第 50 卷第 期 204 年 2 月 兰州大学学报 ( 自然科学版 ) Journal of Lanzhou Unversty (Natural Scences) Vol 50 No Feb 204 文章编号 : 0455-2059(204)0-0039-07 灰色 GM(, n) 模型在孔隙度预测中的应用 以鄂尔多斯盆地姬塬地区长 8 段为例 唐俊,2,3, 廖朋,2, 郝乐伟, 田兵,2, 庞国印,2, 王琪 中国科学院地质与地球物理研究所油气资源研究重点实验室, 兰州 730000 2 中国科学院大学, 北京 00049 3 内蒙古科技大学数理与生物工程学院, 内蒙古包头 0400 摘要 : 对姬塬地区 C98 井长 8 段 ( 分为长 8, 长 8 2 小层 ) 储层岩心分析孔隙度数据进行筛选 处理, 且等间距均值化取值作为特征序列 ; 然后与 C98 井测井资料孔隙度进行了精细的评价 匹配和拟合, 利用灰色关联分析方法计算了孔隙度与各测井曲线的邓氏灰色关联度 灰色绝对关联度 灰色相对关联度和灰色综合关联度, 按照关联度大小提取了较大的 7 个参数 : AC, CAL, CNL, DEN, GR, RT, SP 作为孔隙度预测的影响因素序列 ; 最后建立 GM(, n) 模型对目的层孔隙度进行了模拟和预测, 并做了残差和相对误差分析 从整体上来看, 模型预测结果与钻井取心分析资料基本趋于一致, 达到了纵向上预测的目的, 同时也体现了灰色预测方法具有涉及数据量小 操作简便 运算速度快的特点 关键词 : 灰色关联分析 ; GM(, n) 模型 ; 孔隙度 ; 长 8 段 ; 姬塬地区中图分类号 : P628 文献标识码 : A Applcaton of the grey GM(, n) model to porosty predcton: tang Chang 8 reservor n Jyuan Area of Ordos Basn as an example TANG Jun,2,3, LIAO Peng,2, HAO Le-we, TIAN Bng,2, PANG Guo-yn,2, WANG Q Key Laboratory of Petroleum Resources Research, Insttute of Geology and Geophyscs, Chnese Academy of Scences, Lanzhou 730000, Chna 2 Unversty of Chnese Academy of Scences, Bejng 00049, Chna 3 School of Mathematcs, Physcs and Bologcal Engneerng, Inner Mongola Unversty of Scence and Technology, Baotou 0400, Inner Mongola, Chna Abstract: The reservor core porosty analyss data n Chang 8 of Jyuan C98 well (dvded nto long 8 and 8 2 small layer) was fltered and processed so as to result n spacng averaged values as a sequence of features Then the C98 s well-loggng nformaton on ts porosty was precsely evaluated, matched and ftted, so that the gray relatonal analyss method could be appled to calculate the porosty log curve Deng s, gray relatonal grade, absolute of gray, gray relatve correlaton degree and gray comprehensve correlaton degree In accordance wth the sze of the assocated degree, the followng seven parameters AC, CAL, CNL, DEN, GR, RT, SP