引用本文
郭明宇, 田青青. 基于随钻岩石热解参数的原油密度预测模型[J]. 录井工程, 2024,35(1): 14-21.
GUO Mingyu, TIAN Qingqing. Crude oil density predictive models based on rock pyrolysis parameters while drilling[J]. Mud Logging Engineering, 2024,35(1): 14-21.
Doi:10.3969/j.issn.1672-9803.2024.01.003  
Permissions
Copyright©2024, 《录井工程》杂志社
《录井工程》杂志社 所有
基于随钻岩石热解参数的原油密度预测模型
郭明宇①, 田青青②
①中海石油（中国）有限公司天津公公司
②盘锦中录油气技术服务有限公司

作者简介：郭明宇 高级工程师,1982年生,2005年毕业于中国石油大学（华东）资源勘查工程专业,现在中海石油（中国）有限公司天津分公司从事钻井地质工作。通信地址：300452 天津市滨海新区海川路2121号渤海石油管理局C座。电话：（022）66502080。E-mail：guomy@cnooc.com.cn

收稿日期: 2024-01-03
基金: 中海石油（中国）有限公司“七年行动计划”重大科技专项“渤海油田上产4000万吨新领域勘探关键技术”（编号：CNOOC-KJ 135ZDXM36TJ 08TJ）部分研究成果
摘要

原油性质的准确判断对试油方式的优选具有指导性作用,在流体相较为复杂的渤海油田,目前测井、录井均缺乏有效评价手段。为了合理有效地预测井场随钻储层的原油密度,根据岩样的岩石热解参数与油样实测原油密度的散点关系,基于最小二乘法的多元线性回归分析方法,通过建立岩样的岩石热解参数与原油密度的预测模型,实现了原油密度预测。应用该模型已完成渤海油田61口井616个数据点的原油密度预测工作,其中完成测试的共12口井139个数据点,预测密度误差在±0.01 g/cm3之内的共129个点,符合率达到92.80%。采用多元线性回归方法建立的模型进行原油密度预测,具有广泛的应用前景。

关键词: 原油密度; 预测模型; 渤海油田; 井场随钻; 岩石热解参数; 多元线性回归
中图分类号:TE132.1 文献标志码:A
Crude oil density predictive models based on rock pyrolysis parameters while drilling
GUO Mingyu①, TIAN Qingqing②
①Tianjin Branch of CNOOC（China）Co., Ltd.,Tianjin 300452,China
②Panjin Zhonglu Oil & Gas Technology Service Co., Ltd., Panjin, Liaoning 124010,China
Abstract

The accurate judgment of crude oil properties has a guiding effect in the optimization of oil testing mode. In Bohai Oilfield with relatively complex fluid phase, well logging and mud logging lack effective evaluation means. In order to reasonably and effectively predict the oil densities of reservoirs while drilling at the well site, according to the scatter relationship between the rock pyrolysis parameters of the rock samples and the measured crude oil densities of the oil samples, the multiple linear regression analytical approach based on the least squares method has achieved the prediction of crude oil density by building the predictive models for rock pyrolysis parameters of rock samples and crude oil densities. The models have been applied to predict crude oil densities for 616 data points from 61 wells in Bohai Oilfield, among which 139 data points from 12 wells were tested. A total of 129 points had the predictive density errors within ± 0.01 g/cm3, and the coincidence rate reached 92.80%. The models built by multiple linear regression method have a wide application prospect for crude oil density prediction.

Keyword: crude oil density; prediction model; Bohai Oilfield; while drilling at the well site; rock pyrolysis parameters; multiple linear regression
0 引言

新近系浅层油气藏一直是渤海油田重要的油气勘探领域和储量增长点, 在目前已探明地质储量的占比中, 浅层占78%左右[1]。该类型油气藏受控于油源充注不同、运移距离远近和成藏后次生改造作用, 原油物性在横向和纵向上均存在明显差异性, 利用随钻录井资料在钻进过程中对地层原油物性进行快速、准确地判断, 进而摸清地层原油物性评价横向和纵向分布规律, 既有利于井场测压取样、地层测试等勘探作业工艺优化, 高效获取地层流体和产能, 也有利于油气藏潜力区域评价方案以及开发方案的制定。随着中浅层勘探程度越来越高, 位于凹陷区深埋潜山（古生界潜山和太古界潜山）储层也逐渐成为油气勘探的重要领域, 但由于潜山储层埋深大, 自印支期以来经历了多期构造运动[2], 面临断裂系统复杂、储层流体类型复杂等问题, 使得潜山储层流体类型快速评价困难重重。因此, 随钻快速评价原油物性及储层流体类型极为重要。

