚂蚁体的第一次降噪数据,明显压制了噪声(图 6b)。为增强断层连续性,再进行被动蚂蚁追踪(图 6c),大断层更为清晰,但仍存在大量噪声。多次试验表明,在被动蚂蚁追踪数据(图 6c)上无论再进行主动或被动蚂蚁追踪,都无法明显改善数据体品质,且过大角度的方位角过滤具有消除部分潜在分支断层的风险。蚂蚁追踪属性与其他地震属性类似,都有一个固定的取值范围(为-1~+1,从白色到蓝色),通过剖面断层读取其对应属性值得知,绝大多数断层的属性值分布在0.8~1.0,噪声值分布在-1.0~0.2(数值范围需根据不同地震资料具体分析)。因此通过算法(计算机语言)设定噪声为-1.0(白色),断层为1.0(蓝色),进一步凸显断层与噪声的区别,得到第二次降噪数据(图 6d),该数据相对于第一次降噪数据明显压制了噪声。但为了保证准确性,计算之前需分析并对比大量数据以确定临界参数。在第二次降噪数据(图 6d)基础上进行主动蚂蚁追踪(图 6e),进一步挖掘断层信息。最后在主动蚂蚁追踪(图 6e)的基础上叠加被动追踪,同时结合剖面断层特征及平面断层走向,加入方位角过滤并辅以光源强化,得到第三次降噪数据(图 6f)。对比初步成果(图 6a)与第三次降噪数据(图 6f)可见,后者的断层连续性得到明显增强,同时明显压制了噪声。
应用高清蚂蚁体数据辅助断层解释及组合,主要具备以下优势:
(1) 为复杂断裂带平/剖面断层解释及组合提供指导。蚂蚁体对地震资料的细微变化、地层扭动极其敏感,这是利用蚂蚁体指导复杂断裂解释和组合的理论基础。方差体体现大型走滑断裂带中主断层的展布特征,不能清晰地反映断裂带内部的分支小断层。而蚂蚁体可以清晰体现其内部多条分支断层的存在,且与剖面中的断面一一对应。因此高清蚂蚁体不仅指导了断层平面组合,而且还指导断层剖面解释。
(2) 为同走向、多断层区分及延展提供依据。常规地震解释以逐条剖面为基础,对走向、倾向、形态都完全一致的两条断层,解释人员在其走向发生偏转及消亡地区,在没有足够的层位解释控制时很容易错误地命名为一条断层。而利用蚂蚁体等时切片可清晰地区分二者。
(3) 为断层形态立体刻画奠定基础。高清蚂蚁体中的断层形态较方差体更清晰,断层之间的交切关系更明朗(图 7a)。在此数据基础上,通过阈值分析,并利用地震子体提取技术[21],可对断面立体雕刻(图 7b),从而完整、清晰地体现断层形态,为后续断层分析提供了基础。
对比目标区断层组合成果可知,方差体体现大断层趋势,而蚂蚁体更清晰地反映了复杂断裂带内部结构(图 8a)。以方差体为基础得到124条断层组合(图 3b),在同样的范围内,以高清蚂蚁体为基础的断层组合更为细致,多达273条(图 8b)。
将高清蚂蚁追踪技术应用到全区,针对全区浅层T15反射界面进行精细断层组合,单人一个月内即可完成研究区4000km2范围内的470余条断层组合,在此基础上落实28个断块圈闭。
由于浅部断层断距普遍较小,若地层仅受单一方向断层控制,大多形成“黄瓜条”式的小型圈闭。研究区位于NE及NW向大型走滑断裂交会地区(图 7b),两个方向的断裂切割浅部地层,进而形成一系列规模的构造圈闭。由于该区地层较为破碎,断层封堵分析至关重要。因此如何寻找有利断块,择优钻探是下一步研究的重点。
3 结束语(1) 针对研究区构造复杂、走滑断层多且分布密集的特点,结合现有资料条件,提出一套高清蚂蚁体生成技术。该技术不同于以往对蚂蚁追踪参数进行简单优选和对比的技术,而是以增强断层连续性和降噪为目的,通过优选两类参数组合,对数据体进行蚂蚁追踪计算,并穿插多步噪声削减,最终得到与研究区断裂高度匹配的高清蚂蚁体数据。
(2) 蚂蚁体对地震资料的细微变化、地层扭动极其敏感,为复杂断裂带剖面精细解释及断层形态立体刻画提供了较好的数据基础。
(3) 在高清蚂蚁体指导下快速完成渤中凹陷南部4000km2三维工区内T15界面470余条断层平面组合,落实了28个断块圈闭,为后期深入研究奠定了坚实基础。
[1] |
郭永华, 周心怀, 凌艳玺, 等. 渤海海域蓬莱19-3油田油气成藏特征新认识[J]. 石油与天然气地质, 2011, 32(3): 327-332. GUO Yonghua, ZHOU Xinhuai, LING Yanxi, et al. New understandings of hydrocarbon accumulation in Penglai 19-3 Oilfield, the Bohai Waters[J]. Oil & Gas Geology, 2011, 32(3): 327-332. |
[2] |
袁晓宇, 李映涛, 叶宁, 等. 基于频谱分解的蚂蚁追踪裂缝检测技术在玉北地区的应用研究[J]. 石油地球物理勘探, 2015, 50(4): 665-671. YUAN Xiaoyu, LI Yingtao, YE Ning, et al. The application of ant-tracking fracture detection based on spectrum decomposition in Yubei area[J]. Oil Geophysical Prospecting, 2015, 50(4): 665-671. |
[3] |
张瑞, 文晓涛, 李世凯, 等. 分频蚂蚁追踪在识别深层小断层中的应用[J]. 地球物理学进展, 2017, 32(1): 350-356. ZHANG Rui, WEN Xiaotao, LI Shikai, et al. Application of frequency division ant-tracking in identifying deep minor fault[J]. Progress in Geophysics, 2017, 32(1): 350-356. |