were taen as a sequence of factors affectng the porosty predcton Lastly, GM(, n) model was establshed on smulatng and predctng the target layer porosty Meanwhle, the resdual analyss and that of relatve error were also 收稿日期 : 203-05-3; 修回日期 : 203-07-0 基金项目 : 中国科学院西部行动计划项目 (KZCX2-XB3-02); 中国科学院 西部之光 联合学者项目 (Y33WQ-WQ) 作者简介 : 唐俊 (976 ), 男, 内蒙古包头人, 副教授, 博士研究生, e-mal: tj200766@yahoocomcn, 研究方向为地质数学与储层地质学 ; 王琪 (967 ), 男, 山东牟平人, 研究员, 博士研究生导师, e-mal: qwang@lzbaccn, 研究方向为储层地质学与储层地球化学, 通信联系人
40 兰州大学学报 ( 自然科学版 ) 第 50 卷 conducted Generally, the result predcted by the model s mostly consstent wth drllng corng analyss data, whch therefore acheves the purpose of predcton on the vertcal In addton, the advantages of the grey predcton method, e nvolvng a small amount of data, operatng easly, wth hgh operaton speed, etc, are emboded Key words: grey correlaton analyss; GM(, n) model; porosty; Chang 8 member; Jyuan Area 随着油气勘探开发的不断深入, 储层评价和预测对探明含油气有利区带起着至关重要的作用 目前, 中国常规储层物性预测还处于定性 定量阶段, 主要以孔隙度和渗透率为依据,, 孔隙发育程度是评价储层质量的重要指标之一 [], 而对于目的层孔隙度的实际测量数据又不可能覆盖整个层位 因此, 合理预测研究层位未取样段的孔隙度对认清储层物性演化规律及评价储层质量有重要作用 国内学者在孔隙度的预测和演化模拟方面进行了大量研究, 并取得了一些研究成果 潘高峰 [2] 等通过埋藏史和成岩史对孔隙度演化做了定量 [3] 模拟 ; 蒲秀刚等通过分析矿物组分与孔隙度的关系, 提出了长岭凹陷低孔隙度砂岩的孔隙度预测 [4] 模型 ; 于正军等利用协同克里金方法建立了相控模式下的孔隙度预测模型 ; 吴俊等 [5] [6] 方兴等提出利用地震属性反演储层孔隙度的预测方法 ; 顾伟欣等 [7] [8] 杜波等通过多元线性回归的方法建立 [9] 了孔隙度回归预测模型 ; 孟元林等通过成岩场超压分析, 引入成岩指数建立了孔隙度预测模型 ; 张 [0] 荣虎等建立了沉积 成岩 构造的一体化孔隙度 [] 预测模型 ; 江文荣等讨论了径向基函数神经网 [2] 络在孔隙度预测中的应用 ; 胡松等探讨了基于主成分分析的砂砾岩孔隙度计算方法 上述诸多模型分别从定性 定性定量或定量等不同角度讨论了孔隙度的预测方法, 建立了不同应用条件下的孔隙度预测模型 然而, 针对研究区某取芯井确定地层, 由于实测孔隙度数据较少, 具体细化到某一纵向层段孔隙度预测的研究较少, 即利用小样本进行预测的研究较少 目前, 通过小样本预测的方法主要有马尔科夫模型和灰色预测模型 马尔科夫模型虽然需要数据量少, 但是计算的准确率偏低且存储复杂程度偏高 [3] 灰色预测模型主要通过对原始数据的累加生成序列建立指数模型来实现数据预测, GM(, ) 模型是基础和核心 [4] 鉴此, 结合薄片鉴定报告 测井资料 镜下岩心分析资料对鄂尔多斯盆地姬塬地区长 8 段储层孔隙度与各类测井曲线进行灰色关联分析, 提取了 AC, CAL, CNL, DEN, GR, RT, SP( 声波时差 井径 补偿中子 密度 自然伽马 电阻率 自然电 位 ) 