地球物理学进展  2017, Vol. 32 Issue (6): 2642-2649   PDF    
常规测井评价复杂砂岩储层孔隙结构的方法与应用——以莺歌海盆地黄流组储层为例
何胜林, 张海荣, 马文宏, 吴进波     
中海石油(中国)有限公司湛江分公司, 广东湛江 524057
摘要:莺歌海盆地中深层储层非均质性强、孔隙结构复杂,气田开发实施阶段一般仅有常规测井资料,基于常规测井资料对储层孔隙结构精细评价一直是该区储层测井精细评价面临的难题,进一步造成测井解释符合率降低,储量参数计算精度变差.为有效解决上述问题,本文以莺歌海盆地黄流组为目的层,首先分析了储层孔隙结构复杂化的地质成因及其测井特征;之后,综合压汞毛管压力曲线和核磁共振等岩心分析资料,针对性开展测井响应特征分析及岩石物理机理分析,对比优选了流动带指数为表征储层孔隙结构的敏感参数;最后,优选反映储层特征变化的测井变量,建立常规测井资料计算储层流动带指数的模型,进而建立储层分类方法与标准,较好地实现了常规测井的储层孔隙结构评价.方法应用于莺歌海盆地东方13气田中,结果表明:储层孔隙结构与分类结果与岩心分析、试油产能数据吻合较好,奠定气田开发实施阶段利用常规测井资料精细表征储层孔隙结构的技术基础.
关键词孔隙结构    常规测井    流动带指数    黄流组    莺歌海盆地    
Pore structure evaluation methods and application of complex reservoir using conventional well logging data in the Yinggehai basin
HE Sheng-lin , ZHANG Hai-rong , MA Wen-hong , WU Jin-bo     
Zhanjiang Branch of CNOOC Limited, Guangdong Zhanjiang 524057, China
Abstract: The deep reservoir of Yinggehai basin is characterized by strong heterogeneity and complex pore structure, and gas field development stage only conventional logging data, fine evaluation of reservoir pore structure always is a difficult problem based on conventional logging data, which further reduce the accuracy of logging interpretation, poor precision calculation of reserves parameter. To solve the above problems, this paper in Yinggehai basin Huangliu formation for the purpose layer, firstly analyses the reasons that complicate the pore structure and the well logging characters of the formation; And then based on the analysis of core experiment data of mercury porosimetry and nuclear magnetic resonance, to carry out logging response characteristics and rock physical response mechanism analysis, the author finds that the Flow Zone Index (FZI) is the most sensitive parameter to characterize reservoir pore structure; finally, optimizing the changes reflect the characteristics of the reservoir logging attribute variables, establish the model to calculate reservoir flow zone index based on conventional logging data, and then establish the standard and reservoir classification method, realizes the reservoir pore structure evaluation of conventional logging. The method used in the Yinggehai basin DF13 gas field, the results show that the analysis of reservoir pore structure and classification is consistent with core and tested production data, laid the implementation stage of gas field development by using conventional logging data storage technology based on layer fine characterization of pore structure.
Key words: pore structure     conventional well logging     flow zone index     huangliu formation     Yinggehai basin    
0 引言

莺歌海盆地黄流组已日益成为南海主要勘探开发对象之一,但储层整体上具有中孔低渗特征,且不同井区不同层段的非均质性较强(金博等,2008王振峰和裴健翔,2011谢玉洪,2011黄志龙等,2015),孔隙结构复杂,由此导致前几年业已形成并有效推广应用的基于中高孔渗储层孔隙结构较简单的测井流体识别图版和储层参数计算模型等出现了诸多不适用性,造成解释符合率降低,储量参数计算精度变差,给测井储层评价与油气层识别带来了诸多挑战.

综合利用测井、岩石物理实验等信息进行孔隙结构评价是目前主流的研究方法.基于岩心化验分析资料,对孔隙度、最大连通孔隙半径、分选系数等参数进行组合可以得到孔隙结构综合评价指数(Li et al., 2010苏俊磊等,2011).通过研究山前带砂岩孔隙结构分形特征,建立分维数与沉积微相关系并得到孔隙结构评价标准(张立强等,1998).通过岩石导电模型,利用电阻率测井资料对储层岩石的孔隙结构指数进行计算分析,认为该指数能够较好地反映储层孔隙的大小及其曲折程度,可以有效评价储层特性(杨锦林等,1998刘向君等,2007).通过电成像测井资料可以处理得到地层孔隙度谱,分析储层的次生孔隙发育程度进而可以对储层孔隙结构进行评价(孟凡顺等,2006).另外,核磁共振测井是成像测井系列中一种重要的测井技术,其测量结果中包含诸如孔隙尺寸、束缚水饱和度、渗透率等大量传统测井方法无法测量或无法测准的与储层评价密切相关的储层信息,因此核磁测井是目前直接评价储层孔隙结构最为有效的一种手段,一些学者做了诸多卓有成效的工作,在核磁共振测井评价储层孔隙结构方面取得了突破性成果(肖立志和石红兵,1998运华云等,2002何雨丹等,2005).

