西南石油大学学报(自然科学版)  2019, Vol. 41 Issue (4): 33-44
花岗岩潜山双重孔隙介质油藏地质建模方法    [PDF全文]
潘晓庆1 , 宋来明2, 牛涛2, 张雨晴2, 高玉飞2    
1. 中国海洋石油国际有限公司, 北京 东城 100027;
2. 中海油研究总院有限责任公司, 北京 朝阳 100028
摘要: 花岗岩潜山裂缝型油藏受构造、风化、溶蚀等作用影响,其储层具有双重孔隙特征,其地质建模研究一直为业内难点和热点。为此,综合运用测井、地震、岩芯、试井等多方面资料,深入剖析了裂缝成因,明确了断层和“沟脊”地貌为该区裂缝分布的主控因素;进而,采用DFN(Discrete Fracture Network)建模技术,形成了以裂缝成因控制的花岗岩潜山地质建模方法。即以裂缝成因为依据建立了裂缝分布的趋势体,以之为约束,建立花岗岩潜山裂缝网络模型,进而得到等效裂缝属性模型,并通过测井、试井等资料校验模型的可靠性。应用该方法,建立渤海A油田花岗岩潜山的地质模型,该模型较好地表征了油田裂缝分布特征,为开发方案编制奠定了基础。
关键词: 花岗岩潜山     地质建模     双重介质     裂缝建模     DFN建模技术    
A Geological Modeling Method for Dual Porous Reservoirs in Granite Buried Hills
PAN Xiaoqing1 , SONG Laiming2, NIU Tao2, ZHANG Yuqing2, GAO Yufei2    
1. CNOOC International Limitid, Dongcheng, Beijing 100027, China;
2. CNOOC Research Institute Co. Ltd., Chaoyang, Beijing 100028, China
Abstract: Fractured oil reservoirs in granite buried hills are influenced by tectonic motion, weathering, and corrosion. Since layers in these reservoirs are dual porous, geological modeling of these layers has been a difficult task but is also an important topic in the field. Hence, this work combines logging, seismic, core, and well testing data to thoroughly investigate the causes of fracturing. It is determined that faults and "gully ridge" landforms are the major factors that determine the fracture distribution in the region. Subsequently, the discrete fracture network (DFN) modeling technique was used to develop a geologic model for the fracture mechanism in the granite buried hills. Fracture distributions are created and used as a constraint to form a fracture network model for the granite buried hills. An equivalent fracture attribute model was obtained and its reliability was tested using information such as well logging and testing data. A geological method for the granite buried hills in the Bohai A Oilfield was constructed using this method. This model better characterizes the fracture distribution in the oil field and provides a foundation for formulating exploration plans.
Keywords: granite buried hills     geological modeling     dual medium     fracture modeling     DFN modeling technique    
引言

近年来,随着中国石油勘探的不断深入,越来越多的裂缝型油藏被发现[1-2],裂缝型油藏已逐渐成为中国油气储量及产量的重要增长来源。裂缝型油藏内孔隙和裂缝随机分布于储层中,导致其储层具有较强的非均质性,储层描述困难、开发难度大。探索能够有效描述及表征裂缝型油藏的储层,并建立一套行之有效的潜山油藏地质建模方法,对指导油田开发方案的编制具有重要意义。

三维地质建模是近些年发展起来的高新技术,是以地质建模软件为平台,将地质、测井、地球物理等各种资料或者概念模型综合在一起生成三维定量随机模型的技术[3-9],目前已经发展为油气藏开发的一项重要基础技术。其中,裂缝型油藏地质建模是油藏描述和开发生产领域面对的一个重要方向,但是,直到目前,限于裂缝研究和表征难度,裂缝型油藏地质建模方法一直处于探索阶段。Bill Dershowitz及Peter Robinson等通过努力使得离散裂缝网络模型出现并在石油领域广泛传播,这促使裂缝型油藏地质建模技术提升到了一个新台阶[10-14]。但由于裂缝型油藏建模技术起步较晚,研究难度大,裂缝型油藏地质建模仍存在诸多难题:(1)花岗岩潜山裂缝型油藏为双重孔隙介质油藏,即基质系统和裂缝系统,油藏描述研究不仅要分别描述基质系统和裂缝系统,还要描述这两个系统之间的相互关系。(2)成因控制的裂缝分布趋势体的确定。受构造、风化、地貌等因素影响,油藏范围内发育诸多不同成因的裂缝,不同成因裂缝分布特征不同,明确裂缝成因、建立合理趋势体进而预测裂缝分布是潜山建模的一大难点。(3)裂缝属性模型的等效及优选。属性模型是油藏数值模拟的基础,其等效和优选是裂缝系统建模继续攻关的另一个难点。针对上述难点,以裂缝成因分析为基础,采用离散裂缝网络(DFN)模型随机建模技术,建立潜山油藏地质模型并形成成因控制的裂缝性潜山油藏地质建模方法。