一般来说, 储层原油密度和粘度具有正相关性, 随钻预测储层原油密度, 可快速、宏观把握区域原油物性变化规律。国内外对原油密度预测的方法, 大致可以分为3类：一是曲线拟合法, 如郭永华等[3]基于实验室壁心和岩心样品的岩石热解轻、中、重质油组分指数与原油密度之间的相关性, 建立拟合关系曲线来进行密度预测, 预测误差基本小于0.03 g/cm3; 二是数学回归法, 任明旺[4]提出在确定原油类型的基础上利用数学一元线性回归的方法来求取原油密度, 预测误差最低为0.02 g/cm3; 三是模型建立法, 蔡东梅等[5]通过瑞利模型预测原油相对密度, 但应用中发现瑞利模型仅适用于油层物性较好, 且开采井段位于油层顶部的油井。这些方法具有一定的局限性, 一方面不能进行井场随钻原油密度预测, 且岩石热解分析参数未进行烃类损失校正, 导致密度预测误差较大; 另一方面预测模型过于简单, 在确定原油类型的基础上选用单个组分进行一元线性回归, 应用条件局限性较大, 且拟合精度不高。针对以上问题, 笔者以井场随钻岩石热解参数为基础, 建立了覆盖渤海油田差异化烃类损失校正公式, 实现了井场随钻岩石热解参数的标准化处理; 在烃类损失校正的基础上, 建立了基于最小二乘法的多元线性回归原油密度预测模型, 实现原油密度随钻定量预测, 且预测误差不超过± 0.01 g/cm3, 将其广泛应用于渤海油田的勘探开发中。

1 岩石热解分析技术原理

岩石热解分析技术属于地球化学分析技术范畴, 是20世纪70年代末发展起来的一种生、储油岩评价方法。该技术是根据有机质热蒸发或热裂解的特性, 通过对含有机质的岩样进行程序升温, 使其中烃类（油、气）热蒸发成气体, 并使高聚合有机质（干酪根、沥青质、胶质）热裂解为挥发性的烃类产物, 通过惰性气体携带热解产物并通过氢焰检测器定量检测, 获得样品在不同温度范围内烃的含量, 样品内的残余有机碳在高温下氧化, 生成CO2和少量CO, 由红外或热导检测器检测, 经计算得到残余有机碳含量。岩石热解分析技术能够直接测定烃源岩或储集岩的气态烃（S0）、液态烃（S1）、固态烃（S2）、残余有机碳（S4）4项参数, 根据直接测定的参数, 派生出含油气总量（Pg）、总产率指数（TPI）、油产率指数（OPI）、气产率指数（GPI）、原油轻重组分指数（PS）5项常用参数, 各项参数可直接或间接反映储层烃类含量及烃类轻重分布特征。该技术自2007年以来广泛应用于渤海油田探井作业, 累计完成岩石热解分析550口井, 累计获取不同深度、不同层系、不同原油性质数据点27 500多个, 基本覆盖渤海油田主要探区, 具备进一步开展研究的数据基础。

2 原油密度预测
2.1 烃类损失校正

2.1.1 数据处理

岩心、壁心和岩屑岩石热解参数分析结果易受储层类型、油气层类型、钻井复杂工况及其他因素的影响, 必然会存在一些异常值, 这将会对烃类损失的校正有很大影响, 因此有必要分析和剔除离散异常点。首先对样本集数据影响因素进行分析, 在人工识别真假油气显示的基础上, 将因钻井液侵入造成壁心岩石热解参数小于岩屑岩石热解参数的数据及受到钻井液污染的岩屑或壁心数据剔除, 然后利用数学方法对初步筛选的样本集进行优化, 可通过观察岩屑与壁心散点图找出有影响的观测值和利用标准化残差[6]来检测异常值对数据进一步清洗, 确保新样本集的准确性, 以供下一步烃类损失校正使用。

2.1.2 烃类损失校正公式的建立

岩样岩石热解参数的原油密度预测模型是在岩石热解分析技术基础上建立起来的, 可在钻井过程中对储层含油气性及原油性质进行快速定量评价[7], 但岩石热解分析技术与其他依托岩样分析的技术一样, 由于受到钻井液、工程、现场录井状态、地质条件等诸多方面主观和客观因素影响, 造成岩样从地下到地表的烃类损失, 不能很好地反映储层真实的含油气信息, 从而影响原油密度预测模型的准确性。因此, 在建立原油密度预测模型前, 准确地对烃类损失进行恢复校正是一个非常关键的步骤。

