2. 中海油研究总院有限责任公司
2. CNOOC Research Institute Co., Ltd.
油气资源丰度（本文中资源丰度指的是面积丰度）是资源评价的关键参数之一，在综合类比法油气资源评价中具有重要的作用。油气资源丰度是一个特定地质单元中的石油、天然气等资源储量与其面积之比，是评价一个单元油气是否富集的重要参考指标。在资源评价过程中，运用综合类比法中的面积丰度类比法，以刻度区为研究对象，采用“富度率比值”方法，对刻度区和地质条件相近的含油气地区进行对比，计算其相似性系数，并与刻度区的资源丰度相乘，从而确定其相对丰度，最后将相对丰度乘以面积和有利面积系数，得到刻度区油气资源量。在实际评价过程中，由于盆地类型差异、地质条件复杂等原因，导致刻度区的油气资源丰度准确取值难度大，资源评价结果不合理[1-2]。造成以上问题的原因多为选取了勘探程度高的区域来进行类比，因为这些地区的地质数据比较丰富，具有完整的类比参数和油气资源参数[3-4]，有利于进行数据分析和统计，而这类地区油气地质条件一般均好于整个盆地系统，得出的资源丰度预测结果必然高于全盆地资源丰度。前人运用多元回归法对包括东部断陷盆地的中国主要含油气盆地石油资源丰度建立预测模型[5]，但是基本均为单一预测模型，而且中国盆地结构复杂、种类较多，单一模型的预测具有局限性。针对以上问题，本文在中国第四次油气资源评价基础上[6]，对47个重点盆地的资源丰度进行统计分析，剔除高资源丰度地区的不利影响，对影响油气资源丰度的地质要素进行优选，建立了3种类型盆地的油气资源丰度预测模型，随后选取3种类型盆地各2个，一共6个实例进行应用。
1 重点盆地油气资源丰度统计特征中国开展大范围油气资源评价工作开始于20世纪80年代，第三、四次油气资源评价已经运用类比法进行评价，这些工作已经积累了一定数量的刻度区。结合第四次资源评价地质参数和油气资源成果，统计分析47个中国常规盆地的油气资源数据和地质数据[6]，选取石油刻度区125个和天然气刻度区85个，利用数据解析和统计方法对油气资源丰度特征进行统计。
1.1 油气资源丰度分级标准与分布趋势不同盆地油气地质条件不同，目前对资源丰度划分还没有统一的标准，只粗略划分为高丰度、中丰度和低丰度。刻度区内的油气资源丰度覆盖了高、低两个层次，适合进行丰度等级的划分[4, 6]。据新一轮全国油气资源评价项目办公室“常规油气资源评价实施方案”，结合第四次资源评价结果，将石油资源丰度和天然气资源丰度分别划分为4个等级[5]（表 1），从上至下分别为高丰度、中丰度、低丰度和特低丰度。
|
表 1 油气资源丰度等级划分表 Table 1 Grade classification of oil and gas resource abundance |
为方便对重点盆地的油气资源丰度数据进行统计，石油资源丰度以10×104t/km2为区间进行划分，高天然气资源丰度以1×108m3/km2为区间进行划分，中、低和特低天然气资源丰度以0.2×108m3/km2为区间划分，进行分配频率统计分析（图 1）。可见高石油资源丰度占资源总量的35.2%，低、特低石油资源丰度占比为33.6%；天然气资源丰度方面，高丰度占比为25.88%，低丰度和特低丰度占总量的50.59%。
|
图 1 油气资源丰度分布趋势图（数据来源于文献[6]） Fig. 1 Diagram of oil and gas resource abundance (data from reference [6]) |
刻度区内石油和天然气资源丰度的分布具有相似之处，资源丰度区间占比均是随资源丰度增加而降低。同时发现，石油资源丰度为（30~80）×104t/km2和天然气资源丰度为（1~4）×108m3/km2的分布占比有一定程度的增加，这表明高资源丰度区域的油气成藏条件好，形成一定程度的油气富集区。
1.2 重点盆地油气资源丰度特征中国的盆地类型非常多，形成原因复杂，所以其地质特征有很大差异，油气资源分布也不尽相同。尽管中国的油气盆地主要是由叠合盆地组成的，但是它们可以分为前陆盆地、克拉通盆地和裂谷盆地3种最基本的类型[5]。前陆盆地是在压性环境下发育形成的，油气资源丰富，主要集中在中生界和新生界，酒泉—民乐盆地是祁连山北缘前陆盆地，盆地西部的玉门油田也是中国最老一批的石油工业基地；克拉通盆地有一个较为明显的特征，天然气含量较高，其油气资源分布比较广，古生界、中生界和新生界均有储集；裂谷盆地是在张性环境下发育形成的，是非常重要的产油盆地，中国大部分原油产量来自张性含油气盆地，其油气资源主要分布于中生界和新生界。