作为影响孔隙度的相关因素, 计算了孔隙度 与各相关因素的邓氏灰色关联度 灰色绝对关联 度 灰色相对关联度和灰色综合关联度, 然后利 用 GM(, n) 模型对储层未知区域的孔隙度进行 预测, 以期达到全面了解整个层位质量, 为进一步 进行储层质量评价作出定量的 精确的描述 灰色关联分析 灰色关联分析的基本思想是根据序列曲线几 何形状 ( 散点图 ) 的相似程度来判断其关联是否紧 密 曲线越接近, 相应序列之间的关联度就越大, 反之, 就越小 对一个抽象的系统或现象进行分 析, 首先要选准反应系统的行为特征数据序列, 称 为找系统行为的映射量, 用映射量来间接地表征 系统行为 [5] 具体计算步骤如下 : ) 确定特征序列与影响因素序列 称 = ( (), x(0) (2),, x(0) (n)), n N 为特征数据序列, = ( (), (2),, (n)), 为相关因素序列 记 X = 2 m = = 2,, m; m, n N 2 () x(0) (2) x(0) (n) (2) x(0) () x(0) 2 m () m (2) 2 (n), m (n) () 称 X 为特征数据序列与相关因素序列的特征量矩 阵 2) 无量纲化 为便于计算, 消除不同量纲对结 果的影响 令 D 为算子, 且有 D = ( ()d, (2)d,, (n)d), ()d = () mn () max x () mn x (), =, 2,, n 3) 计算邓氏灰色关联系数 根据灰色关联分 析方法, 特征数据序列与第 j 个影响因素在 点的 灰色关联系数为 γ( ()d, x(0) ()d) =
第 期唐俊, 等 : 灰色 GM(, n) 模型在孔隙度预测中的应用 4 (mn mn ()d x(0) ()d + ξmax max ()d x(0) ()d )/ ( ()d x(0) ()d + ξmax ξ [0, ] 称为分辨系数 max ()d x(0) ()d ), (2) 4) 计算邓氏灰色关联度 特征数据序列与第 j 个影响因素的灰色关联度为 γ(, X(0) j ) = n γ( ()d, x(0) j ()d) (3) n 记折线 = 5) 计算灰色绝对关联度 数据序列 = ( (), (2),, (n)), ( () (), (2) (),, (n) ()) 为 (), 令 s = n ( ())dt 则当 为增长序列时, s 0; 当 为衰减序列时, s 0; 当 为震荡序列时, s 符号不定 设, j 为两个长度相同的数据序列, s, s j 如定义所示, 记 + s + s j ε j = + s + s j + s s j, (4) 则 ε j 称为 与 j 的绝对关联度 记 6) 计算灰色相对关联度 数据序列 = ( (), (2),, (n)), X = X(0) () = (x (), x (2),, x (n)), 称为 的初值像 ( 或均值像 ) 设, j 为两个长度相同的序列, X, X j 分别为, j 的初值像且不为零, 则称 X, X j 的灰色绝对关联度 ε j 为, j 的灰色相对关联度, 记为 γ j 7) 计算灰色综合关联度 设, j 为两个长度相同的序列且初值像不为零, ε j, γ j 分别为, j 的灰色绝对关联度和灰色相对关联度, θ [0, ], 记 ρ j = θε j +( θ)γ j, (5) 则 ρ j 称为, j 的灰色综合关联度 8) 综合比较邓氏灰色关联度 灰色绝对关联 度 灰色相对关联度和灰色综合关联度的数值, 提 取关联度较强的因素, 为孔隙度预测提供依据 2 GM(, n) 模型预测方法 GM(, n) 模型由多变量的一阶微分方程构成, 它主要用于复杂系统某一主导因素特征值的拟合和预测, 以揭示主导因素变化规律和未来发展变化态势 灰色预测方法按照如下步骤进行 : ) 事前检验 做 GM(, n) 建模时, 首先需要进行事前检验, 一般用建模序列的级比 σ() 的大小与所属的区间, 即其覆盖公式来判别 = ( (), (2),, (n)), =, 2,, m 记 σ() = x(0) ( ) (6) () 若 σ() (e 2 2 n+, e n+ ), 则所选序列可以建模 2) 计算原始数据的 -AGO 序列与紧邻均值序列 特征数据序列和影响因素序列为 = ( (), (2),, (n)), =, 