通过随钻录井获得岩屑岩石热解参数的方法具有成本低和速度快两大优势, 但岩屑破碎程度高、比表面积大, 高温钻井液对岩屑表面的烃类清洗和冲刷作用强, 烃类会有较大程度的损失, 同一深度储层壁心岩石热解参数值普遍高于岩屑岩石热解参数值（表1）, 因此通过将岩屑岩石热解参数值恢复到壁心岩石热解参数值的方法, 实现烃类损失校正[8]。

表1 不同原油性质岩屑和壁心岩石热解参数

研究发现, 渤海油田各二级构造带不同层位、不同原油性质岩屑和壁心岩石热解参数值之间存在不同的关系：岩屑和壁心一般呈现线性关系（图1、图2）, 因此可以考虑使用多元线性回归对岩屑和壁心进行拟合。石臼坨凸起明化镇组重质油具有岩屑和壁心S2、Pg值开始上升速度较快, 随后速度减慢的特征（图3）, 因此可以考虑使用非线性函数模型对其进行拟合。

图1 渤中凹陷西南环太古界轻质油岩屑和壁心S1、S2散点图

图2 渤中凹陷西部东营组中质油岩屑和壁心S1、S2散点图

图3 石臼坨凸起明化镇组重质油岩屑和壁心S2、Pg散点图

通过上述方法, 在渤海油田各二级构造带分层位、分原油性质共建立54个烃类损失校正公式, 精度达到81%以上。例如：莱州湾凹陷中央断裂带明化镇组重质油, 主要应用KL 10-1、KL 10-5、KL 9-1、KL 9-5、KL 9-6、KL 16-1、KL 4-1、KL 5-1等构造各井分析数据建立烃类损失校正公式（表2）, 多元回归拟合的岩屑S1校正、S2校正值与实测壁心S1、S2值决定系数（r2）分别达到0.793 8和0.800 3, 说明壁心实测值与校正值具有较高的相关性。图4为壁心S1和S2的实测值与校正值对比图, 从图4中可以看出, 壁心S1和S2的实测值与校正值的匹配程度很高, 同时分析的样本集数据较多, 其中80%的数据点相对误差均在5%以内, 进一步说明所建立的烃类损失校正公式具有较高的精准度。

表2 莱州湾凹陷中央断裂带明化镇组重质油烃类损失校正公式

图4 莱州湾凹陷中央断裂带明化镇组重质油壁心S1和S2实测值与校正值对比

2.2 原油密度预测模型

2.2.1 原油密度预测的原理及方法

石油是由烷烃、环烷烃和芳香烃及不等量的胶质和沥青质组成, 组成石油烃类碳数不同、胶质及沥青质含量不同, 原油油质轻、重也不同。岩样中的油气组分在程序升温的条件下, 按不同温度范围分别检测, 获得的参数可以间接反映出原油轻、中、重质组分的变化, 根据岩样的岩石热解参数与实际测量的原油密度的散点关系, 同时配合使用基于最小二乘法的多元线性回归分析方法[9, 10], 研究岩样岩石热解参数与原油密度之间的关系, 建立岩样岩石热解参数与原油密度的预测模型, 将岩样岩石热解参数值恢复到实际原油密度的参数值, 最终实现原油密度预测。

最小二乘法是一种数字化技术, 是通过最小化误差的平方和寻找数据的最佳函数匹配, 以一组数据误差的平方和最小为准则, 根据观测值估计线性模型中未知参数的一种参数估计方法, 旨在线性回归的基础上使估计值（预测值）更接近观测值（真实值）, 使线性回归线的截距与回归线的斜率误差平方和最小。利用最小二乘法可以简便地求得未知的数据, 并使其与观测值“ 最接近” 。

2.2.2 原油密度预测模型的建立

渤海油田位于渤海湾盆地, 渤海湾盆地依照断陷盆地的发育阶段及其对应的油气藏形成时期可划分为3个成藏期[11]：早期成藏（孔店组-沙四段、沙三段-沙二段油藏）、中期成藏（沙一段-东营组油藏）、晚期成藏（晚第三纪-第四纪油藏）, 不同的烃源岩与不同沉积构造相结合, 油气多次充注, 导致多期成藏, 油藏复杂。成藏后经多次运移, 导致渤海油田新近系、古近系、潜山等储层流体类型复杂、原油性质多变。