对中国47个重要盆地（坳陷、凹陷）的常规油气资源丰度进行了统计[6]。如图 2所示，47个盆地的油气资源丰度均在中丰度和中丰度以下，没有高丰度。其中有8个盆地没有常规石油资源，而石油资源丰度为特低丰度的盆地较多，有28个，占总数的59.6%。石油资源丰度为中丰度的盆地有5个，低丰度的盆地有6个。天然气资源方面，其资源丰度均在中、低和特低丰度，其中特低丰度的盆地13个，占总量的27.7%，只有四川盆地、依兰—伊通盆地属于中丰度。可以看出，中国各大油气盆地的常规石油资源丰度总体上以中、低丰度为主，常规天然气资源丰度以特低丰度、低丰度为主。
|
图 2 中国47个重要盆地常规油气资源丰度统计图（数据来源于文献[6]） Fig. 2 Statistics of conventional oil and gas resource abundance in 47 key basins in China (data from reference [6]) |
要对影响刻度区油气资源量的相关地质参数进行关联性研究，需要相对大量的、完善的前置地质勘探资料和油气资源数据，这样会有更加完善的真实性和可行性[7]。所以勘探程度好、开发程度高的区域是以往研究的重点，然而也正是由于刻度区的油气地质条件总体上优于其他地区，和整体盆地的油气资源丰度不一致，甚至远高于全盆地的油气资源丰度，然而整个盆地平均石油和天然气资源丰度均处于中、低丰度。因此，高资源丰度区的数据资料会对模型预测产生极大的干扰，进而增加研究结果的误差[8]。如果将高资源丰度区的相关数据代入，则会导致建立的预测模型不准确，之前的很多研究忽略了这一点；为了增加模型预测的准确性，保证评估参数具有客观性和通用性，在剔除高丰度区参数后，再进行预测模型的构建。
2.2 主控地质参数的选取在前陆盆地、克拉通盆地和裂谷盆地中以区带/区块为单元的刻度区内，选取石油、天然气资源丰度为中丰度及以下的区域，其中石油资源丰度为中丰度及以下的刻度区数量为20、30和41个，天然气资源丰度为中丰度及以下的刻度区数量为18、37、13个（表 2），分别进行影响常规油气资源丰度的主要地质因素分析。
|
|
表 2 三类盆地刻度区选取表 Table 2 Selection of reference areas in three types of basins |
油气资源丰度的相关烃源岩地质参数有很多，包括烃源岩厚度、TOC、镜质组反射率Ro、生烃强度等相关参数。运用Pearson相关性分析方法，分析各地质参数和油气资源丰度的关系，结果如表 3所示，烃源岩厚度、地球化学参数（TOC、Ro）和油气资源丰度的相关性不显著（p＞0.05），仅有生烃强度和油气资源丰度的相关性明显（p＜0.01)，而且关系系数基本在0.7以上。p是用来判定假设检验结果的一个参数，也可以根据不同的分布，使用分布拒绝域进行比较，这里表示相关性水平，p取值范围是0~1，不包括0和1，通常情况下，一般有3个判断标准，分别是0.01、0.05及0.1。在绝大多数情况下，如果p＜0.01，则说明至少有99%的把握有非常明显的相关性；如果0.01≤p＜0.05，则说明至少有95%的把握有非常明显的相关性；如果0.05≤p＜0.1，则说明至少有90%的把握有非常明显的相关性。
|
|
表 3 油气资源丰度与单一烃源岩地质参数相关性统计表 Table 3 Correlation between oil and gas resource abundance and single geological parameter of source rocks |
笔者的选取标准为相关系数绝对值大于0.7，且p小于0.05[9]。烃源岩厚度、TOC、Ro与资源丰度的相关性比生烃强度要弱，另一个方面来看，这些地质参数可以通过生烃强度来反映，因为生烃强度本身就是对烃源岩有机质类型、有机质丰度和成熟度等方面的综合反映。