[4] |
王军, 李艳东, 甘利灯. 基于蚂蚁体各向异性的裂缝表征方法[J]. 石油地球物理勘探, 2013, 48(5): 763-769. WANG Jun, LI Yandong, GAN Lideng. Fracture characterization based on azimuthal anisotropy of ant-tracking attribute volumes[J]. Oil Geophysical Prospecting, 2013, 48(5): 763-769. |
[5] |
李鹏, 钱丽萍, 石桥, 等. 大庆高密度井网开发区地震解释技术的应用效果[J]. 石油地球物理勘探, 2011, 46(增刊1): 106-110. LI Peng, QIAN Liping, SHI Qiao, et al. Seismic interpretation of development area with high density wells in Daqing[J]. Oil Geophysical Prospecting, 2011, 46(S1): 106-110. |
[6] |
周文, 尹太举, 张亚春, 等. 蚂蚁追踪技术在裂缝预测中的应用——以青西油田下沟组为例[J]. 岩性油气藏, 2015, 27(6): 112-118. ZHOU Wen, YIN Taiju, ZHANG Yachun, et al. Application of ant tracking technology to fracture prediction:A case study from Xiagou formation in Qingxi oilfield[J]. Lithologic Reservoirs, 2015, 27(6): 112-118. |
[7] |
马晓宇, 王军, 李勇根, 等. 基于蚂蚁追踪的叠前裂缝预测技术[J]. 石油地球物理勘探, 2014, 49(6): 1199-1203. MA Xiaoyu, WANG Jun, LI Yonggen, et al. Prestack fracture prediction based on ant tracking[J]. Oil Geophysical Prospecting, 2014, 49(6): 1199-1203. |
[8] |
霍丽娜, 张建军, 郑良合, 等. 多属性断层解释技术在煤层气储层解释中的应用[J]. 石油地球物理勘探, 2014, 49(增刊1): 221-227. HUO Lina, ZHANG Jianjun, ZHENG Lianghe, et al. Fault interpretation with multiple attributes in coalbed methane interpretation[J]. Oil Geophysical Prospecting, 2014, 49(S1): 221-227. |
[9] |
韩翀, 陈明江, 赵辉, 等. 现代体属性分析技术在风化壳气藏勘探中的应用——以苏里格气田桃7区马五13段为例[J]. 物探与化探, 2016, 40(3): 445-451. HAN Chong, CHEN Mingjiang, ZHAO Hui, et al. The application of analysis technology of modern volumetric attributes to the exploration of weathering crust reservoir:a case study of M13 sub-members of Ordovician Majiagou formation in Tao7 Block, the Sulige gas field[J]. Geophysical and Geochemical Exploration, 2016, 40(3): 445-451. |
[10] |
刘德生, 冯小东, 马庆林, 等. 断层识别技术在福山凹陷朝阳地区的应用[J]. 石油地球物理勘探, 2017, 52(增刊1): 156-161. LIU Desheng, FENG Xiaodong, MA Qinglin, et al. Fault identification in the Chaoyang area, Fushan Sag[J]. Oil Geophysical Prospecting, 2017, 52(S1): 156-161. |
[11] |
仲伟军, 姚卫江, 贾春明, 等. 地震多属性断裂识别技术在中拐凸起石炭系中的应用[J]. 石油地球物理勘探, 2017, 52(增刊2): 135-139. ZHONG Weijun, YAO Weijiang, JIA Chunming, et al. Fault and fracture identification in Carboniferous, Zhongguai Uplift, Junggar Basin with seismic multi-attributes[J]. Oil Geophysical Prospecting, 2017, 52(S2): 135-139. |
[12] |
Colorni A, Dorigo M, Maniezzo V, et al.Distributed optimization by ant colonies[C]. Proceedings of European Conference on Artificial Life, Elsevier, Paris, France, 1991, 134-142.