2,, m 令 X () 为 的 AGO 序列, 记 X () = (x () (), x () (2),, x () (n)), x () () = (), (7) x () () = m= (m), = 2, 3,, n 称 Z () 为 X () 的紧邻均值序列, 令 则称 Z () = (z () (2), z() (3),, z() (n)), z () () = 05x() ()+05x() ( ), (8) ()+az() () = m =2 b x () () (9) 为 GM(, n) 模型, a 称为系统发展系数, b x () () 称为驱动项, b 称为驱动系数, â = [a, b, b 2,, b m ] T 称为参数列, 微分方程 (0) 称为 方程 (9) 的影子方程 dx () dt +ax () = =2 b x () (0) 3) 计算参数列 â = [a, b, b 2,, b m ] T 通过 最小二乘法计算原理可得到参数列 â 满足 B = â = (B T B) B T Y, () z () z () z () (2) x() 2 (3) x() 2 (n) x() 2 (2) x() m (2) (3) x() m (3), (n) x() m (n)
42 兰州大学学报 ( 自然科学版 ) 第 50 卷 (2) 作用产生的溶蚀孔隙有限, 粒间孔和长石溶孔是 Y = 研究区长 8 段砂岩最主要的孔隙类型 (2) 通过分别对姬塬地区 68 口井长 8 段 47 口井 (n) 长 8 2 段的岩心分析数据统计发现, 研究区长 8, 4) 计算 GM(, n) 模型的近视响应式 长 8 2 段平均孔隙度分别为 633%, 78%( 图 2) 由 当 X () ( =, 2,, m) 变化幅度很小时, 可 视 b x () () 为常量, 则有 =2 x () ( +) =(x() (0) a a =2 =2 b x () ( +))e a + b x () ( +) (3) 5) GM(, n) 模型的还原模型为 ( +) = x() 3 GM(, n) 模型精度检验 ( +) x() () (4) 通过 GM(, n) 模型得到特征序列预测值 : ( +ξ), = 2, 3,, n, ξ = 0,, 称 ε() = x(0) () x(0) () () 00% 为残差, 称 ε(avg) = n ε() n 为平均残差, 称 =2 p 0 = ( ε(avg)) 00% 为 GM(, n) 的建模精度 利用此概念对预测值进 行精度检验 图 研究区构造位置 Fgure Locaton of the study area 4 灰色预测方法应用 4 研究区地质概况 姬塬地区位于鄂尔多斯盆地伊陕斜坡中西部, 面积约 2 0 4 m 2 ( 图 ) 主要发育延长组地层, 该组地层自上而下分为 0 个油层组, 长 8 油层组位于上三叠统延长组中下部, 主要为一套灰色砂岩 暗色泥岩及薄煤层互层组合, 属于典型浅水三角洲沉积 [6 2] 长 8 油层组一般分为长 8, 长 8 2 上下两个油层 已有勘探结果表明长 8 油层组为最有利的油气聚集层位之一, 但储层非均值性较强, 预测和勘探难度较大 [22 28] 致密储层成因, 预测优质储层空间展布规律也即成了目的层研究之重点 研究区长 8 段砂岩孔隙整体不发育, 孔隙类型主要是粒间孔 长石溶孔 岩屑溶孔和晶间孔 研究区压实作用和胶结作用比较强烈, 后期的溶蚀 图 2 姬塬地区长 8, 8 2 孔隙度分布直方图 Fgure 2 Dstrbuton hstograms of the porosty of the Chang 8 and 8 2 n Jyuan area