储层方面影响油气资源丰度的参数包括孔隙度和渗透率。盖层方面选厚度参数，同时考虑到构造活动会对油气后期运移储集有很大影响，因此在构造方面选取2个参数，为圈闭面积系数和区域不整合次数。如表 4所示，圈闭面积系数和油气资源丰度的关系系数在0.7以上，有非常明显的相关水平（p＜0.01)，和烃源岩生烃强度一样，存在很好的正相关关系。区域不整合次数和资源丰度也有很好的相关性（整体p＜0.05），与克拉通盆地和前陆盆地天然气资源丰度的相关性非常明显（p＜0.01)，石油资源丰度上和裂谷盆地也有明显的相关性（p＜0.01)。综合来看油气资源丰度受到烃源岩生烃强度（石油为生油强度，天然气为生气强度）、圈闭面积系数和区域不整合次数的影响明显，因此选取这3类地质因素作为主控因素。
|
|
表 4 油气资源丰度与储层、圈闭和不整合次数等单一地质参数的相关性统计表 Table 4 Correlation between oil and gas resource abundance and single geological parameter such as reservoir, trap, and unconformity frequency |
研究还发现，在各类盆地中有共性问题，生烃强度、圈闭面积系数和区域不整合次数等3个主要的控制因素之间存在着明显的相关性；然而，3个主要地质要素与各类盆地内油气资源量的相关性尚不明确，这表明有必要对不同类型盆地进行分类模拟[10]。此外，通过已有数据的分析对比，发现储层孔隙度、盖层厚度等因素和克拉通盆地天然气资源丰度有一定的相关性（p＜0.05)，但是相关系数的绝对值小于0.5，它们的相关性不大，不是说储层和盖层的优劣和油气资源丰度没有关系，而是这种关系从圈闭上面来表征了，因为油气中、低资源丰度的储层物理性质差别不大，各储层的物理参数与资源丰度关系就不显著。同时，盖层厚度不能作为单一因素控制油气资源丰度，这里可以通过储盖组合中两者占比来理解。储层在储盖组合中的占比一方面反映储层规模大小，从储集能力角度可以作为目的层中油气藏厚度衡量手段，另一方面制约盖层规模，控制整体储量。储层在储盖组合中的占比越大，表示储层规模相对大，储存能力强，油气藏容量越大，但是盖层的比重就相对越小，从而影响了油气藏的保存能力[11]。然而这些关系也可由圈闭面积系数来刻画，所以圈闭面积系数可作为主要的控制因素之一。
2.3 主控地质参数影响分析资源丰度主要由3个主控因素影响，一是生烃强度，生烃强度是指刻度区内生烃量与有效生烃面积之比，它可分为生油强度与生气强度两个方面。生烃强度越高，则说明刻度区单位面积内可形成的可运移富集的油气数量越多，其油气资源的富集程度也就越高[9]。前陆盆地、克拉通盆地或裂谷盆地，它们的石油和天然气资源丰度基本均与生油强度和生气强度呈现正相关的关系（图 3a、b），而且它们之间的相关性均很高，说明在刻度区内，生烃量的变化主要受生烃作用的影响，这一点与油气勘探实际情况是一致的。
|
图 3 3类盆地油气资源丰度与主控地质参数的关系图 Fig. 3 Relationship between oil and gas resource abundance and main geological parameters in three types of basins |
二是圈闭面积系数，圈闭包括油藏与封盖条件（盖层与掩蔽体），其本质是盖层及掩蔽体对油气运移的强烈阻隔，阻碍了油气的运移。圈闭面积系数是指刻度区内圈闭叠合面积与刻度区面积之比，它可以全面地反映出刻度区中油气储存与封闭能力的客观水平，也就是刻度区圈闭的发展状况。三类盆地的油气资源丰度也和圈闭面积系数呈现正相关（图 3c、d），同时圈闭面积系数愈大，则表示圈闭的发育状况愈好，愈利于油气的富集与保存，愈是富油的富集区。
三是区域不整合次数，油气富集区在形成之后，伴随着频繁的构造活动，会破坏油气的赋存与保存，从而导致油气泄漏。这里选取的刻度区内对油气藏产生破坏作用的不整合次数，能够定量地反映出该地区的破坏程度，不整合次数是会对油气资源量的保存起到破坏作用的构造运动次数，但是如果某一次的不整合未破坏油气储存，则不计入不整合次数，比如不整合之下的盖层超级厚，则不会对油气储存产生较大的影响。有些不整合运动和油气成藏过程同步进行，形成的断层或者缝隙为油气二次运移提供通道，这也是控制油气藏纵向分布的重要影响因素，这类不整合有利于油气藏形成，同样不计入不整合次数。油气资源丰度和区域不整合次数呈现负相关（图 3e、f），该地区的不整合数量较多，说明该地区经历了较多的构造活动，因此，该地区的油气散发量也较大，与之相对应的是，该地区的油气资源量较少。
