2. 西北大学地质学系;
3. 中国石油长庆油田公司勘探开发研究院
2. Department of Geology, Northwest University;
3. Research Institute of Petroleum Exploration & Development, PetroChina Changqing Oilfield Company
低对比度油层是指与水层、干层的电测井与孔隙度测井之间响应差别(即对比度)小,含油饱和度相对较低,测井识别与评价比较困难的油层[1]。欧阳健等[2]通过研究发现,低对比度油层孔隙结构复杂,多孔隙类型发育,复杂的孔隙结构导致岩石导电机理发生改变形成低对比度油层。通常孔隙结构与黏土矿物和束缚水饱和度相互联系:高黏土矿物含量和黏土矿物特殊分布形式使得孔隙结构复杂,从而产生高束缚水饱和度。因此分析低对比度油层的成因,储层孔隙结构是一个很关键的问题。
鄂尔多斯盆地姬塬地区长61储层物性差、孔隙结构复杂、黏土矿物含量高、地层水矿化度高等特征导致低对比度油层发育,给测井识别和评价造成很大困难。目前,前人在低对比度油层的识别方面已经取得了一定的成果[3-4]。程相志等[3]采用图版法、自然电位辅助识别法等方法识别低对比度油层,适用于淡水油藏,对地层水矿化度高和束缚水含量高的低对比度油层存在局限性。蒋阿明[4]采用束缚水饱和度、神经网络法等方法识别低电阻引起的低对比度油层,具有一定的效果,但储层束缚水饱和度的影响因素多样,求取束缚水饱和度时存在不确定性,影响了最终的识别准确率。本文首先通过储层宏观的岩性、物性和水性,微观的孔隙结构、黏土矿物等方面对姬塬地区长61低对比度油层的成因进行了分析;然后利用视地层水电阻率正态分布法[5-7]和Fisher判别分析法[8-11]对长61储层进行识别,解决了由于地层水矿化度高和束缚水含量高造成低对比度油层识别的难题。在此基础上应用神经元非线性Sigmoid函数的突变性质,构建产水率预测模型[12-13],较好地描述了长61低渗透储层非达西渗流特征,并根据产水率与含水饱和度的对应关系进行分级评价,用以指导油田勘探和开发工作。
1 地质概况姬塬地区位于鄂尔多斯盆地西部[14],构造上横跨天环坳陷和伊陕斜坡两大构造单元(图 1)。该区延长组长61油藏属于低孔、低渗透岩性油藏[15-17],储层主要为三角洲前缘水下分流河道和河口坝环境形成的碎屑岩储集体[18-19]。长61储层宏观物性差、非均质性强[20-21],微观孔隙结构复杂、孔隙类型多样[15],其宏观特征是由微观特性所决定的。
姬塬地区长61储层总体以细砂岩为主,含有少量中砂岩和粗砂岩,岩石类型主要为长石砂岩,其次为岩屑长石砂岩,长石以钾长石为主,岩屑以喷出岩、石英岩、千枚岩和白云岩为主。储层的填隙物含量较高,为12.0%,主要由绿泥石、高岭石、水云母、铁方解石和少量硅质组成。从储层的物性来看,研究区属于低孔、低渗透储层,孔隙度平均为10.7%,渗透率平均为0.5mD。储层孔隙类型复杂,具有多孔隙类型的特征,以粒间孔和长石溶孔为主,存在部分岩屑溶孔和少量的晶间孔。长61储层宏观低孔、低渗透特征是微观复杂孔隙类型和高含量孔隙充填物所导致的,也决定了形成低对比度油层的成因背景。
3 低对比度油层成因分析 3.1 孔隙结构对低对比度油层的影响姬塬地区长61储层具有砂岩粒度细、孔隙类型多和黏土矿物含量高的特征,造成储层孔隙结构复杂,渗透率降低,束缚水含量增加,黏土矿物吸附束缚水,微小孔隙充填束缚水,这些束缚水产生附加导电作用使得储层电阻率降低,形成低对比度油层[22-23]。长61储层60块岩心核磁共振实验结果表明(图 2),束缚水饱和度主要分布在50%~60%之间,平均值高达52.1%;填隙物中黏土矿物含量较高,主要为水云母(伊利石)和绿泥石,扫描电镜结果显示,水云母(伊利石)、绿泥石多数呈薄膜状、丝缕状分布(图 3、图 4)。长61储层孔隙空间中较高的黏土矿物含量并伴随水云母(伊利石)和绿泥石的薄膜状、丝缕状分布形式,使得孔隙结构复杂,微小孔隙和不连通的孔隙增多,束缚水含量增加,束缚水产生附加导电作用导致电阻率降低,从而形成低对比度油层。