第 期唐俊, 等 : 灰色 GM(, n) 模型在孔隙度预测中的应用 43 此可见, 长 8 2 物性好于长 8 的, 但总体上研究区 长 8 段储层表现为低孔特征 42 数据收集与处理 选取鄂尔多斯盆地姬塬地区 C98 井, 等间距收集处理数据 记 为实际孔隙度数据,, = 2, 3,, m 为各类测井数据, Y 为相对应的深度数据 ) 通过灰色关联分析, 提取灰色关联系数较 强的因素 由分析结果最终选取 AC, CAL, CNL, DEN, GR, RT, SP 为孔隙度预测的影响因素序列, 分别记为, = 2, 3,, 8 长 8, 长 8 2 的孔隙度与各测井值的灰色关联度计算结果见表 2 2) 按照灰色关联分析结果重新筛选整理数据 如表 3 4 表 长 8 孔隙度与测井数据灰色关联度值 Table Grey correlaton result between porosty and well-loggngs data of Chang 8 关联度 AC CAL CNL DEN GR RT SP 灰色邓氏关联度 0904 4 0897 3 09358 08843 0900 9 0727 6 0698 灰色绝对关联度 0623 8 0666 7 07737 05270 0968 5 0532 2 0572 灰色相对关联度 0690 0673 9 09546 06494 0684 0745 7 0723 灰色综合关联度 0656 9 0670 3 08642 05882 0826 3 0639 0 0647 表 2 长 8 2 孔隙度与测井数据灰色关联度值 Table 2 Grey correlaton result between porosty and well-loggngs data of Chang 8 2 关联度 AC CAL CNL DEN GR RT SP 灰色邓氏关联度 0732 8 077 8 07466 07224 077 3 0565 0 07285 灰色绝对关联度 0532 0803 6 05760 05838 0556 2 0522 6 05758 灰色相对关联度 082 074 2 07656 07339 0923 8 0743 0 06358 灰色综合关联度 0672 0758 9 06708 06588 0740 0 0632 8 07558 表 3 长 8 数据整理结果 Table 3 Data arrangement result of Chang 8 数据 Y 实测孔隙度 AC CAL CNL DEN GR RT SP 2 3788 848 22379 2272 80 250 640 5697 2297 2 2 3793 846 22632 226 829 250 6372 6605 2434 3 2 3798 79 22477 2246 772 249 5692 774 2633 4 2 3803 495 2735 2228 262 253 522 802 2897 5 2 3808 653 206 22 040 257 5304 8644 38 6 2 383 779 2038 2204 644 256 7695 7829 3424 7 2 388 840 2289 2220 683 25 7400 6373 360 8 2 3823 807 2263 2223 69 250 6980 5893 3776 9 2 3828 635 2894 2226 564 249 595 8823 3998 0 2 3833 467 2204 2264 244 253 5209 6203 4353 表 4 长 8 2 数据整理结果 Table 4 Data arrangement result of Chang 8 2 数据 Y 实测孔隙度 AC CAL CNL DEN GR RT SP 2 498 547 236 2268 665 250 6845 5082 4828 2 2 4203 55 20624 2232 552 255 6670 6457 4882 3 2 4208 548 23942 2227 2878 253 902 2652 5347 4 2 423 76 24590 237 295 253 9262 2050 5404 5 2 428 688 22448 2224 249 258 7650 3002 5389 6 2 4223 688 22479 227 888 256 769 277 5332 7 2 4228 803 22377 2223 944 257 7874 302 522 8 2 4233 652 2809 225 959 258 6445 3728 57 9 2 4238 333 286 227 860 255 660 448 5325 0 2 4243 399 2077 298 577 257 5352 445 5593