特别地,莺歌海盆地目前已进入开发阶段,受制于开发井测井系列仅为常规测井(莺歌海盆地开发井主要以随钻测井方式测量自然伽马、电磁波电阻率、密度、中子和声波等测井曲线),探井中形成的基于核磁共振和电成像的测井评价方法不能直接应用,迫切需要研究出基于常规测井资料的孔隙结构表征方法以及基于孔隙结构评价的储层分类方法,并基于此建立起不同类别的储层流体识别图版与孔渗饱精细计算模型,为该区的油气开发生产提供强有力的技术保障.

1 孔隙结构评价的流动带指数方法

为了实现常规测井资料评价储层孔隙结构,其中关键的一项工作就是结合研究区储层特征与资料情况,以岩石物理实验数据为基础,从众多描述孔隙结构的参数中优选出可以常规测井有效表征的参数.

1.1 储层孔隙结构表征参数的优选

目前,能够较好反映储层孔隙结构的参数主要有基于岩心毛管压力与汞饱和度关系曲线计算出的排驱压力、饱和度中值压力和平均孔喉半径等(罗蛰潭和王允诚,1986),其中排驱压力反映岩石的最大连通孔喉半径,饱和度中值与平均孔喉半径则反映岩石的平均孔喉特征.然而,该区实际资料研究表明,基于这些参数的储层分类与评价存在三个方面的问题,一是不同类型储层间的这些参数值有一定的重叠,难以清晰地确定不同储层类别的界限值,分类结果存在不确定性;二是这些参数难以与常规测井建立起关联,不便于生产中尤其是开发阶段实际应用;三是不同类型储层间的孔渗关系并不好,难以实现从孔隙度较好地计算出渗透率从而实现孔隙结构评价.

流动带指数(FZI)是描述储层孔隙结构的有效参数之一(Hearn et al., 1984靳彦欣等,2004王怀忠等,2010王志章和何刚,2010闫羽等,2015),其定义为

(1)

式中,ϕ为孔隙度,小数;K为渗透率,mD;FZI为储层流动带指数.

但是,流动带指数能否反映本区的储层孔隙结构特征?为此,本文首先较系统地分析了其与从毛管曲线提取的可表征孔隙结构参数(排驱压力、平均孔喉半径和最大孔喉半径)的相关关系,如图 1abc.该图均指出,储层流动带指数与排驱压力、平均孔喉半径和最大孔喉半径存在较好的相关关系,即随着排驱压力减小、平均孔喉半径增大、最大孔喉半径增大,FZI值相应地增大,且两者间相关性较好(相关系数均达0.93以上),此即表明FZI可以反映出储层孔隙结构特征.

图 1 FZI与毛管曲线特征参数的相关性对比 (a)FZI与排驱压力关系图;(b)FZI与平均孔喉半径关系图;(c)FZI与最大孔喉半径关系图. Figure 1 Correlation comparison between FZI and characteristic parameters of capillary curve (a) Relationship between FZI and displacement pressure; (b) Relationship between FZI and mean pore throat radius; (c) Relationship between FZI and maximum pore throat radius.

其后,考虑到核磁共振T2几何均值(T2g)是描述储层孔隙结构的敏感参数,分析储层流动带指数与岩心核磁共振T2g之间的相关关系,如图 2ab所示.由图 2可知,随着T2g的增大、束缚水饱和度降低,FZI值相应增大,两者相关性好(相关系数达0.89),这也进一步说明FZI可有效表征储层孔隙结构.