1 研究区概况

渤海A油田位于渤海东部海域,是中生界大型花岗岩潜山油藏。研究区构造处于庙西北凸起上,整体为依附于庙西北凸起东界大断层发育的大型半背斜构造。属于长期遭受风化剥蚀的古地貌潜山,发育南北两个高点(图 1),研究区内主要发育NE—SW、NW—SE走向的两组正断层。

图1 A油田潜山顶面构造图 Fig. 1 Top surface structural map of buried hill in A Oilfield

结合渤海盆地构造发育史、渤海A油田岩矿分析及地震属性等多方面信息综合研究得知,渤海A油田基岩是由两期岩浆侵入形成。中生代中侏罗世岩浆重熔形成层状花岗岩,后期受构造运动作用出露地表遭受长时间风化作用,因此,该期花岗岩物性相对较好。第二期岩浆因侵入时间较晚,形成岩脉,并未接受足够的风化剥蚀作用,物性相对较差。该岩脉形成了物性分割带,对潜山内部油水系统起到了分割作用。

渤海A油田的“沟脊”模式控制了该油田储层的展布及裂缝发育(图 2)。受构造运动作用影响,研究区断层发育,断层附近伴生大量裂缝,风化、淋滤、充填等作用共同影响并形成现今的“沟脊”地貌。由“沟脊”演化模式可知(图 3),渤海A油田“脊”处遭受长期风化淋滤等作用影响,岩石破碎,储层物性较好,裂缝发育且尺度小;“沟”处遭受充填,储层物性较差,裂缝不发育且尺度大。

图2 A油田沟脊平面样式 Fig. 2 Trenches and ridges plane distribution in A Oilfield
图3 A油田沟脊演化模式图 Fig. 3 Schematic diagram of the evolution of trenches and ridges in A Oilfield
2 建模思路及方法

目前,潜山裂缝性油藏地质建模是一项世界性难题。潜山裂缝型油藏的储层为双重介质储层,因此,建立地质模型时既要建立基质系统模型,也要建立裂缝系统模型,最终通过中间参数Sigma因子将两个系统沟通起来(图 4)。而传统双重介质油藏的建模并没有采用这种方法。如国内锦州25–1南油田,在开发方案设计阶段并没有分别建立基质和裂缝系统模型,而是简单地将基质与裂缝属性相加,建立了总孔隙度模型和总渗透率模型。该模型不能反映基质和裂缝系统的渗流特征,不能合理指导开发布井[15]。因而,在钻前阶段,分基质系统和裂缝系统重新建立地质模型,可更加有效地指导开发方案的编制。

图4 潜山双重介质储层地质建模流程图 Fig. 4 Geological modeling flow chart of dual porous medium reservoir in buried hill

传统的裂缝建模采用等效连续模型(糖块模型)技术(图 5b),但是这种模型仅将裂缝物性赋值于糖块网格中,并未对裂缝系统进行描述,因而无法表征裂缝真实的渗流特征,已经不能满足现阶段油田开发对储层描述的要求。离散裂缝网络(DFN)建模技术的出现为裂缝建模开辟了新道路,离散裂缝网络建模技术是根据地震、测井、岩芯等资料所获得的裂缝特征(产状、开度、密度等),建立与实际裂缝特征一致的裂缝,将特征相似、成因相同的裂缝归为一类裂缝集合,由各类裂缝集合共同组成裂缝网络模型,由此实现对裂缝系统从几何形态到其渗流行为的逼真描述(图 5c)[16-19]。本文针对花岗岩潜山,探索了成因控制下的离散裂缝网络(DFN)模型的建模技术。