3 油气资源丰度预测模型的建立 3.1 预测模型建立通过对生烃强度、圈闭面积系数、区域不整合次数3个主要因素进行综合分析，分别构建以3个主要地质参数为基础的油气资源丰度预测模型。
常见的模型有线性、指数、对数、幂函数等。一个合理、可行的地质模型，其公式必须是有统计意义的，且有良好的相关关系。其次，要能精确地反映出主要控制因素对矿产资源丰富程度的影响，也就是要进行科学的地质解释[12]。根据这两个条件，选择最简单且最具有相关性的模型。首先，在最简单的线性模型情况下，所得到的模型往往与y轴的正半轴交叉。换而言之，在x为0的情况下，y会有一个正数的值，对应来看就是烃源岩的生烃强度为0时，油气资源量不为0，这样的地质解释不符合实际常理。同理圈闭系数为0时，油气资源量不为0也存在明显的问题。为此，笔者在充分考虑3个主要控制因素对油气资源丰度的影响特点及各种常见模型的数学特性的基础上，选取幂函数模型对生烃强度和圈闭面积系数进行模拟，它们与油气资源量呈正相关关系，对于区域不整合次数选取指数模型，油气资源量与其呈现负相关关系。
剔除高资源丰度区地质参数，排除其极端影响，选取3个主控地质参数进行单参数地质模型拟合。如表 5所示，其中R2为决定系数，反映因变量的全部变异能通过回归关系被自变量解释的比例，该值越高说明模型越好，这些单参数地质模式的决定系数R2均在0.5以上。F检验也称联合假设检验，主要通过比较两组数据方差来判断密度是否有显著性差异，它的值是检验的统计量，也就是组间和组内的离差平方和与自由度的比值，该值越大说明模型整体显著性水平越高[13]。Sig是significance的缩写，为“显著性”，这里的值就是统计出的p值，该值越接近0越好。综合分析，幂函数模型适用于烃源岩生烃强度和圈闭面积系数这两个地质参数，指数模型用于区域不整合次数是合理的。
|
|
表 5 不同类型盆地油气资源丰度与主控地质参数的回归模型统计表 Table 5 Regression model of oil and gas resource abundance with main geological parameters in different types of basins |
细致分析单一主控地质参数模型，以前陆、克拉通、裂谷3类盆地为研究对象，采用多元非线性回归方法，分别构建油气资源丰度预测模型，如表 6所示，R2均大于0.8，反映模型的拟合优度，越接近1说明拟合越好，表明构建的预测模型具有可行性。构建的预测模型适用于常规油气资源的预测，并不能预测非常规油气资源。从全油气系统理论来看，非常规油气资源一般为源内或者近源富集，例如页岩油基本为自生自储，所以影响其富集的主要原因是烃源岩特征、自身孔渗性、微裂缝和断裂断层[14-15]。常规油气和非常规油气动力成藏理论不同，成藏的主要影响因素也不同，所以非常规油气的预测模型建立需要重新选取主控因素。
|
|
表 6 三类盆地油气资源丰度预测模型表 Table 6 Prediction model of oil and gas resource abundance in three types of basins |
利用上述预测模型对刻度区的油气资源进行评估，首先要对刻度区的地质特点进行全面的分析，只有当各种因素均满足了，并且在时间和空间上均达到了理想的匹配程度，才能将其运用到评价中去，从而实现对目标区域的合理预测[14-16]。在使用预测模型过程中，需要注意两点，一是“烃源岩的生烃强度”与“圈闭面积系数”这两个主要的控制因素，其值均应大于0，这是区域具备油气生成和储存条件的前提；二是当该区存在多套烃源岩的情况下，先求出各套有效烃源岩的平均生烃强度，然后计算平均值[17-20]；与此同时，油气藏圈闭面积是油气藏圈闭叠合区域的面积。针对局部不整合的数量问题，若已探明的地质资料表明，刻度区内的一次或者多次不整合对储层的伤害不大，则可将其排除，从而提高模型的预测精度。
如图 4所示将各区域的油气资源丰度作为横坐标，将对应的预测模型计算值作为纵坐标，将刻度区的预测模型计算结果的数据点投射到坐标上，发现大部分数据均集中在y=x附近，这说明预测模型的计算结果比较接近于真实的油气资源丰度，这一模型的适用性和预测能力比较强。