图 2 FZI与岩心核磁共振特征参数的相关性对比 (a) FZI与T2g关系图; (b)FZI与束缚水饱和度关系图. Figure 2 Correlation between FZI and nuclear magnetic resonance characteristic parameters (a) Relationship between FZI and T2g; (b) Relationship between FZI and irreducible water saturation;

最后,针对研究区储层孔隙结构复杂化的成因,分析流动带指数是否可表征储层孔隙结构.研究区黄流组储层主要为海相沉积的长石砂岩,其特点主要为:一是砂岩粒度Φ值多介于2.0~8.0,以粉砂岩为主,含细砂级颗粒,岩石颗粒分选较差,其分选系数一般大于2.0,概率累积曲线呈跳跃-悬浮-悬浮三段式,缺少滚动次总体,跳跃次总体含量也不高(低于5%),以悬浮次总体为主(罗蛰潭等,1986), 表明储层的结构成熟度较低;二是泥质含量差异较大,多分布在5%~25%,当泥质含量高时,以杂基支撑结构为主,而泥质含量低时,则以颗粒支撑结构为主;三是石英、长石颗粒排列疏松,颗粒间接触关系多为点接触,也见线接触,凹凸接触少见,储层中云母等塑性颗粒无明显变形,表明黄流组压实和压溶作用较弱.因此,从这些岩石学特征可以看出,岩性控制物性特点明显,储层孔隙结构复杂化的主要成因为结构成熟度较低(砂岩颗粒粒径变化大)以及泥质含量变化较大.对于这类孔隙结构复杂化的成因,流动带指数可较好地描述孔隙结构特征,这也是为什么图 1图 2的相关性较好的原因所在.

由上述分析可见,流动带指数可有效反映出储层孔隙结构特征,即优选流动带指数作为表征孔隙结构的参数,并据此评价储层孔隙结构及其分类.

1.2 基于流动带指数的储层分类

图 3是以研究区内所有岩心分析的FZI数据制作的频数图,据该图的频数分布特征并考虑到生产中简便应用具有可操作,FZI累积百分比曲线上存在两个明显的拐点,因此,可将FZI资料点大致划分为三类,其两个中间分类值大致为20~30、40~47.

图 3 岩心分析样品点的流动带指数分布与累积曲线 Figure 3 Exponential distribution and cumulative curve of the flow zone of the core analysis sample point

为了进一步明确FZI分类下限值,采用重心距离聚类分析方法对FZI精细分类处理.如果将岩心FZI数据分成5类,处理结果如图 4所示,FZI分类值域及各类数据点数见表 1.实际生产中,储层类别一般仅分为三类即可,并且,考虑到研究区黄流组储层的FZI值分布特征(如图 3所示),因此,可将分5类的第1类、第2类和第3类合并,分别得到储层分3类的FZI值域,如表 1所示.

图 4 岩心FZI数据的重心距离聚类分析结果 Figure 4 Cluster analysis of center of gravity distance of core FZI data

表 1 岩心FZI分类结果 Table 1 Core FZI classification result table

因此,储层的分类标准即不同储层的下限值确定为:

(1)Ⅰ类储层:FZI>41,储层物性最好,是研究区最好的储层.

(2)Ⅱ类储层:41(FZI>23,储层物性较好,是研究区较好的储层.

(3)Ⅲ类储层:FZI(23储层物性较差,是研究区较差的储层.

基于上述分类标准,考察了所有压汞数据点的孔渗关系(图 5),从中可以看出,按照FZI的分类标准,能够更为清晰地将不同孔渗特征的储层区分开来,这也佐证了流动带指数不仅可以描述储层孔隙结构,而且其分类标准是可行的.

图 5 基于FZI分类的孔渗关系 Figure 5 Relationship between pore and permeability based on FZI classification
2 流动带指数的常规测井表征方法

当有核磁共振测井资料时,可计算出与岩性无关的孔隙度与渗透率,据定义可直接计算出流动带指数.然而,在气田开发阶段,基本上只有常规测井资料,因此需探索出基于常规测井资料的流动带指数计算方法.

2.1 对孔隙结构敏感的常规测井优选

由前述知,研究区黄流组储层结构复杂化的主要成因为岩石结构成熟度低、泥质含量变化大,而常规测井曲线中,自然伽马(GR)和中子(CNL)测井曲线能够较好地描述储层岩石的结构成熟度与泥质含量变化,密度测井曲线(DEN)对此也有一定的响应,为此,探讨这三条测井曲线表征流动带指数的敏感性.