图5 描述裂缝的模型 Fig. 5 Models for describing fractures

裂缝的成因控制了裂缝的形成,成因不同,裂缝的特征亦不同,明确裂缝成因即可分类建立裂缝集合,进而建立裂缝网络模型。首先,综合测井、地震、岩芯等多方面的资料,对裂缝的分布特征及成因开展精细解剖,明确裂缝发育的主控因素,建立裂缝分布的趋势体,在趋势体的约束下建立裂缝密度模型,在裂缝描述的基础上应用密度模型约束建立初步DFN模型,通过测井、试井、油藏工程等资料调整裂缝参数进而优化DFN模型,最终通过DFN模型的等效得到裂缝的属性模型[20](图 6)。

图6 潜山双重介质储层裂缝系统地质建模流程图 Fig. 6 Geological modeling flow chart of fracture system of dual-media reservoir
3 潜山地质模型

三维地质模型是反映地质特征三维变化与分布的数字定量化模型。它是地质工作者对油藏进行综合地质研究的集中体现,是油藏数值模拟及井位部署的基础。

3.1 构造模型

渤海A油田“沟脊”模式的精确表征是该油田地质建模工作的基石。为精细刻画“沟脊”起伏形态,在地质分层及地质模式的指导下,对潜山内各构造面进行追踪及加密解释,得到更精细的地震解释层面。同样,以“沟脊”模式为指导,结合曲率体、相干体、蚂蚁体等多种地震属性,对研究区的断层进行了精细解释。研究区共发育断层29条,全部为正断层,走向主要为NE—NW、NW— SE(图 7)。平面上,选择50 m×50 m的网格大小可准确表征“沟脊”形态。垂向上,选择1 m左右的网格厚度可精确表征隔夹层的分布。最终选用合理的统计学算法,并用井点分层做约束模拟,得到该油田的构造模型(图 8)。

图7 A油田构造图 Fig. 7 Structural map of A Oilfield
图8 A油田构造模型 Fig. 8 Structural model of A Oilfield
3.2 基质系统模型

(1) 岩相模型

渤海A油田基岩由两期岩浆侵入形成,存在较大的物性差异,因而需要将渤海A油田划分岩相。如前所述,综合构造、岩性、暗色矿物分布等多方面资料,确定了渤海A油田二期岩浆侵入的边界(图 9),据此边界划分了渤海A油田的岩相:一期相和二期相。一期相:早期侵入后期受构造运动影响出露地表遭受风化剥蚀,储层物性好;二期相:晚期岩浆侵入形成的局部隆起,风化剥蚀作用弱,储层物性差。采用相控建模的方法建立了渤海A油田物性模型(图 10)。

图9 A油田二期相边界 Fig. 9 Face boundary of the second phase
图10 A油田分期侵入岩相模型 Fig. 10 Facies model of A Oilfield

(2) 属性模型

潜山“沟脊模式”控制储层展布,“脊”处储层物性好于“沟”处。“沟脊”的变化可以用曲率来表征,即正曲率处为“脊”处,负曲率处为“沟”处。因此,在建立基质孔隙度模型时,采用最大曲率作为约束条件,同时利用相控建模方法,建立储层孔隙度模型(图 11a)。一期相,钻井较多达14口,因此,通过数据分析获得合理变程。二期相,仅有1口钻井,无法通过数据分析获得合理变程,只能根据二期花岗岩侵入体在研究区内的延伸长度及宽度给定合理变程。该油田岩芯基质孔隙度与基质渗透率有较好的相关性(图 12),以基质孔隙度三维模型为约束条件,采用协克里金方法建立了基质渗透率三维模型(图 11b)。由模型结果可以看出,渤海A油田基质孔隙度及渗透率在“脊”处好于“沟”处,一期侵入好于二期侵入,地质认识得到了较好的表征。

图11 A油田基质属性模型 Fig. 11 Matrix property models of A Oilfield
图12 A油田岩芯分析孔渗关系 Fig. 12 The relationship between porosity and permeability from core analysis
3.3 裂缝系统模型