44 兰州大学学报 ( 自然科学版 ) 第 50 卷 上面各个数据列里面, 最后两个数据作为预测检验数据, 也即是利用前面 8 个数据进行建模计算, 依次预测后边的孔隙度, 并与实测孔隙度值进行比较, 检验模型精度 3) 首先对上述序列进行级比检验, 计算结果表明所选序列满足建模要求 利用灰色 GM(, n) 模型, 对 C98 井选取点孔隙度进行预测并进行误差检验, 结果如表 5 6 依次重复上面过程, 就可以逐点进行预测 表 5 长 8 孔隙度模拟值与误差 Table 5 Porosty smulated values and ts error of Chang 8 Y 孔隙度孔隙度 残差 相对 实测值 /% 预测值 /% 误差 /% 2 3788 848 8480 0 0 0 2 3793 846 640 6 2049 4 247 2 3798 79 784 3 0005 7 007 2 3803 495 679 9 229 9 7 2 3808 653 5450 3 079 7 28 2 383 779 7802 7 067 3 256 2 388 840 8367 8 0032 2 040 2 3823 807 7992 7 0077 3 092 2 3828 635 6926 9 0576 9 75 2 3833 467 5422 7 0752 7 85 建立的 GM(, n) 预测模型是从第 2 个数据 开始模拟的, 由表 5 6 可以看出, 在纵向孔隙度 预测上取得了较满意的效果 长 8 段, 长 8 2 段, 孔隙度预测值与实测值的相对误差最大值分别 为 247%, 72%, 最小值分别为 007%, 038%, 平 均相对误差分别为 956%, 453% 长 8 段, 长 8 2 段 孔隙度实测值与模拟值对比情况如图 3 所示 在 实际操作过程中, 如果继续预测下一点孔隙度值 时, 把已经预测得到的孔隙度值添加到原有特征 序列中, 形成新陈代谢序列, 抽取影响因素的下一 预测点值, 代入模型即可得到新预测点孔隙度值 表 6 长 8 2 孔隙度模拟值与误差 Table 6 Porosty smulated values and ts error of Chang 8 2 Y 孔隙度孔隙度 残差 相对 实测值 /% 预测值 /% 误差 /% 2 498 547 5470 0 0 0 2 4203 55 423 5 0936 5 72 2 4208 548 5726 8 0246 8 479 2 423 76 7385 2 0224 8 40 2 428 688 6989 5 009 5 44 2 4223 688 6906 3 0026 3 038 2 4228 803 7855 9 074 253 2 4233 652 67 7 09 7 239 2 4238 333 3699 0 0369 0 566 2 4243 399 39 8 0078 2 235 图 3 孔隙度实测值与模拟值 Fgure 3 Measured and smulated porosty 5 结论为了缩小测井资料计算的孔隙度值与实际测量值的误差, 本文利用灰色理论, 结合鄂尔多斯盆地姬塬地区长 8, 8 2 储层已有物性数据和测井资料数据, 通过灰色关联分析, 提取了与孔隙度值灰色关联度较大的 AC, CAL, CNL, DEN, GR, RT, SP 测井作为影响因素, 建立了孔隙度与 AC, CAL, CNL, DEN, GR, RT, SP 的 GM(, n) 预测模型 选择 C98 井长 8 段孔隙度, 通过 GM(, n) 预测模型进行了模拟和预测, 结果表明该模型预测精度较高, 能够满足孔隙度变化规律和特点的要求 在实际应用过程中, 只要满足建模序列选择要求, 此模型可以应用到研究区其他井纵向孔隙度预测方面 应用分析表明该方法在储层物性预测方面具有有效性和实用性, 同时, 该方法具有涉及数据量小 操作简便 运算速度快的特点, 这为该方法在储层物性预测方面的应用提供了广阔的前景 参考文献 [] 曾溅辉 东营凹陷第三系水 盐作用对储层空隙发育的影响 [J] 石油学报, 200, 22(4): 39 43 [2] 潘高峰, 刘震, 赵舒, 等 砂岩孔隙度演化定量模拟方法 : 以鄂尔多斯盆地镇泾地区延长组为例 [J] 石油学报, 20, 32(2): 249 256