图 6为深度归位后的岩心分析流动带指数与经黄流组泥岩标志层刻度后对应深度常规测井曲线之间的关系图.该图指出:

(1) GR曲线与FZI存在较好的负相关关系,即随着GR值增大,FZI值减小.考虑到GR可以较好地反映出砂岩颗粒粒径与泥质含量的变化,且GR值增大,砂岩颗粒变细、泥质含量变大,自然地,储层孔隙结构变差、FZI值减小.

(2) CNL曲线与FZI之间存在较好的负相关关系,即随着CNL值增大,FZI值减小.CNL曲线主要反映孔隙中的含氢指数,当砂岩颗粒变细、泥质含量变大时,孔隙结构变差、FZI值变小,束缚水体积明显增大,从而使得CNL测井值相应增大.

(3) 密度曲线与FZI之间也存在较好的负相关关系,即随着DEN值增大,FZI值减小.研究区黄流组泥岩的密度测井值较高(2.55 g/cm3左右)、高于储层的密度测井值(2.35 g/cm3左右),因而当密度值增大时,物性变差、泥质含量增高,导致孔隙结构变差、FZI减小.

2.2 FZI的常规测井资料表征方法

由上述已知,GR、CNL、DEN等测井曲线与流动带指数之间存在较好的相关关系,因此,可以用GR、CNL和DEN等测井曲线来表征储层流动带指数,且经进一步分析发现,GR和CNL测井曲线与岩心FZI具有更好的相关关系,因此,分别以这两条测井曲线建立FZI计算模型,便于在仅有资料质量较好的单一GR或CNL曲线情况下应用,这对于开发阶段的随钻测井更为重要.

去除异常点(主要为储层边界和井眼扩径处的数据点)后,以回归分析方法建立的GR曲线计算FZI经验公式为

(2)

式中,GR为自然伽马测井值,API;FZIGR为自然伽马测井计算的FZI值.

以回归分析方法建立的CNL曲线计算FZI经验公式为

(3)

式中,CNL为中子测井值,%;FZICNL为补偿中子测井计算的FZI值.

如果GR和CNL两条测井曲线的质量均较好时,则可采用多元回归分析方法建立了二元表征FZI的经验公式为

(4)

式中,FZIGC为自然伽马和补偿中子测井组合计算的FZI值.

同样地,如果GR、CNL和DEN三条曲线质量均较好,则可建立这三条曲线表征FZI的经验公式为

(5)

式中,DEN为密度测井值,g/cm3;FZIGCD为自然伽马、补偿中子和密度测井组合计算的FZI值.

3 方法实现与应用分析

至此,已建立了常规测井表征储层孔隙结构的敏感参数FZI计算公式,以及基于FZI的分类标准,但生产应用中,尚需结合上述不同曲线计算FZI的适用性界定应用规则,并对这些方法、标准与规则实现软件模块化.

3.1 储层分类判别规则

图 6可知,虽然GR、CNL和DEN分别与FZI具有较好的相关关系,但数据分布范围还是较宽的,表明应用储层分类标准对式(2)—(4)计算FZI精细储层分类时,可能存在一定的多解性;而且,这三条曲线所揭示的表征储层孔隙结构内涵并不一致,受井眼影响的因素也不尽相同,即存在不同的适用性.为此,为了便于生产应用,建立了以下应用规则:

图 6 常规测井曲线与岩心分析FZI间的关系 (a)岩心分析FZI数据与GR关系图;(b)岩心分析FZI与CNL关系图;(c)岩心分析FZI与DEN关系图. Figure 6 Relationship between conventional logging curve and core analysis FZI (a) Relationship between core analysis FZI data and GR; (b) Relationship between core analysis FZI data and CNL; (c) Relationship between core analysis FZI data and DEN.

(1) 当分别据FZIGR值和FZICNL值确定的储层类别一致时,则取该处理结果为储层分类.

(2) 当以FZIGR值和FZICNL值分别确定的储层类别矛盾时,则:

(a) 如果井眼质量不好或钻井液中添加重晶石时,由于自然伽马测井受这些因素的影响较补偿中子测井小得多,且可使得FZICNL的分类结果偏低,故取FZIGR值的分类结果;

(b) 如果目的层是含气性较好时,由于天然气对补偿中子测井值降低较大,有可能导致FZICNL值分类结果的高取值,故取FZIGR值的分类结果;

(c) 否则,对比FZIGR、FZICNL、FZIGC和FZIGCD这四种方法各自确定的分类结果,取其分类结果相同数最多者为储层分类.