(1) 裂缝分组

利用本油田成像测井数据绘制裂缝单井走向玫瑰花图,分析可知,该区域主要发育NE走向和NW走向的两组裂缝(图 13)。测井解释的密度曲线不具有方向性,无法将两组裂缝劈分得到各自的裂缝密度,因此,利用成像测井计算得到这两组裂缝密度的比例,进而结合测井解释裂缝密度,分别创建这两组裂缝的裂缝密度曲线。

图13 A油田裂缝走向玫瑰花图 Fig. 13 Fracture strike rose diagram of A Oilfield

(2) 裂缝密度模型

受构造、风化、地貌等因素的影响,油藏范围内存在诸多不同成因的裂缝,这些裂缝的分布特征也有所不同,因此,明确裂缝的成因是预测裂缝分布的基础。由上文分析可知,“沟脊”模式是控制裂缝发育的一个因素。由裂缝走向玫瑰花图与潜山断层走向对比可知,裂缝的产状与周边断层产状具有较好的一致性,分析裂缝密度可见,远离边界断层裂缝密度逐渐减小(图 14),因此,“断层”是影响裂缝发育的另一个因素。

图14 裂缝密度与断层距离的关系 Fig. 14 The relationship between fracture density and distance to fault

依据影响裂缝分布发育的因素,建立了裂缝分布趋势约束属性,即:距断层距离的趋势体和曲率趋势面。分析认为,NE走向的裂缝主要受断层控制,在距断层距离趋势体的约束下,建立了NE走向的裂缝密度模型(图 15a)。NW走向的裂缝主要受“沟脊”控制,在最大曲率趋势面的约束下,建立了NW走向的裂缝密度模型(图 15b),且在裂缝参数设置时保证“沟”处裂缝尺度大于“脊”处。

图15 A油田裂缝密度模型 Fig. 15 Fracture density models of A Oilfield

(3) 裂缝网络模型(DFN)

精确合理地进行研究区裂缝描述是建立DFN模型不可或缺的基础。描述裂缝的参数有很多,包括密度、长度、开度、产状等。在测井、地震、岩芯、薄片等信息分析的基础上,确定了渤海A油田裂缝描述参数,油田主要发育NE和NW走向的两组裂缝,以高角度缝为主。一期相裂缝密度0~10条/m,裂缝开度平均为220 μm;二期相裂缝密度0~8条/m,裂缝开度平均为200 μm。裂缝长度亦是重要的裂缝描述参数,但受海上地理环境的限制,测量存在较大难度。

结合地震信息,参考鸽子窝—老虎石相近露头及锦州25–1南油田、塔河油田等相似油田[21-23],对比分析确定了渤海A油田裂缝长度。一期相裂缝长度均值150 m,二期相裂缝长度均值170 m。利用这些裂缝描述参数信息,以裂缝密度模型为约束,建立了两组裂缝的DFN模型(图 16)。

图16 A油田裂缝网络模型 Fig. 16 Fracture network models of A Oilfield

(4) 裂缝属性模型

只有获得裂缝属性模型才能应用于油藏数值模拟,进而为开发方案编制提供依据。利用计算速度较快的Oda算法计算得到该油田的裂缝属性模型[24],包括裂缝孔隙度、Sigma因子及裂缝渗透率(图 17图 18图 19)。Oda算法是根据已求得的裂缝网络模型中裂缝片的长度、开度及裂缝片之间的连通关系来计算求取裂缝属性模型的。其中,Sigma因子是表征基质与裂缝之间连通关系的参数[25-26],得到它就能将基质属性与裂缝属性有机结合在一起,为油藏数值模拟所应用。得到属性模型后,将模型的单井裂缝属性与测井解释的裂缝属性、试井解释的裂缝属性进行比对校正,若有偏差,可在合理范围内通过调节裂缝参数来修正,直至结果合理。

图17 A油田裂缝孔隙度模型 Fig. 17 Fracture porosity model of A Oilfield
图18 A油田Sigma因子模型 Fig. 18 Sigma factor model of A Oilfield
图19 A油田裂缝渗透率模型 Fig. 19 Fracture permeability model of A Oilfield
3.4 模型效果

