引用本文
李柯, 唐诚, 王崇敬, 梁波, 施强, 欧传根. 川南页岩小微尺度断层井震结合识别方法研究[J]. 录井工程, 2022,33(4): 125-132.
LI Ke, TANG Cheng, WANG Chongjing, LIANG Bo, SHI Qiang, OU Chuangen. Small and micro-scale fault identification method based on well logging and seismic data in Southern Sichuan shale[J]. Mud Logging Engineering, 2022,33(4): 125-132.
Doi:10.3969/j.issn.1672-9803.2022.04.021  
Permissions
Copyright©2022, 《录井工程》杂志社
《录井工程》杂志社 所有
川南页岩小微尺度断层井震结合识别方法研究
李柯①, 唐诚②, 王崇敬②, 梁波②, 施强②, 欧传根②
①中石化西南油气分公司石油工程监督中心
②中石化经纬有限公司西南测控公司

作者简介：李柯 工程师，1978年生，2000年毕业于重庆石油高等专科学校石油地质专业，现在中石化西南油气分公司石油工程监督中心从事地质监督与技术管理工作。通信地址：618000 四川省德阳市泰山南路一段398号。电话：18583379728。E⁃mail：562743407@qq.com

收稿日期: 2022-10-17
基金: 中石化西南石油工程有限公司项目“井震结合地质导向技术研究”（编号：XN-2020-009）
摘要

川南页岩气地层钻井过程中频繁钻遇断层,对水平井施工影响极大。根据地震正演结果,大尺度断层可以通过常规地震剖面识别,但对于小尺度与微尺度断层则缺乏有效的分析手段。为此优选基于倾角控制增强的最大似然属性分析方法,可以实现小尺度断层的识别,在采用伽马比值与元素三维显示图板开展微尺度断层识别的基础上,建立了小微尺度断层的识别流程和判别标准。井场应用结果表明,页岩气地层的小微尺度断层识别符合率达到83.33%,为水平井地质导向提供了判别依据和技术支持。

关键词: 页岩; 水平井; 断层; 最大似然属性; 伽马比值; 元素录井; 井震结合
中图分类号:TE132.1 文献标志码:A
Small and micro-scale fault identification method based on well logging and seismic data in Southern Sichuan shale
LI Ke①, TANG Cheng②, WANG Chongjing②, LIANG Bo②, SHI Qiang②, OU Chuangen②
①Sinopec Supervision Center of Petroleum Engineering of Southwest Oilfield Company,Deyang,Sichuan 618000, China
②Southwest Measurement and Control Branch of Sinopec Matrix Corporation, Chengdu,Sichuan 610100, China
Abstract

Frequent faults are encountered while drilling in the shale gas formation of southern Sichuan, which has a great impact on the construction of horizontal wells. According to the results of seismic forward modeling, large-scale faults can be identified by conventional seismic profiles, but there is a lack of effective analysis methods for smalle-scale and microe-scale faults. The maximum likelihood attributes analysis method based on dip control enhancement is selected, which can realize the identification of smalle-scale faults. on the basis of microe-scale fault recognition by using gamma ratio and element 3D display plate, the recognition flow and discrimination standard of smalle-scale and microe-scale faults are established. The results of well site application show that the coincidence rate of small and microe-scale fault identification in shale gas formation is 83.33%, which provides discrimination basis and technical support for geological steering of horizontal wells.

Keyword: shale; horizontal wells; fault; maximum likelihood attributes; gamma ratio; element mud logging; well logging and seismic data
0 引言