姬塬地区长61储层地层水矿化度差异较大,总矿化度主要在45~125g/L之间,平均为76.3g/L(图 5),属于较高地层水矿化度储层[24]。根据地层水矿化度与电阻率关系(图 6)可知,常规油水层主要存在于高电阻率、低地层水矿化度储层,而低对比度油水层主要存在于低电阻率、高地层水矿化度储层;地层水矿化度越高,则电解质的浓度越大,电阻率就越低,反之电阻率越高。因此,储层高矿化度地层水是造成低对比度油层的主要因素之一。
视地层水电阻率正态分布法是一种用于测井资料分析的成熟方法。前人[5-7]利用视地层水电阻率正态分布法进行水淹层、复杂油藏油水层等领域的测井识别,均取得了较好的效果。
视地层水电阻率正态分布法是利用
$ {R_{{\rm{wa}}}} = \frac{{{R_{\rm{t}}}}}{F} = \frac{{{R_{\rm{t}}}{\phi ^m}}}{a} $ | (1) |
式中Rwa—视地层水电阻率,Ω·m;
Rt—地层真电阻率,Ω·m;
F—地层因素;
ϕ—孔隙度;
m—胶结指数;
a—岩性系数。
视地层水电阻率正态分布曲线特征:①油层,斜率较高,
Fisher判别分析法作为一种分类方法在20世纪30年代由Ronald Fisher提出。该判别分析方法的基本思想是投影,将多维数据点(例如有多条测井曲线的采样点)投影到一条直线上;然后按方差分析的思想选出最优投影方向,使得投影后样品总体(总数据体)包含的各种类型能尽可能分开,从而确定判别函数;再依据建立的判别函数判定待判样品的类别[8]。该方法已被广泛地应用于低阻油气层[8]、水淹层[9]、致密砂岩储层[10]和火山岩储层[11]等领域的流体识别,并且应用效果显著。
4.2.1 测井特征曲线的优选根据对姬塬地区长61储层的岩性、物性、电性及含油性特征分析可知:自然电位幅度差(ΔSP)反映储层的岩性,密度(DEN)反映储层的物性,深电阻率(RT)和声波时差(AC)能较好地反映储层的电性和含油性特征,并且可以运用统计分析技术对数据体作相关性分析和p值检验(表 1,括号内为p值)。因此,选择上述4个独立性较强且代表储层特征的原始变量作为低对比度油层流体识别的主要分析参数。选取56口井61个试油层段作为样本点,利用Fisher判别分析法建立姬塬地区长61低对比度油层流体识别模型。
根据Fisher判别分析法求解原理对研究区所选取样本的测井数据进行分析,得到Fisher典则判别函数特征值和方差贡献率(表 2)。
由表 2可见,第1典则判别函数和第2典则判别函数的特征值累积方差贡献率达99.2%,包含了绝大部分变量信息,第3典则判别函数特征值方差贡献率较低,对综合判断结果影响不大,同时考虑到简化判别过程,因此选择第1典则判别函数和第2典则判别函数作为低对比度油层流体识别的特征变量。第1典则判别函数和第2典则判别函数分别为:
$ {\rm{F1 = 0}}{\rm{.070AC}}-{\rm{12}}{\rm{.131DEN + 0}}{\rm{.231RT}}-{\rm{0}}{\rm{.038\Delta SP + 10}}{\rm{.491}} $ | (2) |
$ {\rm{F2 = 0}}{\rm{.218AC + 21}}{\rm{.627DEN}}-{\rm{0}}{\rm{.051RT}}-{\rm{0}}{\rm{.180\Delta SP-97}}{\rm{.088}} $ | (3) |
式中 F1—第1典则判别函数;
F2—第2典则判别函数;
AC—声波时差,μs/m;
DEN —密度,g/cm3;
RT—深电阻率,Ω·m;
ΔSP—自然电位幅度差,mV。
经过Fisher判别分析法处理后,各样品的第1典则判别函数与第2典则判别函数交会结果如图 8所示。从图 8可以看出,油层、油水同层、含油水层以及水层之间界限明显,相对于常规交会图,其区分度大幅提高。