裂缝属性模型显示,一期相物性明显优于二期相,脊处物性好于沟处,断层附近物性较高,较好地表征了地质认识。采用测井解释的裂缝孔隙度曲线与裂缝网络模型等效得到的孔隙度进行对比,结果显示,测井解释裂缝孔隙度平均值为0.51%,模型等效的裂缝孔隙度平均值0.60%,二者曲线形态一致(图 20),具有较高的吻合度。模型等效裂缝$ i $$ j $$ k $方向渗透率均值为171~216 mD,测井解释渗透率平均值为170 mD,误差在合理范围内,可见基于DFN模型等效得到的物性模型具有较高的准确性。采用此模型进行储量计算与容积法储量计算所得储量误差很小,仅为0.9%,据此也反映出本模型具有较高的可信度,可作油藏数值模拟的基础。

图20 裂缝参数与距断层距离的关系 Fig. 20 Fracture porosity comparison of logging interpretation and scale up form DFN
4 结论

(1) 渤海A油田裂缝分布的主要控制因素是断层和“沟脊”地貌,据此建立了该区域约束裂缝分布预测的两个趋势约束属性:距断层距离的趋势体和曲率趋势面。

(2) 综合两组裂缝密度模型,应用DFN技术建立了渤海A油田的裂缝网络模型。结果表明,距离断层越远裂缝密度越小,沟处裂缝密度小于脊处,而裂缝尺度大于脊处,符合地质认识。