|
[13] |
Dorigo M, Gambardella L M. Ant colony system:Acooperative learning approach to the traveling salesman problem[J]. IEEE Trans on Evolutionary Computation, 1997, 1(1): 53-66. DOI:10.1109/4235.585892 |
[14] |
张欣. 蚂蚁追踪在断层自动解释中的应用——以平湖油田放鹤亭构造为例[J]. 石油地球物理勘探, 2010, 45(2): 278-281. ZHANG Xin. Application of ant tracking algorithm in fault automatic interpretation:A case study on Fangheting structure in Pinghu Oilfield[J]. Oil Geophysical Prospecting, 2010, 45(2): 278-281. |
[15] |
张继标, 戴俊生, 赵力彬, 等. 基于蚂蚁算法的断裂自动解释技术在黄珏南地区的应用[J]. 中国石油大学学报(自然科学版), 2011, 35(6): 14-20. ZHANG Jibiao, DAI Junsheng, ZHAO Libin, et al. Application of automatic fault interpretation technology based on ant colony algorithm in South Huang-jue Area[J]. Journal of China University of Petroleum, 2011, 35(6): 14-20. DOI:10.3969/j.issn.1673-5005.2011.06.003 |
[16] |
张继标, 戴俊生, 冯建伟, 等. 蚂蚁追踪技术在大程庄地区断裂自动解释中的应用[J]. 石油天然气学报, 2012, 34(5): 53-57. ZHANG Jibiao, DAI Junsheng, FENG Jianwei, et al. Application of ant tracking technology in automatic fault interpretation in Dachengzhuang Area[J]. Journal of Oil and Gas Technology, 2012, 34(5): 53-57. DOI:10.3969/j.issn.1000-9752.2012.05.011 |
[17] |
唐琪凌, 苏波, 王迪, 等. 蚂蚁算法在断裂系统解释中的应用[J]. 特种油气藏, 2009, 16(6): 30-33. TANG Qiling, SU Bo, WANG Di, et al. Application of ant colony algorithm in fault system interpretation[J]. Special Oil and Gas Reservoirs, 2009, 16(6): 30-33. DOI:10.3969/j.issn.1006-6535.2009.06.009 |
[18] |
李振华, 邱隆伟, 齐赞, 等. 蚂蚁追踪技术在辛34断块解释中的应用[J]. 西安石油大学学报(自然科学版), 2013, 28(2): 20-24. LI Zhenhua, QIU Longwei, QI Zan, et al. Application of ant tracking technology to the interpretation of the faults in Fault Block Xin 34[J]. Journal of Xi'an Shiyou University (Natural Science Edition), 2013, 28(2): 20-24. DOI:10.3969/j.issn.1673-064X.2013.02.004 |
[19] |
龙旭, 武林芳. 蚂蚁追踪属性体提取参数对比试验及其在塔河四区裂缝建模中的应用[J]. 石油天然气学报(江汉石油学院学报), 2011, 33(5): 76-81. LONG Xu, WU Linfang. Parameter comparative experiments on ant tracking attribute extraction and its application in fracture modeling in region 4 of Tahe oilfield[J]. Jounal of Oil and Gas technology, 2011, 33(5): 76-81. |
[20] |
孙乐, 王志章, 李汉林, 等. 基于蚂蚁算法的断裂追踪技术在乌夏地区的应用[J]. 断块油气田, 2014, 21(6): 716-721. SUN Le, WANG Zhizhang, LI Hanlin, et al. Application of fault tracking technology based on ant colony algorithm in Wuxia Area[J]. Fault Block Oil & Gas Field, 2014, 21(6): 716-721. |
[21] |
李楠, 王龙颖, 刘丽芳, 等. 渤中凹陷南部火成岩体精细雕刻及火山喷发模式研究[J]. 特种油气藏, 2017, 24(5): 59-64. LI Nan, WANG Longying, LIU Lifang, et al. Fine engraving of eruptive bodies and study on volcanic eruption model in Southern Bozhong Sag[J]. Special Oil and Gas Reservois, 2017, 24(5): 59-64. DOI:10.3969/j.issn.1006-6535.2017.05.011 |