需要指出的是,研究区黄流组部分储层存在溶蚀作用,溶蚀孔隙基本上呈孤立状分布,孔隙度的增加并不能改善孔隙结构,可导致含密度测井信息的FZIGCD分类结果偏高.因此,如果密度孔隙度较声波孔隙度有明显增大时,可判断储层中存在孤立溶蚀孔隙,这样,上述的c)规则中,可不考虑FZIGCD的分类结果.

3.2 应用实例分析

将上述的方法、标准和规则等集成为基于常规测井资料的储层分类处理软件模块,并以其对研究区的每口井进行了测井资料预处理与分类处理,下面以A1井和A2井为例分析处理效果.

图 7为A1井基于常规测井曲线的FZI储层分类及其与核磁共振测井FZI、岩心分析数据FZI的分类对比实例图,图中,FZIGR、FZICNL、FZIGC、FZIGCD、FZIMR和FZICORE分别为自然伽马测井、补偿中子测井、自然伽马测井+补偿中子测井、自然伽马测井+补偿中子测井+密度测井、核磁共振测井和有效物性分析数据计算的FZI曲线,第九道为利用储层流动带指数对储层分类的结果RESTYPE曲线,其中RESTYPE=3代表Ⅰ类储层、RESTYPE=2代表Ⅱ类储层、RESTYPE=1代表Ⅲ类储层.该图指出:

图 7 A1井基于储层孔隙结构的储层分类处理成果 Figure 7 Reservoir classification treatment result map based on reservoir pore structure in A1 well

(1) 2975.7~3002.0 m井段:除去泥岩层外,FZIGR和FZICNL值都较高,据此将储层界定为I类,这与据FZIMR和FZICORE的分类结果相一致,表明FZIGR和FZICNL分类可行.

(2) 3033.6~3036.7m井段:FZIGR的分类结果为Ⅰ类,而FZICNL值较低、介于23与41之间,据此判断为Ⅱ类储层,两者存在矛盾.引起该矛盾的原因是该井段存在扩径现象,导致FZICNL值分类偏低,故而取FZIGR的分类结果,况且,该分类与FZIMR和FZICORE相一致.

(3) 3002.9~3008.8 m和3027.1~3031.5 m井段:FZIGR、FZICNL、FZIGC、FZIGCD的值均介于23与41之间,为Ⅱ类储层,这与FZIMR分类一致.

(4) 3045.5~3051.5 m井段:FZIGR的分类结果为Ⅱ类,而FZICNL的分类这为Ⅲ类储层,两者矛盾.考虑到该井段未扩径,而且总烃含量(TG)低、电阻率值低,而且FZIGC和FZIGCD判断为Ⅲ类储层,因此,综合比较FZIGR、FZICNL、FZIGC和FZIGCD分类结果识别该层为Ⅲ类储层,这种结果与FZIMR分类一致.

本井在2975~3001 m气层段进行钻杆地层DST测试,由前述内容可知,该段储层为Ⅰ类储层,试油资料显示日产气780000 m3, 日产油53 m3,试井渗透率为68 mD,符合Ⅰ类储层标准,测试产能与储层分类结果匹配,说明储层分类结果是合理的.

图 8为A2井利用常规测井曲线实现储层分类的实例图.由该图可见:

图 8 A2井基于储层孔隙结构的储层分类处理成果 Figure 8 Reservoir classification treatment result map based on reservoir pore structure in A2 well

(1) 2910.5~2919.3 m井段:FZIGR和FZICNL数值较大,大多大于41,因此,界定该层段为Ⅰ类储层.

(2) 2919.3~2979.6 m井段:FZIGR和FZICNL数值大多介于23~41之间,因此,界定该层段为Ⅱ类储层.

(3) 2979.6~2990.0 m井段:仅FZIGR数值偏高、大于23,FZICNL、FZIGC和FZIGCD三条曲线的数值大均小于23,而且,井眼质量较好,钻井液没有添加重晶石,电磁波的相位电阻率和幅度电阻率小于3 Ω·m,因此,界定该层段为Ⅲ类储层.

本井在2910~2918 m气层段进行钻杆地层DST测试,通过对该段储层孔隙结构进行评价,认为该段储层为Ⅰ类储层,试油资料显示日产气640000 m3, 日产油85 m3,试井渗透率为75 mD,符合Ⅰ类储层分类标准,测试产能与储层分类结果匹配,为高渗储层.同时在2933.0~2963.0 m储层段进行地层测试,本段储层为Ⅱ类储层,试油资料显示日产气500 m3, 日产水5 m3,试井渗透率为0.5 mD,符合Ⅱ类储层标准,测试产能结果与储层分类结果匹配.