页岩气是近年来的勘探开发热点, 在钻探过程中, 经常钻遇不同规模的断层, 由于断层展布特征较为复杂, 对水平井的施工影响极大, 针对地层开展断层识别的研究成为当前的研究热点之一[1]。基于地震解释、特殊测井、岩心观察等多种方法, 已经取得了较多技术成果[2, 3, 4]。梁志强[5]开展了断层尺度的分类研究, 按走向延伸长度将断层划分为大尺度、中等尺度、小尺度、微尺度4个级别。大尺度或中等尺度的断层识别主要基于地震常规解释方法, 技术较为成熟, 已广泛应用于井位部署工作中。但是, 地震解释的精度有限, 小尺度及以下规模的断层响应不明显, 而这类断层对井控安全、水平井优质储层钻遇率影响极大, 是页岩气“ 甜点” 的重要控制因素。由于大量的页岩气开发井不测井、不取心, 常规方法已不适用于微小尺度断层的识别。针对上述问题, 本文介绍一种基于井震结合的小微尺度断层综合识别方法, 为页岩气水平井的钻头位置识别提供可靠的依据, 也可供其他类型油气藏的断层识别借鉴参考。

1 断层识别方法适应性分析

目前针对断层识别的方法主要集中在地震解释、测井解释、岩心观察等方面。测井解释与岩心观察方法能精确识别出厘米-米级别的微小尺度断层, 是开展综合地质评价的重要手段之一[6, 7]。但是, 由于大量的页岩气开发井不测井、不取心, 导致这两种方法无法得到应用。近年来主要的研究热点集中在地震解释领域, 地震检测方法[2, 3, 4]大致可分为叠前与叠后分析两大类, 由于叠前技术需要的计算量较大, 在随钻过程中的应用没有叠后分析技术广泛。本次研究重点采用了叠后属性分析与随钻资料分析相结合的方式, 主要地质对象为川南地区五峰组-龙马溪组海相页岩气地层。

川南页岩气工区的主要目的层埋深介于3 500~4 200 m之间。张勇[8]研究表明地震资料对断层的分辨能力与地层埋深关系密切, 埋深达到3 500 m时, 可分辨的断距为25.90 m。

周津宇等[9]开展的正演模型研究表明, 断距≥ 20 m的断层人工解释可以识别。由于实际的地震资料受采集条件的限制和噪声的影响, 不同资料的分辨能力会有差异, 为准确落实本工区的地震解释精度, 开展了正演模型试验。根据工区三维地震资料, 选取Ricker子波频率为35 Hz, 模型自上而下龙马溪组-五峰组的岩性为黑灰色页岩, 临湘组的岩性为黄灰色灰岩, 并在页岩底界上设计了5、10、20 m三种断距的逆断层, 根据工区内导眼井的测井资料设定了各自的纵波速度和密度。断层正演模型表明（图1）：当断距达到20 m时, 地震响应清楚, 同相轴有明显的错断; 当断距为10 m时, 同相轴有轻微变形, 单独分析地震资料难以判断是否为断层; 当断距为5 m时, 同相轴几乎没有变化。

图1 工区目的层不同断距的断层正演模型

2 井震结合断层识别方法研究

根据地震正演结果, 断距大于20 m的断层能够通过常规地震剖面资料进行分辨, 断距为10~20 m的断层需要结合地震属性等方法综合分析, 断距小于10 m的断层则难以直接通过地震资料进行分辨。由于常规地震解释、常用属性分析方法的应用已经较为成熟, 本文重点研究断距为10~20 m的小尺度断层及断距小于10 m的微尺度断层的识别方法。

2.1 小尺度断层识别方法

目前主要有蚂蚁追踪、最大似然属性等地震属性分析方法[3, 5, 7, 9]。蚂蚁追踪技术模拟自然界中蚂蚁的觅食行为, 使用过程中需要设定蚂蚁边界、追踪偏差、蚂蚁步长、允许非法步数量、终止条件等, 这些参数对控制蚂蚁追踪非常关键, 不同的参数对识别结果影响极大[3]。最大似然属性计算方法基于极大似然估计原理, 需要设置的参数主要为倾角时窗、方位角时窗以及水平和垂直网格等, 且不同参数的设置对细节的刻画有一定的影响[10]。根据算法原理比较, 以及在不同工区进行的实际应用效果对比[5, 9], 最大似然属性分析数据体需要设置的控制参数更容易确定, 并且是全局性的算法。因此, 本文小尺度断层识别分析研究采用了最大似然属性计算方法。