第 期唐俊, 等 : 灰色 GM(, n) 模型在孔隙度预测中的应用 45 [3] 蒲秀刚, 黄志龙, 周建生, 等 长岭凹陷低孔砂岩孔隙度预测的一种新方法 [J] 石油学报, 2005, 26(4): 46 49 [4] 于正军, 董冬冬, 宋维琪, 等 相带控制下协克里金方法孔隙度预测 [J] 地球物理学进展, 202, 27(4): 58 586 [5] 吴俊, 于兴河, 李胜利, 等 地震多属性变换法及其在孔隙度预测中的应用 : 以束鹿凹陷西斜坡台家庄区块为例 [J] 石油物探, 20, 50(4): 393 397 [6] 方兴, 孙夕平, 张明, 等 基于 AVO 流体反演的储层孔隙度预测技术 [J] 石油地球物理勘探, 202, 47(3): 469 472 [7] 顾伟欣, 周红 基于逐步回归分析的孔隙度预测方法 [J] 石油地质与工程, 2008, 22(): 37 39 [8] 杜波, 于正军, 韩建军 多元线性回归法在 DX 北带砂砾岩储层孔隙度定量预测中的应用 [J] 天然气勘探与开发, 202, 35(4): 36 40 [9] 孟元林, 刘德来, 贺如, 等 歧北凹陷沙二段超压背景下的成岩场分析与储层孔隙度预测 [J] 沉积学报, 2005, 23(3): 389 393 [0] 张荣虎, 姚根顺, 寿建峰, 等 沉积 成岩 构造一体化孔隙度预测模型 [J] 石油勘探与开发, 20, 38(2): 45 5 [] 江文荣, 张科 径向基函数神经网络在孔隙度预测中的应用 [J] 中国海上油气, 2008, 20(5): 35 37 [2] 胡松, 张超谟, 胡瑶, 等 基于主成分分析的砂砾岩储层孔隙度计算方法研究 [J] 石油天然气学报, 200, 32(3): 00 04 [3] 曾波, 刘思峰, 方志耕, 等 灰色组合预测模型及其应用 [J] 中国管理科学, 2009, 7(5): 50 55 [4] 邓聚龙 灰预测与灰决策 [M] 武汉 : 华中科技大学出版社, 2002 [5] 刘思峰, 党耀国, 方志耕, 等 灰色系统理论及其应用 [M] 北京 : 科学出版社, 200 [6] 李元昊, 刘池洋, 独育国, 等 鄂尔多斯盆地西北部上三叠统延长组长 8 油层组浅水三角洲沉积特征及湖岸线控砂 [J] 古地理学报, 2009, (3): 265 274 [7] 韩永林, 王成玉, 王海红, 等 姬塬地区长 8 油层组浅水三角洲沉积特征 [J] 沉积学报, 2009, 27(6): 057 064 [8] 王昌勇, 郑荣才, 李忠权, 等 鄂尔多斯盆地姬塬油田长 8 油层组岩性油藏特征 [J] 地质科技情报, 200, 29(3): 69 74 [9] 王昌勇, 郑荣才, 王成玉, 等 鄂尔多斯盆地姬塬地区延长组中段岩性油藏成藏规律研究 [J] 岩性油气藏, 200, 22(2): 84 94 [20] 廖朋, 唐俊, 庞国印, 等 鄂尔多斯盆地姬塬地区延长组长 8 段储层特征及控制因素分析 [J] 矿物岩石, 202, 32(2): 97 04 [2] 于强, 任战利, 曹红霞 鄂尔多斯盆地延长探区下古生界热演化史 [J] 兰州大学学报 : 自然科学版, 20, 47(5): 24 29 [22] 王道富, 付金华, 雷启鸿, 等 鄂尔多斯盆地低渗透油气田勘探开发技术与展望 [J] 岩性油气藏, 2007, 9(3): 26 30 [23] 王纹婷, 郑荣才, 王成玉, 等 鄂尔多斯盆地姬塬地区长 8 油层组物源分析 [J] 岩性油气藏, 2009, 2(4): 4 46 [24] 王建强, 刘池洋, 闫建萍, 等 鄂尔多斯盆地南部渭北隆起发育时限及其演化 [J] 兰州大学学报 : 自然科学版, 200, 46(4): 22 29 [25] 张瑞, 王琪, 姚泾利, 等 鄂尔多斯盆地延长世湖盆中部长 6 段储层成岩特征 [J] 天然气地球科学, 200, 2(6): 890 896 [26] 杜红权, 朱如凯, 何幼斌, 等 合川地区须二段砂岩储层成岩作用及其对储层的影响 [J] 岩石矿物学杂志, 202, 3(3): 403 4 [27] 朱国华 陕北浊沸石次生孔隙砂体的形成与油气关系 [J] 石油学报, 985, 6(): 8 [28] 姚泾利, 王琪, 张瑞, 等 鄂尔多斯盆地中部延长组砂岩中碳酸盐胶结物成因与分布规律研究 [J] 天然气地球科学, 20, 22(6): 944 950 ( 责任编辑 : 王春燕 )