油层的识别是根据试油数据和对应的测井响应特征值求出判别函数,利用判别函数对储层未知的油层进行识别的过程。根据Fisher判别分析理论,运用Forward.net测井解释软件进行分析,得出4类储层流体的判别函数分别为:
$ {\rm{Y1 = 30}}{\rm{.222AC + 4024}}{\rm{.661DEN}}-{\rm{5}}{\rm{.431RT}}-{\rm{12}}{\rm{.928\Delta SP-8086}}{\rm{.290}} $ | (4) |
$ {\rm{Y2 = 31}}{\rm{.218AC + 4109}}{\rm{.543DEN}}-{\rm{5}}{\rm{.395RT}}-{\rm{13}}{\rm{.710\Delta SP-8505}}{\rm{.464}} $ | (5) |
$ {\rm{Y3 = 30}}{\rm{.852AC + 4122}}{\rm{.063DEN}}-{\rm{6}}{\rm{.160RT}}-{\rm{13}}{\rm{.526\Delta SP-8439}}{\rm{.237}} $ | (6) |
$ {\rm{Y4 = 30}}{\rm{.348AC + 4110}}{\rm{.311DEN}}-{\rm{6}}{\rm{.341RT}}-{\rm{13}}{\rm{.085\Delta SP-8303}}{\rm{.691}} $ | (7) |
式中 Y1、Y2、Y3、Y4—分别为油层、油水同层、含油水层和水层的判别函数。
对于未知流体类型的储层,把其测井值代入公式(4)至公式(7)分别计算其判别函数值,然后进行比较,判别函数值最大的流体类型就是其所属类别,利用所建立的判别模型进行储层流体识别。
4.2.4 应用效果利用建立的判别模型对姬塬地区2016年新完钻20口探评井长61层段20个低对比度油层进行流体类型判别,判别结果与试油结果对比见表 3。从表 3可以看出:使用常规图版法解释,一次解释的符合率为70%;使用Fisher判别分析法识别后,精细解释油层的符合率为100%,油水同层的符合率为100%,其整体符合率达到了90%。表明利用Fisher判别分析法识别姬塬地区长61低对比度油层的流体类型,大幅提高了测井解释的符合率,建立的判别模型有效。
对于中、高渗透储层,地层产出流体的动态规律主要服从多相流体在多孔介质微观孔隙中的分布与渗流特性,即遵从达西定律。对于油、水共渗体系,地层产水率Fw可近似表示为[25]:
$ {F_{\rm{w}}} = \frac{{{Q_{\rm{w}}}}}{{{Q_0} + {Q_{\rm{w}}}}} = \frac{1}{{1 + \frac{{{K_{{\rm{ro}}}}}}{{{K_{{\rm{rw}}}}}} \times \frac{{{\mu _{\rm{w}}}}}{{{\mu _0}}}}} $ | (8) |
式中 Qw—水的分流量,m3;
Qo—油的分流量,m3;
Kro—油的相对渗透率;
Krw—水的相对渗透率;
μw—水的黏度,Pa·s;
μo——油的黏度,Pa·s。
对一个具体油藏而言,水油黏度比μw/μo为一定,产水率只取决于油、水的相对渗透率比值的大小,而后者是油藏含水饱和度的函数,所以产水率Fw也就是含水饱和度Sw的函数[25]。根据Buckley-Leverrett的水驱理论和油藏数值模拟方法,油、水相对渗透率比值与含水饱和度之间的关系如公式(9)所示,即它们之间呈现为指数关系:
$ \frac{{{K_{{\rm{ro}}}}}}{{{K_{{\rm{rw}}}}}} = a{{\rm{e}}^{-b{s_{\rm{w}}}}} $ | (9) |
式中a—直线的截距;
b—直线的斜率。
基于公式(9),利用含水饱和度计算油、水相对渗透率比值,然后可以求得地层产水率,即地层产水率的计算归结为建立含水饱和度与产水率之间函数关系的过程。