|
图 4 油气资源丰度的模型预测值与实际值比较分布图 Fig. 4 Relationship of oil and gas resource abundance between model prediction results and actual values |
将油气资源丰度预测模型用于实际已有勘探地质数据的盆地中进行油气资源量计算预测，并与实际数据进行对比。选取渤海湾盆地的岐口凹陷和南襄盆地的南阳凹陷2个裂谷盆地，吐哈盆地的台北凹陷和苏北盆地的高邮凹陷2个前陆盆地，鄂尔多斯盆地的伊陕斜坡和塔里木盆地的拜城凹陷2个克拉通盆地进行应用（表 7）。
|
|
表 7 油气资源丰度的主控地质参数数据表 Table 7 Main geological parameters data for the prediction of oil and gas resource abundance |
台北凹陷是前陆类型的盆地，面积为10100km2，凹陷内以侏罗系水西沟群煤系烃源岩为主，有机碳含量（TOC)分布在1.2%~1.7%之间，镜质组反射率Ro为0.5%~1.2%；苏北盆地是前陆类型的盆地，面积为35000km2，其中高邮凹陷位于苏北盆地南部，主要发育阜宁组和泰山组暗色泥质烃源岩，有机碳含量（TOC)平均为0.935%，镜质组反射率Ro为0.6%~0.9%，储层方面砂岩含量为40%，孔隙度为22%。
鄂尔多斯盆地是典型的克拉通盆地，伊陕斜坡位于盆地中部，为一级构造单元，中生界发育的延长组为主力含油层系，主力烃源岩为湖相沉积的暗色泥岩、煤岩，有机碳含量（TOC）为0.6%~1.8%，镜质组反射率Ro为0.54%~1.31%；拜城凹陷位于库车坳陷中部，是一个以中生界、新生界陆源碎屑沉积为主的沉积凹陷，主要发育侏罗系—三叠系的烃源岩，有煤系泥岩、碳质泥岩和煤岩，其中煤系泥岩较多，有机碳含量（TOC）平均为1.99%，镜质组反射率Ro为0.5%~1.13%。
歧口凹陷是一个裂谷型的断陷盆地，面积达5280km2。凹陷内以古近纪沙河街组暗色泥质烃源岩为主，有机碳含量（TOC)为0.72%~1.64%，镜质组反射率Ro为0.4%~1.1%；南阳凹陷属于南襄盆地内的次级构造单元，面积约为3600km2，凹陷内的主要含油岩系为核桃园组，最厚约为2400m，凹陷深部近千米厚的深湖相暗色泥岩为主要烃源岩，有机碳含量（TOC）为0.52%~0.80%，镜质组反射率Ro为0.5%~0.7%，储层方面砂岩含量为20.2%，孔隙度为16.7%。
结合主控地质因素数据（表 7），分别利用前陆盆地、克拉通盆地和裂谷盆地的预测模型对油气资源丰度进行计算，进而再计算出油气资源量，最后和中国石油第四次油气资源评价结果对比（表 8），结果虽然存在一定的误差，但在一定程度上还是比较准确。主要原因在于选取了3个主控因素建立的预测模型，约束的因素不算多，但是运用这个预测模型所需要的基础地质参数和油气数据比较少，相对比较适用于数据不太丰富、勘探程度不高的地区进行前期常规油气预测，帮助指导后续的勘探工作。
|
|
表 8 油气资源丰度、资源量的计算结果和评价结果统计表 Table 8 Calculation and evaluation results of oil and gas resource abundance and resource amount |
(1) 经过统计分析，中国各大油气盆地的常规油气资源一般均是中丰度、低丰度，且多为特低丰度、低丰度。在高丰度地区，具有良好的成藏条件背景下，其常规石油和天然气资源丰度分别主要集中分布在（30~80）×104t/km2和（1~4）×108m3/km2。
(2) 经过回归曲线拟合分析，烃源岩4个参数（生烃强度、厚度、Ro、TOC）、储层2个参数（孔隙度、渗透率）、盖层厚度、圈闭面积系数和区域不整合次数9个地质相关参数中，对油气资源丰度产生主要影响的因素有3个，分别为烃源岩生烃强度、圈闭面积系数和区域不整合次数。通过预测模型的选取，烃源岩的生烃强度和资源丰度之间的关系可用幂函数模型刻画，同样圈闭面积系数和资源丰度之间的关系也用幂函数模型来刻画最为合适，而区域不整合次数和资源丰度之间的关系比较适合用指数模型来刻画。同时模型适用于常规油气的预测，而对非常规油气预测模型还是有明显差别的。