地下地质体的产状可以用走向、倾向和倾角来描述, 如果在开展地震解释或属性分析时忽略掉地层产状, 会导致地震资料的分辨能力降低。沿地层反射倾角方向进行扫描、计算或追踪, 这个过程称为倾角控制。在倾角控制的基础上再开展地震资料的应用, 能有效压制随机噪声, 获得更加准确的地质体信息, 断层的刻画能力会明显增强[11, 12]。基于这样的思路, 建立了小尺度断层识别的步骤。

首先应用叠后地震数据体计算倾角与方位角数据体, 然后开展倾角控制增强处理, 最后利用获得的成果数据体计算最大似然属性。如果断层不发育, 地震相邻道相似性好, 属性减弱, 通常用浅色表示; 当断层较发育时, 地震相邻道的相似性不好, 属性增强, 通常用深色表示（图2）。属性增强表明存在异常, 因此可以根据属性是否有异常来识别小尺度断层。小尺度断层识别过程中, 关键步骤在于倾角控制增强和最大似然属性的计算。倾角控制增强需要计算空间上每个点的倾角与方位角, 以计算样点为中心选取对比视窗, 利用倾角及方位角的变化计算相邻道的相似性, 最后获得增强后的数据体。最大似然属性的计算过程将地震数据的每一个采样点看做一个立体像素单元, 其中包括振幅、倾角及走向等信息, 在计算过程中, 比较每一个采样点与地震数据体内所有采样点之间的相似性, 保留最小的相似性, 将其作为最大似然法分析结果。在此基础上进行全局归一, 设置相应参数使得具有相近相似性的立体像素相连接, 得到最大似然属性的计算结果。具体计算公式[10]为：

S＝（g）2sf（g2）sf

F＝1-S8

式中：S为地震道间的相似性属性; g为叠后地震数据体; （* ）s代表计算括号内的数据体采样点的构造导向平滑; （* ）f代表沿断层走向、倾向方向进行滤波; F为最终计算得到的断层似然属性, 其值为0~1, 由于相似性属性S进行了8次乘方, 增强了F低值与高值之间的差异, 使断层的线性特征更加明显。

图2 最大似然属性识别断层效果

2.2 微尺度断层识别方法

由于微尺度断层在地震剖面上没有响应, 只能依靠随钻资料进行识别分析。川南海相页岩地层中主要目的层为五峰组-龙马溪组, 自下而上划分为①至⑨小层, 其中②、③小层自上而下有3个高伽马峰值, 分别命名为Ⅰ 、Ⅱ 、Ⅲ 峰, Ⅱ 峰与Ⅲ 峰是水平井钻探的主要靶窗[13, 14]。实钻资料表明, 川南海相页岩地层中正常连续沉积时横向上地层非常稳定, 在纵向上的同样位置, 随钻伽马、元素录井等数值的变化幅度较小, 而钻遇断层后, 随钻伽马、元素录井等数值会有一定的变化。通过研究建立了伽马比值法和元素三维显示图板法来识别微尺度断层。

2.2.1 伽马比值法

为了表征地层是否发生变化, 定义了伽马比值（GRB/GRA, 其中GRA为GRB上一米的伽马测值, GRB为当前井深的伽马测值）, 伽马比值> 1为伽马上升, 伽马比值< 1为伽马下降。

受构造运动影响, 水平井沿井轨迹方向正常地层也存在一定的起伏, 地层倾角会发生变化, 钻遇不同的地层位置导致伽马测值易发生较大变化。图3基于工区内的典型井A-1井导眼的实钻数据, 模拟出可能钻遇上倾、下倾、近水平3种地层产状条件下的水平段, 分析不同位置、不同地层产状条件下的伽马比值。模拟结果表明, 正常地层随地层倾角变化, 伽马比值介于0.81~1.25之间, 当伽马比值超出此范围时, 判定为地层内发育了断层。