因此, 根据各井在渤海油田35个二级构造单元上[12]的分布特征细分出7个区域建立储层原油密度预测模型, 确保模型的准确性及有效性。

通过对136口井近5 000个数据点进行清洗、整理、筛选, 最终选取650个同时具有实测原油密度与壁心岩石热解参数的数据点进行研究, 发现储集岩样品岩石热解参数S1（壁心）、S2（壁心）、Pg（壁心）与原油密度之间均表现出比较好的关联性, 其决定系数（r2）均在0.8以上（图5）。在此基础上, 以岩石热解分析参数为重点, 这些参数可以是直接参数（S0、S1、S2）的不同组合, 行业应用较多的是Pg、TPI、OPI以及PS, 通过使用基于最小二乘法的多元线性回归分析方法, 分7个区域分别建立壁心的岩石热解参数与原油密度的预测模型（表3）, 从而实现原油密度预测。

图5 壁心岩石热解参数与原油密度关系

表3 渤海油田7个区域原油密度预测模型（式中DEN为预测原油密度）

表3中各区域原油密度预测模型的决定系数（r2）绝大部分都在0.85以上。以辽东湾（LD）为例, 79个数据点预测值与实测值的决定系数（r2）达到了0.902 2（图6a）, 随机抽取20个非建模样本数据点进行原油密度预测并与实测值进行对比, 误差在± 0.01 g/cm3之内的占比为80%左右（图6b）。由此可见, 通过原油密度预测模型计算得到的预测值与实测值的匹配效果很好, 且方法简单有效。

图6 辽东湾（LD）原油密度预测值与实测值对比

3 应用实例

2020年开始在渤海油田应用原油密度预测模型进行密度预测, 已完成61口井616个数据点的原油密度预测工作, 其中完成测试的共12口井139个数据点, 预测密度值误差在± 0.01 g/cm3以内的共129个点, 符合率达到92.80%, 且预测的原油密度在判别储层流体类型中也得到了较好的作用。

3.1 太古界潜山储层原油密度预测模型应用效果

CFD 23-6构造CFD 23-6-A井太古界潜山储层利用环渤中凹陷烃类损失校正公式校正（S1校正=17.278 6S1+16.422 0S2-14.279 2Pg-6.038 6OPI+5.718 7TPI-0.455 5、S2校正=2.097 7S1+2.642 0S2-1.677 4Pg+0.575 2OPI-0.711 0TPI+0.254 5）及原油密度预测模型（表3内编号4）预测太古界潜山储层13个分析点的原油密度平均值为0.806 2 g/cm3（表4）, 储层原油性质为轻质油。本井太古界潜山储层进行测试, 测试井段5 162.77~5 450.00 m最终产油121.08 m3/d, 产气46 470 m3/d, 原油密度0.8 060 g/cm3, 为轻质油, 测试井段内预测原油密度平均值与实测原油密度相差0.000 2 g/cm3, 误差极小, 在± 0.01 g/cm3范围之内, 预测结果与测试结果相符。

表4 CFD 23-6-A井太古界潜山储层岩屑分析点原油密度预测数据
3.2 新近系储层原油密度预测模型应用效果

研究表明, KL 10-2构造新近系明化镇组以曲流河和浅水三角洲沉积为主, 砂体较为发育, 同时新近系储层具有“ 湖底扇汇聚脊中转站式垂向运聚” 与“ 浅层连片砂体横向运聚” 两大有利运聚条件, 油源供给较为充足, 成藏条件较为优越[13], 但难点在于浅层优快作业下的稠油评价, 且储层横、纵向原油性质变化较快, 原油密度的大小影响了油品的好坏, 间接影响了产量的多少。2021年KL 10-2构造及周围区域完钻探井40口, 在原油密度预测模型应用中发现KL 10-2构造浅层的预测原油密度在0.954~0.972 g/cm3之间, 测试井段原油密度在0.955~0.973 g/cm3之间, 测试4口井12个数据点结果表明, 与测试井段原油密度误差均小于0.01 g/cm3, 符合率为100%。