5.2 产水率模型针对姬塬地区长61低渗透储层,流体在多孔介质中的流动规律不再符合经典的渗流规律—达西定律[26]。因此,前人[12-13]提出利用神经元非线性Sigmoid函数的突变性质,建立了产水率与含水饱和度之间非线性关系式,较好地描述低渗透非达西渗流特征,在产水率预测和油水层识别中取得良好的效果。本文以姬塬地区14口井长61层段19个样品的相渗分析资料为基础,应用神经元非线性Sigmoid函数建立产水率预测模型,并对实测的产水率与模型计算的产水率进行验证,用以检验模型的精度。
结合岩心分析的含水饱和度与产水率之间的关系(图 9),利用含水饱和度直接拟合姬塬地区长61低渗透储层的产水率:
$ {F_{\rm{w}}} = \frac{1}{{0.02287 \times \exp (-0.244 \times ({S_{\rm{w}}}-50)) + 0.009846}} $ | (10) |
由图 9可知,公式(10)能理想地反映产水率与含水饱和度之间的关系。利用公式(10)计算储层产水率与岩心分析产水率的相关系数为0.95。
5.3 分级评价构建的产水率计算模型,完成了利用含水饱和度定量评价产水率的过程,根据含水饱和度与产水率对应关系,将姬塬地区长61储层产出的流体分为油层、Ⅰ类油水同层(油多水少)、Ⅱ类油水同层(油少水多)、含油水层(水层)4个级别(表 4),开展产出流体分级定量评价,进而精细表征流体性质和产液情况,使得勘探生产工作更加精细,并在开发建产时能有效地规避低效井区。
基于Sigmoid函数的产水率模型,较好地拟合了姬塬地区长61低渗透储层的产水率,但低渗透储层试油时普遍进行压裂改造,工艺措施的不同对储层改造效果的影响很大,因此需消除压裂改造对储层产水率变化的影响。针对这一问题,在研究区选取同一井区同一时段内完钻并已试油投产的开发井进行产水率预测,确保在同一井区开发方案相同并且相同时段的情况下压裂改造措施基本相同。对研究区内H57井区2015—2016年投产的64口井产水率进行计算,并应用建立的标准进行产水率分级评价,与压裂试油后投产初期产水率(前3个月平均)进行对比分析(图 10),相关系数达到了0.917,模型精度与分级评价结果满足研究区低渗透储层的勘探开发生产需求。
图 11和图 12为H57井区内两口开发井的应用实例。D72-391井测井计算含水饱和度为53.0%,应用模型计算初期产水率为48.0%(图 13),依据分级评价标准解释为Ⅰ类油水同层(图 11、图 13),压裂试油结果显示,日产油21.0t,日产水9.0m3,投产初期产水率为46.7%,与计算初期产水率结果相符;D55-64长61测井计算含水饱和度为57.0%,应用模型计算初期产水率为71.5%(图 13),依据分级评价标准解释为Ⅱ类油水同层(图 12、图 13),压裂试油结果显示,日产油15.0t,日产水12.0m3,投产初期产水率为72.0%,与计算初期产水率结果相符。通过两口开发井的产水率分级评价实例,表明应用模型计算的产水率,将测井解释的油水同层进一步细化,为开发产能建设提供了技术支持,有效地规避低效井区。
(1) 姬塬地区长61储层孔隙结构复杂,地层水矿化度高,储层低对比度的成因主要是高黏土矿物含量和黏土矿物的分布形式导致孔隙结构复杂,束缚水含量增高,束缚水附加导电和高地层水矿化度二者共同作用导致。
(2) 应用视地层水电阻率正态分布法和Fisher判别分析法,有效解决了姬塬地区长61低对比度油层识别问题,提高了测井解释的符合率。
(3) 基于岩心相渗分析数据和测井计算的含水饱和度,应用神经元非线性Sigmoid函数构建产水率模型,根据含水饱和度与产水率的对应关系,建立分级评价标准,从而开展产出流体分级定量评价,精细表征流体性质,有力指导了勘探开发工作,提高了经济效益。
[1] |
欧阳健, 毛志强, 修立军, 石玉江, 李长喜, 李善军, 等.