(3) 分别以烃源岩生烃强度、圈闭面积系数、区域不整合次数为变量，建立前陆、克拉通和裂谷3类盆地的资源丰度预测模型。将该模型应用于6个盆地凹陷的评价中，能相对准确并且快速地预测其常规油气资源量，计算结果与第四次油气资源评价结果较接近。表明该方法具有需求数据少、操作方便、评价结果可靠、便于推广的优点，比较适用于数据不太丰富、勘探程度不高的地区进行前期常规油气资源预测。
| [1] |
贾承造, 赵政璋, 杜金虎, 等. 中国石油重点勘探领域: 地质认识、核心技术、勘探成效及勘探方向[J]. 石油勘探与开发, 2008, 35(4): 385-396. Jia Chengzao, Zhao Zhengzhang, Du Jinhu, et al. PetroChina key exploration domains: geological cognition, core technology, exploration effect and exploration direction[J]. Petroleum Exploration and Development, 2008, 35(4): 385-396. |
| [2] |
郭秋麟, 谢红兵, 黄旭楠, 等. 油气资源评价方法体系与应用 [M]. 北京: 石油工业出版社, 2016: 1-258. Guo Qiulin, Xie Hongbing, Huang Xunan, et al. Oil and gas resources evaluation method system and application [M]. Beijing: Petroleum Industry Press, 2016: 1-258. |
| [3] |
胡素云, 田克勤, 柳广弟, 等. 刻度区解剖方法与油气资源评价关键参数研究[J]. 石油学报, 2005, 26(增刊3): 49-54. Hu Suyun, Tian Keqin, Liu Guangdi, et al. Dissection of calibrated units and key parameters for oil and gas resource assessment[J]. Acta Petrolei Sinica, 2005, 26(S3): 49-54. |
| [4] |
李建忠, 吴晓智, 郑民, 等. 常规与非常规油气资源评价的总体思路、方法体系与关键技术[J]. 天然气地球科学, 2016, 27(9): 1557-1565. Li Jianzhong, Wu Xiaozhi, Zheng Min, et al. General philosophy, method system and key technology of conventional and unconventional oil & gas resource assessment[J]. Natural Gas Geoscience, 2016, 27(9): 1557-1565. |
| [5] |
鄢琦, 周总瑛. 中国东部断陷盆地石油资源丰度统计模型的建立[J]. 石油实验地质, 2009, 31(3): 292-295, 306. Yan Qi, Zhou Zongying. Establishment on oil resources abundance statistical model in East China rift basins[J]. Petroleum Geology & Experiment, 2009, 31(3): 292-295, 306. |
| [6] |
李建忠. 第四次油气资源评价 [M]. 北京: 石油工业出版社, 2019: 1-365. Li Jianzhong. Fourth assessment for oil and gas resource [M]. Beijing: Petroleum Industry Press, 2019: 1-365. |
| [7] |