为了进一步考察本文提出的基于常规测井资料计算的FZI分类结果,将其系统对比了基于核磁共振测井所有井的分类结果(表 2),总体上,两者一致性较好,符合率达到了82%.此即表明,本文提出的方法适用可行、生产应用效果好,有效解决了开发阶段的储层孔隙结构与分类这一重大疑难问题.

表 2 常规测井计算的FZI分类结果分析 Table 2 Analysis of FZI classification results of conventional logging calculation
4 结论 4.1

岩石结构成熟度较低与泥质含量变化较大,是东方13区黄流组储层孔隙结构复杂化的主要因素,在此基础上优选出流动带指数作为东方13区复杂砂岩储层孔隙结构表征参数.

4.2

建立了基于常规测井资料的储层流动带指数计算模型及储层分类标准,孔隙结构评价结果与岩心分析、试油产能数据吻合,可以有效提高研究区储层参数计算精度,满足储层特征描述和储量计算对参数精度的要求.

4.3

采用本文所述方法在莺歌海盆地中深层储层测井解释评价应用中获得了满意的结果,该方法可适用于类似于莺歌海盆地黄流组储层孔隙结构复杂化的成因的其他盆地储层,对于以溶蚀作用为主导致孔隙结构复杂化的储层,则需对这些方法改进完善.