测井低对比度油层成因机理与评价方法[M]. 北京: 石油工业出版社, 2009.
Ou Yangjian, Mao Zhiqiang, Xiu Lijun, Shi Yujiang, Li Changxi, Li Shanjun, et al. Origin mechanism and evaluation method of logging low constrast oil reservoir[M]. Beijing: Petroleum Industry Press, 2009. |
[2] |
欧阳健, 修立军, 石玉江, 李长喜. 测井低对比度油层饱和度评价与分布研究及其应用[J].
中国石油勘探, 2009, 14(1): 38–52.
Ou Yangjian, Xiu Lijun, Shi Yujiang, Li Changxi. Saturation evaluation and distribution of low-contrast oil reservoirs[J]. China Petroleum Exploration, 2009, 14(1): 38–52. |
[3] |
程相志, 周灿灿, 范宜仁, 王照慧, 黄书先. 淡水油藏中低对比度油气层成因及识别技术[J].
石油天然气学报, 2007, 29(6): 62–68.
Cheng Xiangzhi, Zhou Cancan, Fan Yiren, Wang Zhaohui, Huang Shuxian. Genesis and identification of low contrast pay zones in fresh-water reservoirs[J]. Journal of Oil and Gas Technology, 2007, 29(6): 62–68. |
[4] |
蒋阿明. 苏北盆地低对比度油层特征及识别方法[J].
石油天然气学报, 2011, 33(6): 248–252.
Jiang A ming. Characteristics of the low-contrast reservoirs and recognition methods in Subei Basin[J]. Journal of Oil and Gas Technology, 2011, 33(6): 248–252. |
[5] |
王秀艳, 周凤鸣, 王文先. 浅谈利用正态分布法识别水淹层[J].
测井技术, 1999, 23(1): 29–32.
Wang Xiuyan, Zhou Fengming, Wang Wenxian. On identification of waterer-out zones by normal distribution method[J]. Well Logging Technology, 1999, 23(1): 29–32. |
[6] |
孙志文, 马彩琴, 吴辉, 郑应钊, 刘子平. 应用正态分布法判别青西复杂油藏的油水层[J].
石油地球物理勘探, 2005, 40(6): 721–723.
Sun Zhiwen, Ma Caiqin, Wu Hui, Zheng Yingzhao, Liu Ziping. Using normal distribution to identify oil layer and water layer in Qingxi complex reservoir[J]. Oil Geophysical Prospecting, 2005, 40(6): 721–723. |
[7] |
毕林锐, 毛志强, 肖承文, 刘兴礼. 正态分布法在油(气)水层判别上的应用[J].
石油天然气学报, 2006, 28(3): 76–78.
Bi Linrui, Mao Zhiqiang, Xiao Chengwen, Liu Xingli. Application of normal distribution method in identifying oil (gas) and water zones[J]. Journal of Oil and Gas Technology, 2006, 28(3): 76–78. |
[8] |
徐守余. SQ油田低阻油气层测井综合解释及评价[J].
石油勘探与开发, 2000, 27(6): 74–76.
Xu Shouyu. Comprehensive log interpretation and evaluation of low resistivity reservoirs for SQ oil field[J]. Petroleum Exploration and Development, 2000, 27(6): 74–76. |
[9] |
张姮妤, 高庆冕, 齐秀丽. 薄差水淹层Fisher判别分析方法[J].
大庆石油地质与开发, 2016, 36(4): 147–151.
Zhang Hengyu, Gao Qingmian, Qi Xiuli. Fisher discriminating and analyzing method for thin-and-poor watered-out oil reservoir[J]. Petroleum Geology and Oilfield Development in Daqing, 2016, 36(4): 147–151. |
[10] |
凡睿, 周林, 吴俊, 曾韬, 周晓峰. 川东北地区须家河组致密砂岩储层流体识别方法研究[J].