唐振宜, 翁维瑾, 贾维同. 多元回归在油气资源量计算中的应用[M]//油气资源评价方法研究与应用编委会. 油气资源评价方法研究与应用. 北京: 石油工业出版社, 1988: 304-312. Tang Zhenyi, Weng Weijin, Jia Weitong. Application of multiple regression in oil and gas resource calculation[M]// Research and Application of Oil and Gas Resource Assessment Methods Editorial Committee. Research and application of oil and gas resource assessment methods. Beijing: Petroleum Industry Press, 1988: 304-312. |
| [8] |
姜福杰, 郭婧, 庞雄奇, 等. 渤海湾盆地南堡凹陷全油气系统3类油气资源联合评价[J]. 石油学报, 2023, 44(9): 1472-1486. Jiang Fujie, Guo Jing, Pang Xiongqi, et al. Joint evaluation of three types of oil-gas resources in whole petroleum system of Nanpu sag, Bohai Bay Basin[J]. Acta Petrolei Sinica, 2023, 44(9): 1472-1486. |
| [9] |
张映红, 赵文智, 李伟, 等. 应用运聚单元改善圈闭预测和评价质量[J]. 石油学报, 2001, 22(4): 18-23. Zhang Yinghong, Zhao Wenzhi, Li Wei, et al. The migration and accumulation unit an effective tool to improve the assess ment quality of trap[J]. Acta Petrolei Sinica, 2001, 22(4): 18-23. |
| [10] |
郑民, 李建忠, 吴晓智, 等. 我国常规与非常规天然气资源潜力、重点领域与勘探方向[J]. 天然气地球科学, 2018, 29(10): 1383-1397. Zheng Min, Li Jianzhong, Wu Xiaozhi, et al. China's conventional and unconventional natural gas resource potential, key exploration fields and direction[J]. Natural Gas Geoscience, 2018, 29(10): 1383-1397. |
| [11] |
杨丽娜, 解国军. 油气资源丰度预测的人工神经网络方法: 以济阳坳陷为例[J]. 石油天然气学报, 2007, 29(1): 55-58. Yang Lina, Xie Guojun. Prediction of abundance of hydrocarbon resources with artificial neural network method: taking Jiyang Depression for example[J]. Journal of Oil and Gas Technology, 2007, 29(1): 55-58. |
| [12] |
刘成林, 刘人和, 罗霞, 等. 天然气资源评价重点参数研究[J]. 沉积学报, 2004, 22(增刊1): 79-83. Liu Chenglin, Liu Renhe, Luo Xia, et al. Study on key parameters of natural gas resource assessment[J]. Acta Sedimentologica Sinica, 2004, 22(S1): 79-83. |
| [13] |