图3 A-1井模拟不同地层产状条件下的伽马变化示意

2.2.2 元素三维显示图板法

利用伽马比值法可以识别出伽马测值有明显变化的断层, 但在实钻与模拟过程中均发现, 当断层的断距很小, 特别是在Ⅲ 峰内部钻遇断层, 从Ⅲ 峰上半幅钻入下半幅, 或者从下半幅钻入上半幅, 断层前后的伽马测值相近, 伽马比值同样介于0.81~1.25之间, 无法利用伽马比值法识别断层。因此, 需要结合其他录井数据来判断钻遇的地层是否连续。

唐诚等[13]研究了元素三维显示图板, 将Ⅲ 峰自上而下划分为上半幅、峰尖、下半幅A段、下半幅B段4个不同的部位（图4a）, Ⅲ 峰的上半幅和下半幅A段的伽马测值非常接近, 如果在Ⅲ 峰上半幅发育断层直接进入下半幅A段, 或者从下半幅A段直接进入上半幅, 无法采用伽马比值来判断, 但是在元素三维显示图板上[13]具有较好的区分度：Ⅲ 峰上半幅为中-高Si、中-高Al、中等Ca特征, Ⅲ 峰下半幅A段为低Si、中-高Al、中-高Ca特征, Ⅲ 峰下半幅B段为中-高Si、低-中Ca、中等Al特征（图4b）。虽然上半幅和下半幅B段有一定的相似性, 但从上半幅到下半幅B段, 正常地层层序情况下需要经过峰尖、下半幅A段, 反之亦然。因此, 通过利用元素三维显示图板不间断地分析, 可获得钻头位置穿行轨迹, 能判断地层连续或者存在缺失, 如果发现钻头穿行的位置突然从Ⅲ 峰的上半幅穿行到下半幅, 或者从Ⅲ 峰的下半幅穿行到上半幅及以上的地层, 但没有出现峰尖, 则判断为钻遇断层。综合伽马比值和元素三维显示图板, 能有效识别是否钻遇了微尺度断层。

图4 A 6井Ⅲ 峰峰形划分及元素三维显示图板

2.3 井震结合断层识别流程

地震资料是识别大尺度、中尺度断层的主要手段, 小尺度断层具有一定的隐蔽性, 通过采用倾角控制增强, 计算最大似然属性能提高小断层的识别精度, 而微尺度断层的地震剖面上基本没有响应, 需要利用随钻伽马、元素录井等资料开展识别。通过多种方法综合应用, 建立井震结合断层识别流程, 如图5所示。需要注意的是, 虽然微尺度断层在地震属性上没有明显响应, 但小尺度断层可能会出现伽马比值或元素三维显示图板异常, 因而需要综合应用。

图5 井震结合断层识别流程

3 应用效果

通过研究建立的断层识别流程与判别标准在川南页岩气工区进行了应用。根据区域特征并结合已钻井分析, 工区内不同程度地发育了断层, 多数属于小尺度或微尺度规模断层, 断层性质为以压性或压扭性为主的逆断层[14]。

3.1 总体符合率统计

截至2020年底, 已经完钻60口井, 其中16口井的穿行位置上最大似然属性有异常, 地震属性识别断层无异常井有44口, 但2口井伽马比值异常, 3口井元素三维显示图板异常, 最终实钻钻遇断层井数11口。尽管16口井地震属性异常, 但实钻只有6口井钻遇断层, 没有钻遇断层的井主要分布在A 6、C 6、C 9平台, 另有5口井由于断距极小, 超出了地震属性能够识别的范围, 只能依靠伽马比值与元素三维显示图板识别断层。故地震属性异常符合率仅为75%, 综合多种识别方法后的总符合率为83.33%（表1）。