参考文献
[] He Y D, Mao Z Q, Xiao L Z, et al. 2005. A new method to obtain capillary pressure curve using NMR T2 distribution[J]. Journal of Jilin University (Earth Science Edition), 35(2): 177–181.
[] Hearn C L, Ebanks W J Jr, Tye R S, et al. 1984. Geological factors influencing reservoir performance of the Hartzog Draw Field, Wyoming[J]. Journal of Petroleum Technology, 36(8): 1335–1344. DOI:10.2118/12016-PA
[] Huang Z L, Zhu J C, Ma J, et al. 2015. Characteristics and genesis of high-porosity and low-permeability reservoirs in the Huangliu Formation of high temperature and high pressure zone in Dongfang area, Yinggehai Basin[J]. Oil & Gas Geology, 36(2): 288–296.
[] Jin B, Liu Z, Li X S, et al. 2008. Relationship between accumulation of natural gas and geotemperature-geopressure system in Yinggehai Basin[J]. Natural Gas Geoscience, 19(1): 49–55.
[] Jin Y X, Lin C Y, Zhao L, et al. 2004. Discussions on FZI methodology in flow unit identification and discrimination[J]. Petroleum Exploration and Development, 31(5): 130–132.
[] Li C L, Zhou C C, Li X, et al. 2010. A novel model for assessing the pore structure of tight sands and its application[J]. Applied Geophysics, 7(3): 283–291. DOI:10.1007/s11770-010-0254-0
[] Liu X J, Zhou G Y, Chen J, et al. 2007. Study on pore structure of tight sand based on resistivity[J]. Natural Gas Industry, 27(1): 41–43.
[] Luo Z T, Wang Y C. 1986. Pore Structure of Oil and Gas Reservoir[M]. Beijing: Science Press.
[] Meng F S, Feng Q F, Yang X R. 2006. Using electro-imaging logging data to analyze secondary porosity[J]. Oil Geophysical Prospecting, 41(2): 221–225.
[] Su J L, Sun J M, Wang T, et al. 2011. An improved method of evaluating reservoir pore structure with nuclear magnetic log data[J]. Journal of Jilin University (Earth Science Edition), 41(S1): 380–386.
[] Wang H Z, Zhang G M, Li L M, et al. 2010. Division of reservoir flow units in Xiao 8-4-3 wells of Xiaoji oilfield[J]. Natural Gas Geoscience, 21(4): 642–646.
[] Wang Z F, Pei J X. 2011. A new accumulation model of high pressure gas in Huangliu Formation of the middle-deep interval in Yinggehai basin:The significance of discovering a good-quality gas pay with overpressure and high production in Well DF14[J]. China Offshore Oil and Gas, 23(4): 213–217.
[] Wang Z Z, He G. 2010. Division of reservoir flow unit and its application[J]. Natural Gas Geoscience, 21(3): 362–366.
[] Xiao L Z, Shi H B. 1998. Low field NMR core analysis and its applications in log analysis[J]. Well Logging Technology, 22(1): 42–49.
[] Xie Y H. 2011. Models of pressure prediction and new understandings of hydrocarbon accumulation in the Yinggehai Basin with high temperature and super-high pressure[J]. Natural Gas Industry, 31(12): 21–25.
[] Yan Y, Yan F, Gui C S, et al. 2015. Flow unit and its application to reservoir classification[J]. Natural Gas Exploration and Development, 38(4): 14–16, 22.
[] Yang J L, Ge C Y, Hu Z Q. 1998. Log Interpreted reservoir pore structure and hydrocarbon potential[J]. Natural Gas Industry, 18(5): 36–39.
[] Yun H Y, Zhao W J, Liu B K, et al. 2002. Researching rock pore structure with T2 distribution[J]. Well Logging Technology, 26(1): 18–21.
[] Zhang L Q, Ji Y L, Ma W J, et al. 1998. Characteristics of fractional geometry and reservoir evaluation of fore mountain belt at Begedashan[J]. Journal of the University of Petroleum, China, 22(5): 31–33.
[] 何雨丹, 毛志强, 肖立志, 等. 2005. 利用核磁共振T2分布构造毛管压力曲线的新方法[J]. 吉林大学学报(地球科学版), 35(2): 177–181.
[] 黄志龙, 朱建成, 马剑, 等. 2015. 莺歌海盆地东方区高温高压带黄流组储层特征及高孔低渗成因[J]. 石油与天然气地质, 36(2): 288–296. DOI:10.11743/ogg20150214
[] 金博, 刘震, 李绪深, 等. 2008. 莺歌海盆地地温-地压系统特征及其对天然气成藏的意义[J]. 天然气地球科学, 19(1): 49–55. DOI:10.11764/j.issn.1672-1926.2008.01.49
[] 靳彦欣, 林承焰, 赵丽, 等. 2004. 关于用FZI划分流动单元的探讨[J]. 石油勘探与开发, 31(5): 130–132.
[] 刘向君, 周改英, 陈杰, 等. 2007. 基于岩石电阻率参数研究致密砂岩孔隙结构[J]. 天然气工业, 27(1): 41–43.
[] 罗蛰潭, 王允诚. 1986. 油气储集层的孔隙结构[M]. 北京: 科学出版社.
[] 孟凡顺, 冯庆付, 杨祥瑞. 2006. 利用电成像测井资料分析次生孔隙率[J]. 石油地球物理勘探, 41(2): 221–225.
[] 苏俊磊, 孙建孟, 王涛, 等. 2011. 应用核磁共振测井资料评价储层孔隙结构的改进方法[J]. 吉林大学学报(地球科学版), 41(增刊1): 380–386.
[] 王怀忠, 张桂明, 李炼民, 等. 2010. 小集油田小8-4-3井区储层流动单元划分研究[J]. 天然气地球科学, 21(4): 642–646.
[] 王振峰, 裴健翔. 2011. 莺歌海盆地中深层黄流组高压气藏形成新模式——DF14井钻获强超压优质高产天然气层的意义[J]. 中国海上油气, 23(4): 213–217.
[] 王志章, 何刚. 2010. 储层流动单元划分方法与应用[J]. 天然气地球科学, 21(3): 362–366.
[] 肖立志, 石红兵. 1998. 低场核磁共振岩心分析及其在测井解释中的应用[J]. 测井技术, 22(1): 42–49.
[] 谢玉洪. 2011. 莺歌海高温超压盆地压力预测模式及成藏新认识[J]. 天然气工业, 31(12): 21–25. DOI:10.3787/j.issn.1000-0976.2011.12.004
[] 闫羽, 闫斐, 桂传松, 等. 2015. 流动单元及其在储层分类中的应用[J]. 天然气勘探与开发, 38(4): 14–16, 22.
[] 杨锦林, 呙长艳, 胡宗全. 1998. 测井解释储集层孔隙结构与含油气性[J]. 天然气工业, 18(5): 36–39.
[] 运华云, 赵文杰, 刘兵开, 等. 2002. 利用T2分布进行岩石孔隙结构研究[J]. 测井技术, 26(1): 18–21.
[] 张立强, 纪友亮, 马文杰, 等. 1998. 博格达山前带砂岩孔隙结构分形几何学特征与储层评价[J]. 石油大学学报(自然科学版), 22(5): 31–33.