张文彤, 董伟. SPSS统计分析高级教程(第二版) [M]. 北京: 高等教育出版社, 2013: 1-451. Zhang Wentong, Dong Wei. SPSS statistical analysis advanced tutorial: second edition [M]. Beijing: Higher Education Press, 2013: 1-451. |
| [14] |
胡素云, 李建忠, 王铜山, 等. 中国石油油气资源潜力分析与勘探选区思考[J]. 石油实验地质, 2020, 42(5): 813-823. Hu Suyun, Li Jianzhong, Wang Tongshan, et al. Chinese oil analysis and exploration of oil and gas resource potential district thinking[J]. Petroleum Geology & Experiment, 2020, 42(5): 813-823. |
| [15] |
庞雄奇, 贾承造, 宋岩, 等. 全油气系统定量评价: 方法原理与实际应用[J]. 石油学报, 2022, 43(6): 727-759. Pang Xiongqi, Jia Chengzao, Song Yan, et al. Quantitative evaluation of whole petroleum system: principe and application[J]. Acta Petrolei Sinica, 2022, 43(6): 727-759. |
| [16] |
庞雄奇, 周新源, 姜振学, 等. 叠合盆地油气藏形成、演化与预测评价[J]. 地质学报, 2012, 86(1): 1-103. Pang Xiongqi, Zhuo Xinyuan, Jiang Zhenxue, et al. Hydrocarbon reservoirs formation, evolution, prediction and evaluation in the superimposed basins[J]. Acta Geologica Sinia, 2012, 86(1): 1-103. |
| [17] |
柳广弟, 高先志. 油气运聚单元分析: 油气勘探评价的有效途径[J]. 地质科学, 2003, 38(3): 307-314. Liu Guangdi, Gao Xianzhi. Analysis of petroleum migration and accumulation unit: an effective approach to assess ment for petroleum exploration[J]. Chinese Journal of Geology, 2003, 38(3): 307-314. |
| [18] |
张蔚, 刘成林, 吴晓智, 等. 中国不同类型盆地油气资源丰度统计特征及预测模型[J]. 地质与勘探, 2019, 55(6): 18-27. Zhang Wei, Liu Chenglin, Wu Xiaozhi, et al. Statistical characteristics and prediction models of oil and gas resource abundance in different types of basins in China[J]. Geology and Exploration, 2019, 55(6): 18-27. |
| [19] |
武守诚. 石油资源地质评价导论 [M]. 北京: 石油工业出版社, 1994: 1-325. Wu Shoucheng. Introduction to geological assessment of petroleum resource [M]. Beijing: Petroleum Industry Press, 1994: 1-325. |
| [20] |
赵旭东. 石油数学地质概论 [M]. 北京: 石油工业出版社, 1992. Zhao Xudong. Introduction to petroleum mathematical geology [M]. Beijing: Petroleum Industry Press, 1992. |