油气地质与采收率, 2015, 22(3): 67–71.
Fan Rui, Zhou Lin, Wu Jun, Zeng Tao, Zhou Xiaofeng. Research on tight sandstone reservoir fluids identification in Xujiahe Formation, northeastern Sichuan Basin[J]. Petroleum Geology and Recovery Efficiency, 2015, 22(3): 67–71. |
[11] |
文得进, 张占松. 利用Fisher判别分析技术识别火山岩油水层[J].
石油天然气学报, 2010, 32(3): 96–99.
Wen Dejin, Zhang Zhansong. Identification of volcanic oil and water layer by the fisher discriminatory and analytical technology[J]. Journal of Oil and Gas Technology, 2010, 32(3): 96–99. |
[12] |
梅俊伟, 彭仕宓, 李雄炎, 周金煜, 于红岩. 利用Sigmoid函数表征超低渗透储层的非达西渗流特征[J].
西安石油大学学报:自然科学版, 2011, 26(2): 64–67.
Mei Junwei, Peng Shimi, Li Xiongyan, Zhou Jinyu, Yu Hongyan. Characterization of the non-darcy seepage flow in ultra-low permeability reservoir based on sigmoid function[J]. Journal of Xi'an Shiyou University:Natural Science Edition, 2011, 26(2): 64–67. |
[13] |
许长福, 李雄炎, 周金昱, 李洪奇, 谭锋奇, 于红岩. 岩性油藏特征制约下超低渗透油层快速识别方法与模型[J].
中南大学学报:自然科学版, 2012, 43(1): 265–271.
Xu Changfu, Li Xiongyan, Zhou Jinyu, Li Hongqi, Tan Fengqi, Yu Hongyan. Method and model of rapidly identifying ultra-low permeability reservoir based on lithologic reservior characteristics[J]. Journal of Central South University:Science and Technology, 2012, 43(1): 265–271. |
[14] |
李成, 淡卫东, 袁京素, 辛红刚, 张三, 马艳丽. 鄂尔多斯盆地姬塬地区长4+5油藏控制因素及成藏模式[J].
中国石油勘探, 2016, 21(2): 45–52.
Li Cheng, Dan Weidong, Yuan Jingsu, Xin Honggang, Zhang San, Ma Yanli. Controlling factors and hydrocarbon accumulation pattern of Chang 4+5 oil reservoirs in Jiyuan area, Ordos Basin[J]. China Petroleum Exploration, 2016, 21(2): 45–52. |
[15] |
王伟, 朱玉双, 牛小兵, 梁晓伟, 淡卫东. 鄂尔多斯盆地姬塬地区长6储层微观孔隙结构及控制因素[J].
地质科技情报, 2013, 32(3): 118–124.
Wang Wei, Zhu Yushuang, Niu Xiaobing, Liang Xiaowei, Dan Weidong. Characteristics of reservoir microscopic pore structure and its controlling factors of Chang-6 in Jiyuan area of Ordos Basin[J]. Geological Science and Technology Information, 2013, 32(3): 118–124. |
[16] |
方朝刚, 李凤杰, 陈俊宇, 周效华, 孟立娜, 李磊, 等. 鄂尔多斯盆地姬塬油田上三叠统延长组长6油层组有利储层分布及控制因素[J].
地质科技情报, 2014, 33(3): 126–132.
Fang Chaogang, Li Fengjie, Chen Junyu, Zhou Xiaohua, Meng Lina, Li Lei, et al. Favorable reservior distribution and its controlling factors of the Chang-6 interval of upper Triassic Yanchang Formation in Jiyuan oilfield, Ordos Basin[J]. Geological Science and Technology Information, 2014, 33(3): 126–132. |
[17] |
徐美娥, 尹伟, 陈冬, 刘振峰, 张云霞. 鄂尔多斯盆地红河油田延长组致密砂岩储层反演预测[J].
中国石油勘探, 2015, 20(1): 63–68.
Xu Meie, Yin Wei, Chen Dong, Liu Zhenfeng, Zhang Yunxia. Inversion prediction of tight sandstone reservoir of Yangchang Formation of Honghe oilfield in Ordos Basin[J]. China Petroleum Exploration, 2015, 20(1): 63–68. |
[18] |
宋凯, 吕剑文, 杜金良, 王宏科. 鄂尔多斯盆地中部上三叠统延长组物源方向分析与三角洲沉积体系[J].