(3) 利用Oda算法计算得到了渤海A油田裂缝属性模型,与测井、试井解释成果吻合较好,可为开发方案编制提供依据。

参考文献
[1]
邓运华. 渤海大中型潜山油气田形成机理与勘探实践[J]. 石油学报, 2015, 36(3): 253-261.
DENG Yunhua. Formation mechanism and exploration practice of large-medium buried-hill oilfields in Bohai Sea[J]. Acta Petrolei Sinica, 2015, 36(3): 253-261. doi: 10.7623/syxb201503001
[2]
关宝文, 郭建明, 杨燕, 等. 油气储层裂缝预测方法及发展趋势[J]. 特种油气藏, 2014, 21(1): 12-17.
GUAN Baowen, GUO Jianming, YANG Yan, et al. Methods of fracture prediction in oil & gas reservoirs and their development trend[J]. Special Oil & Gas Reservoirs, 2014, 21(1): 12-17. doi: 10.3969/j.issn.1006-6535.2014.01.003
[3]
WARREN J E, ROOT P J. The behavior of naturally fractured reservoirs[J]. Society of Petroleum Engineers Journal, 1963, 3(3): 245-255. doi: 10.2118/426-PA
[4]
KAZEMI H, KAZEMI H. Pressure transient analysis of naturally fractured reservoirs with uniform fracture distribution[J]. Society of Petroleum Engineers Journal, 1969, 9(4): 451-462. doi: 10.2118/2156-A
[5]
顾少华, 刘月田, 范乐宾, 等. 变质岩裂缝性潜山油藏储层建模方法研究[J]. 断块油气田, 2012, 19(3): 312-315.
GU Shaohua, LIU Yuetian, FAN Lebin, et al. Method study on reservoir modeling of fractured buried hill reservoir with metamorphic rock[J]. Fault-Block Oil & Gas Field, 2012, 19(3): 312-315.
[6]
杨辉廷, 颜其彬, 李敏, 等. 油藏描述中的储层建模技术[J]. 天然气勘探与开发, 2004, 27(3): 45-49.
YANG Huiting, YAN Qibin, LI Min, et al. Reservoir modeling technique in pool description[J]. Natural Gas Exploration and Development, 2004, 27(3): 45-49. doi: 10.3969/j.issn.1673-3177.2004.03.011
[7]
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.
WU Shenghe, LI Yupeng. Reservoir modeling:Current situation and development prospect[J]. Marine Origin Petroleum Geology, 2007, 12(3): 53-60. doi: 10.3969/j.issn.1672-9854.2007.03.009
[8]
宋海渤, 黄旭日. 油气储层建模方法综述[J]. 天然气勘探与开发, 2008, 31(3): 53-57.
SONG Haibo, HUANG Xuri. Review on reservoirmodeling methods[J]. Natural Gas Exploration and Development, 2008, 31(3): 53-57. doi: 10.3969/j.issn.1673-3177.2008.03.014
[9]
于兴河. 油气储层表征与随机建模的发展历程及展望[J]. 地学前缘, 2008, 15(1): 2-14.
YU Xinghe. A review of development course and prospect of petroleum reservoir characterization and stochastic modeling[J]. Earth Science Frontiers, 2008, 15(1): 2-14. doi: 10.3321/j.issn:1005-2321.2008.01.001
[10]
郑松青, 张宏方, 刘中春, 等. 裂缝性油藏离散裂缝网络模型[J]. 大庆石油学院学报, 2011, 35(6): 49-54.
ZHENG Songqing, ZHANG Hongfang, LIU Zhongchun, et al. Discrete fracture network model for fractured reservoirs[J]. Journal of Daqing Petroleum Institute, 2011, 35(6): 49-54. doi: 10.3969/j.issn.2095-4107.2011.06.009
[11]
王建华. DFN模型裂缝建模新技术[J]. 断块油气田, 2008, 15(6): 55-58.
WANG Jianhua. DFN model:A new modelling technology for fracture[J]. Fault-Block Oil & Gas Field, 2008, 15(6): 55-58.
[12]
郎晓玲, 郭召杰. 基于DFN离散裂缝网络模型的裂缝性储层建模方法[J]. 北京大学学报(自然科学版), 2013, 49(6): 964-972.
LANG Xiaoling, GUO Zhaojie. Fractured reservoir modeling method based on discrete fracture network model[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2013, 49(6): 964-972. doi: 10.13209/j.0479-8023.2013.128
[13]
薛艳梅, 夏东领, 苏宗富, 等. 多信息融合分级裂缝建模[J]. 西南石油大学学报(自然科学版), 2014, 36(2): 57-63.
XUE Yanmei, XIA Dongling, SU Zongfu, et al. Fracture modeling at different scales based on convergent multisource information[J]. Journal of Southwest Petroleum University (Science & Technology Edition), 2014, 36(2): 57-63. doi: 10.11885/j.issn.1674-5086.2012.08.30.11
[14]
吴斌, 唐洪, 张婷, 等. 两种新颖的离散裂缝建模方法——探讨DFN模型和DFM模型[J]. 四川地质学报, 2010, 30(4): 484-487.
WU Bin, TANG Hong, ZHANG Ting, et al. An approach to discrete fracture network stochastic modeling:DFN model and DFM model[J]. Acta Geologica Sichuan, 2010, 30(4): 484-487. doi: 10.3969/j.issn.1006-0995.2010.04.030
[15]