例如KL 10-2构造KL 10-2-A井, 应用莱州湾凹陷中央断裂带明化镇组重质油烃类损失校正公式（表2）及原油密度预测模型（表3内编号6）, 预测明化镇组10个分析点原油密度平均值为0.965 9 g/cm3（表5）。本井明化镇组测试井段1 359.70~1 370.10 m内, 2个分析点原油密度预测平均值为0.967 0 g/cm3, 该井段最终产油57.78 m3/d, 原油密度0.971 6 g/cm3, 测试井段内预测原油密度平均值与实测原油密度相差0.004 6 g/cm3, 明化镇组预测平均原油密度与实测原油密度相差0.005 7 g/cm3, 误差极小, 均在± 0.01 g/cm3范围之内, 预测结果与测试结果相符。

表5 KL 10-2-A井明化镇组岩屑分析点原油密度预测数据

基于随钻岩石热解参数对储层原油密度的精准预测, 为KL 10-2构造明化镇组稠油储量申报工作提供了关键性数据, 原油密度的定量化在KL 10-2构造整体评价中发挥了关键性作用。

3.3 在判别潜山复杂储层流体类型中的应用效果

原油密度预测模型在潜山储层共应用于198个数据点的原油密度预测工作, 其中102个数据点已经完成测试, 其预测密度值与实测密度值误差均在± 0.01 g/cm3范围之内。总结潜山主力构造油藏发现, CFD 2-2构造预测原油密度为0.82~0.84 g/cm3, 为轻质油特征; BZ 13-2构造预测原油密度为0.80~0.82 g/cm3, 为挥发性油特征; 除BZ 19-6-C、BZ 19-6-F、BZ 19-6-H井预测原油密度分别为0.804、0.808、0.801 g/cm3外, BZ 19-6构造预测原油密度一般小于0.80 g/cm3, 为凝析气特征, 与构造测试结论（BZ 19-6构造及周围区域挥发性油密度一般大于0.81 g/cm3, 凝析气密度一般小于0.80 g/cm3）相符（表6）。结合预测原油密度定量化评价、判别潜山复杂储层流体类型, 打破了潜山复杂储层流体类型分析仅停留于油、气、水的局限性, 利用原油密度预测模型辅助深层油气藏类型判断, 为中途测试决策提供依据。

表6 原油密度预测模型判别潜山储层流体类型数据
4 结论

（1）基于岩心热解参数与原油密度之间的函数关系, 应用最小二乘法的多元线性回归分析, 建立原油密度预测模型, 实现了随钻原油密度预测, 且预测原油密度与实际原油密度误差在± 0.01 g/cm3之内, 从而改变了随钻预测精度低、实验测量数据少、时效低的技术现状。

（2）基于岩石热解参数对地层原油密度的精准预测, 可为不同原油性质储层储量申报工作提供关键性数据, 保障了渤海油田整体储量的申报。此项技术的推广应用显著降低了原油密度分析的成本, 并提高了原油性质认识的速度, 满足了在当前快速钻井条件下的原油性质识别效率要求。

（3）勘探过程中发现, 渤海油田储层流体类型包含但不局限于轻质油、中质油、重质油、挥发性油、凝析气, 储层流体类型复杂, 现有的技术手段很难快速区分识别。原油密度预测模型可以无限地逼近原油密度真实值, 通过原油密度更为准确地区分识别储层流体类型, 原油密度预测间接反映原油粘度以及原油流动性, 为渤海油田后期投产提供了可靠的数据依据。