古地理学报, 2002, 4(3): 59–66.
Song Kai, Lu Jianwen, Du Jinliang, Wang Hongke. Source direction analysis and delta depositional systems of Yanchang Formation of the Upper Triassic in the central Ordos Basin[J]. Journal of Palaeogeography, 2002, 4(3): 59–66. |
[19] |
王昌勇, 郑荣才, 王海红, 韩永林, 王成玉, 牛小兵. 鄂尔多斯盆地姬塬地区长6油层组物源区分析[J].
沉积学报, 2008, 26(6): 933–938.
Wang Changyong, Zheng Rongcai, Wang Haihong, Han Yonglin, Wang Chengyu, Niu Xiaobing. Provenance analysis of Chang-6 oil reservoir set in Jiyuan region in Ordos Bain[J]. Acta Sedmentologica Sinica, 2008, 26(6): 933–938. |
[20] |
罗静兰, 刘小洪, 林潼, 张三, 李博. 成岩作用与油气侵位对鄂尔多斯盆地延长组砂岩储层物性的影响[J].
地质学报, 2006, 80(5): 664–673.
Luo Jinglan, Liu Xiaohong, Lin Tong, Zhang San, Li Bo. Impact of diagenesis and hydrocarbon emplacement on sandstone reservoir quality of the Yanchang Formation (Upper Triassic) in the Ordos Basin[J]. Acta Geologica Sinica, 2006, 80(5): 664–673. |
[21] |
公繁浩, 鲍志东, 季汉成, 范正平, 刘丽, 伍星. 鄂尔多斯盆地姬塬地区上三叠统长6段储层成岩非均质性[J].
吉林大学学报:地球科学版, 2011, 41(3): 639–646.
Gong Fanhao, Bao Zhidong, Ji Hancheng, Fan Zhengping, Liu Li, Wu Xing. Study on the reservoir diagenesis heterogeneity of the Chang-6 member of Upper Triassic in Jiyuan area of Ordos Bain[J]. Journal of Jilin University:Earth Science Edition, 2011, 41(3): 639–646. |
[22] |
李浩, 刘双莲, 吴伯福, 刘伟兴. 低电阻率油层研究的3个尺度及其意义[J].
石油勘探与开发, 2005, 32(2): 123–125.
Li Hao, Liu Shuanglian, Wu Bofu, Liu Weixing. Three standards for studying low resistivity oil zones[J]. Petroleum Exploration and Development, 2005, 32(2): 123–125. |
[23] |
廖明光, 苏崇华, 唐洪, 姜巍. W油藏粘土矿物特征及油层低阻成因[J].
西南石油大学学报:自然科学版, 2010, 32(5): 70–74.
Liao Mingguang, Su Chonghua, Tang Hong, Jiang Wei. Characteristics of clay minerals in W low resistivity reservoirs and the genesis of low resistivity[J]. Journal of Southwest Petroleum University:Science & Technology Edition, 2010, 32(5): 70–74. |
[24] |
李士祥, 楚美娟, 王腾飞, 张文选, 周新平. 鄂尔多斯盆地姬塬地区延长组长6油层组地层水特征与油藏聚集关系[J].
中国石油勘探, 2017, 22(5): 43–53.
Li Shixiang, Chu Meijuan, Wang Tengfei, Zhang Wenxuan, Zhou Xinping. Features of formation water and implications for hydrocarbon accumulation in Chang 6 pay zone, Jiyuan area, Ordos Basin[J]. China Petroleum Exploration, 2017, 22(5): 43–53. |
[25] |
何更生.
油层物理[M]. 北京: 石油工业出版社, 1994.
He Gengsheng. Reservoir physics[M]. Beijing: Petroleum Industry Press, 1994. |
[26] |
黄延章.
低渗透油层渗流机理[M]. 北京: 石油工业出版社, 1998.
Huang Yanzhang. Percolating flow mechanism of low permeability[M]. Beijing: Petroleum Industry Press, 1998. |