吕坐彬, 赵春明, 霍春亮, 等. 裂缝性潜山变质岩储层地质建模方法——以锦州25-1S潜山为例[J]. 科技导报, 2010, 28(13): 68-72.
LÜ Zuobin, ZHAO Chunming, HUO Chunliang, et al. Geological modeling of fractured buried hill mutation reservoir:With JZ25-1S buried hill as an example[J]. Science and Technology Review, 2010, 28(13): 68-72.
[16]
程林松, 贺立湘, 李春兰, 等. 含天然微裂缝变形介质油藏数值模拟方法[J]. 石油大学学报, 2001, 25(5): 50-52.
CHENG Linsong, HE Lixiang, LI Chunlan, et al. A new method of numerical simulation for naturally microfractured low-permeability reservoir[J]. Journal of the University of Petroleum, China, 2001, 25(5): 50-52. doi: 10.3321/j.issn:1000-5870.2001.05.015
[17]
李玉梅.朝阳沟油田朝5北井区裂缝性储层建模与剩余油定量评价[D].北京: 中国地质大学, 2011.
LI Yumei. Fractured reservoir modeling and residual oil evaluation in the north Chao 5 of Chaoyanggou Oilfield[D]. Beijing: China University of Geosciences (Beijing), 2011. http://cdmd.cnki.com.cn/Article/CDMD-11415-1011077479.htm
[18]
程钰.兴隆台太古界潜山油藏三维构造建模研究[D].武汉: 长江大学, 2012.
CHENG Yu. The 3D structure modeling research of archaean buried hill reservoir in Xinglongtai[D]. Wuhan: Yangtze University, 2012. http://cdmd.cnki.com.cn/Article/CDMD-10489-1012453480.htm
[19]
刘建军, 吴明洋, 宋睿, 等. 低渗透油藏储层多尺度裂缝的建模方法研究[J]. 西南石油大学学报(自然科学版), 2017, 39(4): 90-103.
LIU Jianjun, WU Mingyang, SONG Rui, et al. Study on simulation method of multi-scale fractures in low permeability reservoirs[J]. Journal of Southwest Petroleum University (Science & Technology Edition), 2017, 39(4): 90-103. doi: 10.11885/j.issn.1674-5086.2016.06.25.03
[20]
ZHAO Xiaoming, LIU Li, HU Jialiang, et al. The tectonic fracture modeling of an ultralow permeability sandstone reservoir based on an outcrop analogy:A case in the Wangyao Oilfield of Ordos Basin, China[J]. Petroleum Science, 2014, 11(3): 363-375. doi: 10.1007/s12182-014-0350-5
[21]
BISDOM K, GAUTHIER B D M, BERTOTTI G, et al. Calibrating discrete fracture-network models with a carbonate three-dimensional outcrop fracture network:Implications for naturally fractured reservoir modeling[J]. AAPG Bulletin, 2014, 98(7): 1351-1376. doi: 10.1306/02031413060
[22]
邹华耀, 赵春明, 尹志军, 等. 渤海湾盆地新太古代结晶岩潜山裂缝发育的露头模型[J]. 天然气地球科学, 2013, 24(5): 879-885.
ZOU Huayao, ZHAO Chunming, YIN Zhijun, et al. Fracture-occurring outcrop model in Neoarchean crystalline rock-buried hill, Bohai Bay Basin, north China[J]. Natural Gas Geoscience, 2013, 24(5): 879-885. doi: 10.11764/j.issn.1672-1926.2013.05.879
[23]
赵彬, 侯加根, 刘钰铭, 等. 基于示点性过程模拟的碳酸盐岩裂缝型储层建模方法[J]. 科技导报, 2011, 29(3): 39-43.
ZHAO Bin, HOU Jiagen, LIU Yuming, et al. Modeling of carbonate fractured reservoirs based on marked point process simulation[J]. Science and Technology Review, 2011, 29(3): 39-43. doi: 10.3981/j.issn.1000-7857.2011.03.05
[24]
吕心瑞, 韩东, 李红凯. 缝洞型油藏储集体分类建模方法研究[J]. 西南石油大学学报(自然科学版), 2018, 40(1): 68-77.
LÜ Xinrui, HAN Dong, LI Hongkai. Study on the classification and modeling of fracture-vug oil deposits[J]. Journal of Southwest Petroleum University (Science & Technology Edition), 2018, 40(1): 68-77. doi: 10.11885/j.issn.1674-5086.2016.07.21.03
[25]
苗青, 周存俭, 罗日升, 等. 碳酸盐岩裂缝型油藏裂缝预测及建模技术[J]. 特种油气藏, 2014, 21(2): 37-40.
MIAO Qing, ZHOU Cunjian, LUO Risheng, et al. Fracture prediction and modeling of fractured carbonate oil reservoir[J]. Special Oil and Gas Reservoirs, 2014, 21(2): 37-40. doi: 10.3969/j.issn.1006-6535.2014.02.008
[26]
刘伟新, 宁玉萍, 王华, 等. 双重介质定量描述技术在复杂礁灰岩油田开发中的应用——以珠江口盆地流花4-1油田为例[J]. 中国海上油气, 2014, 26(3): 65-71.
LIU Weixin, NING Yuping, WANG Hua, et al. Application of the technique of quantitatively characterizing doubleporosity medium in the development of complex reeflimestone oilfields:A case of LH4-1 Oilfield, Pearl River Mouth Basin[J]. China Offshore Oil and Gas, 2014, 26(3): 65-71.