编辑 王丙寅

参考文献
[1] 薛永安. 渤海海域垦利6-1油田的发现与浅层勘探思路的重大转变[J]. 中国海上油气, 2021, 33(2): 1-12.
XUE Yongan. Discovery of KL 6-1 oilfield and great change of shallow strata exploration ideas in Bohai Sea[J]. China Offshore Oil and Gas, 2021, 33(2): 1-12. [本文引用:1]
[2] 王德英, 刘晓健, 邓辉, 等. 渤海湾盆地渤中19-6区中-新生代构造转换特征及其对太古宇潜山大规模储层形成的控制作用[J]. 石油与天然气地质, 2022, 43(6): 1334-1346.
WANG Deying, LIU Xiaojian, DENG Hui, et al. Characteristics of the Meso-Cenozoic tectonic transformation and its control on the formation of large-scale reservoirs in the Archean buried hills in Bozhong 19-6 area, Bohai Bay Basin[J]. Oil & Gas Geology, 2022, 43(6): 1334-1346. [本文引用:1]
[3] 郭永华, 周士科, 李洋冰. 渤海地区储集岩热解法原油密度预测模型研究及应用效果[J]. 中国海上油气, 2006, 18(3): 174-177.
GUO Yonghua, ZHOU Shike, LI Yangbing. A study on forecasting model of oil density with reservoir-rock pyrolysis data and its application in Bohai Sea[J]. China Offshore Oil and Gas, 2006, 18(3): 174-177. [本文引用:1]
[4] 任明旺. 岩石热解参数在储层原油密度计算上的应用[J]. 特种油气藏, 2004, 11(6): 26-28.
REN Mingwang. Application of rock pyrolysis parameters in calculation of reservoir crude oil density[J]. Special Oil & Gas Reservoirs, 2004, 11(6): 26-28. [本文引用:1]
[5] 蔡东梅, 蒋有录, 刘华, 等. 瑞利模型在原油相对密度预测中的应用: 以胜利油区东辛油田为例[J]. 油气地质与采收率, 2008, 15(3): 102-104.
CAI Dongmei, JIANG Youlu, LIU Hua, et al. Application of Rayleigh model in predicting relative density of crude oil: Taking Dongxin oilfield in Shengli oil region as an example[J]. Petroleum Geology and Recovery Efficiency, 2008, 15(3): 102-104. [本文引用:1]
[6] 刘玉英, 盛文华. 标准化残差法对分析检验校准曲线中异常点的判别[J]. 吉林水利, 2001(4): 13-14.
LIU Yuying, SHENG Wenhua. Differentiation of unusual point in analysis, examination, and calibration curve by stand ard residual error method[J]. Jilin Water Resources, 2001(4): 13-14. [本文引用:1]
[7] 邬立言, 张振苓, 马文玲. 储油岩油气组分的定量分析方法[J]. 录井工程, 2000, 11(3): 50-58.
WU Liyan, ZHANG Zhenling, Ma Wenling. Quantitative analysis method for oil and gas components in oil-saturated reservoir rocks[J]. Mud Logging Engineering, 2000, 11(3): 50-58. [本文引用:1]
[8] 郭树生, 郎东升. 热解参数S1的校正方法[J]. 录井工程, 1997, 8(1): 23-26.
GUO Shusheng, LANG Dongsheng. Correction method for pyrolysis parameter S1[J]. Mud Logging Engineering, 1997, 8(1): 23-26. [本文引用:1]
[9] 李健. 最小二乘法的历史溯源及其教学启示[J]. 中学数学月刊, 2022(10): 14-16.
LI Jian. The historical tracing of the least squares method and its teaching enlightenment[J]. The Monthly Journal of High School Mathematics, 2022(10): 14-16. [本文引用:1]
[10] 尚云艳, 祝师强, 孙浩. 多元线性回归模型的异方差问题的浅析: 关于“应用回归分析”课程教学内容的讨论[J]. 科技风, 2022(15): 19-21, 131.
SHANG Yunyan, ZHU Shiqiang, SUN Hao. Analysis of heteroscedasticity in multiple linear regression models: Discussion on the teaching content of "applied regression analysis" course[J]. Technology Wind, 2022(15): 19-21, 131. [本文引用:1]
[11] 齐兴宇. 渤海湾盆地复杂断块的多期成藏[J]. 油气地质与采收率, 2001, 8(2): 21-24.
QI Xingyu. Multi-stage accumulation of complex fault blocks in Bohai Bay Basin[J]. Petroleum Geology and Recovery, 2001, 8(2): 21-24. [本文引用:1]
[12] 周心怀, 余一欣, 汤良杰, 等. 渤海海域新生代盆地结构与构造单元划分[J]. 中国海上油气, 2010, 22(5): 285-289.
ZHOU Xinhuai, YU Yixin, TANG Liangjie, et al. Cenozoic offshore basin architecture and division of structural elements in Bohai Sea[J]. China Offshore Oil and Gas, 2010, 22(5): 285-289. [本文引用:1]
[13] 薛永安, 杨海风, 王航, 等. 渤海莱州湾凹陷深洼带垦利10-2新近系大型油田发现与意义[J]. 中国海上油气, 2022, 34(1): 17-26.
XUE Yongan, YANG Haifeng, WANG Hang, et al. Discovery and significance of KL 10-2 Neogene large oilfield in deep subsag zone of Laizhouwan sag, Bohai Sea[J]. China Offshore Oil and Gas, 2022, 34(1): 17-26. [本文引用:1]