表1 川南工区小微尺度断层识别符合率统计
3.2 典型井应用效果

以C 9平台为例, 该平台C 9-6井钻遇了小尺度断层, C 9-2井钻遇了微尺度断层。

3.2.1 C 9-6井

C 9-6井钻前分析表明, 常规地震剖面无明显异常, 地层产状较为平稳, 但最大似然属性存在明显异常, 平面上分析水平段尾部将横穿该异常层段（图6、图7）。实钻水平段至井深5 161.00 m, 井斜89.70° , 随钻伽马测值突降, 伽马比值由1.10下降至0.56, 结合地震属性分析结果, 判断为钻遇逆断层。结合录井数据分析钻头从Ⅲ 峰上穿进入Ⅰ -Ⅱ 峰之间的地层, 为确保轨迹回到靶窗, 缓慢降斜至88.1° , 于井深5 370.00 m开始随钻伽马测值缓慢上升, 轨迹回到Ⅲ 峰上半幅, 验证了断层判断可靠。

图6 川南工区已钻井最大似然属性应用效果

图7 C 9-6井小尺度断层识别效果

3.2.2 C 9-2井

C 9-2井钻前常规地震剖面、地震属性分析均无明显异常。实钻过程中（图8）, 根据元素三维显示图板判断4 200.00~4 250.00 m井段为Ⅲ 峰下半幅A段, 随钻伽马测值由520 API缓慢降至340 API, 4 250.00~4 406.00 m井段元素三维显示图板显示为Ⅲ 峰下半幅B段, 轨迹略下切地层。4 406.00~4 422.00 m井段随钻伽马测值在220~270 API之间, 基本没有变化, 但元素特征有明显变化, 元素三维显示图板表明该程不属于Ⅲ 峰下半幅B段或A段, 地层存在缺失, 综合分析判断钻遇微尺度断层, 钻头上穿出靶框。经持续降斜后于井深4 632.00 m回到Ⅲ 峰, 随钻伽马测值特征明显, 验证了存在微尺度断层。

图8 C 9-2井微尺度断层识别效果

通过断层识别技术的应用, 采用井震结合断层识别流程, 准确地识别出小微尺度断层, 为页岩气水平井的施工提供了技术支撑。

3.3 误差原因分析

从应用效果分析, 在识别误差方面, 依据地震属性的小尺度断层判别方法方面, 虽然没有发生漏判, 但误判较多, 特别是靠近工区边缘的井, 地震属性异常较多, 但最终实钻验证结果表明, 一些明显异常的位置并没有发育断层。因此开展误差的原因分析, 有利于明确后续的研究方向。

3.3.1 地震资料具有多解性

地震资料具有多解性, 是业内的普遍认识, 地震同相轴的变化, 既可以解释为断层的作用, 也可以解释为岩性尖灭, 还可以解释为地震采集过程中的激发、接收条件的变化造成的非真实响应[3, 5, 8]。小尺度断层的断距小, 展布规模有限, 进一步增大了准确识别的难度。

3.3.2 构造特征对地震资料的影响

统计分析表明, 实钻中主要不符合的井分布在A 6、C 6两个平台。从地震属性特征分析, A 6、C 6两个平台的地层属性异常相对较弱, 但异常的分布范围较广, 分布的形态杂乱。从构造特征分析, 它们均位于向斜中心向背斜转换的过渡带上, 地层与构造特征的变化, 对地震数据的采集及处理本身有一定影响, 同时最大似然属性的算法是通过计算相似性属性的8次方来增强低值与高值之间的差异[10], 在提高断层刻画能力的同时, 也增大了地震噪声, 导致地震属性的杂乱异常分布, 形成了较多异常假象。

4 认识与建议

（1）川南海相龙马溪组页岩地层由于构造作用容易发育断距较小的逆断层, 根据地震正演分析, 小微尺度的断层无法通过常规地震资料分析判断其是否发育, 需要通过井震结合综合分析。

（2）通过研究建立了井震结合的小微尺度断层识别流程与判别标准, 小尺度断层主要采用最大似然地震属性分析, 微尺度断层采用伽马比值、元素三维显示图板综合判断。

（3）井震结合的小微尺度断层判别方法具有较好的应用效果, 但地震属性分析方法存在一定的判别误差, 主要原因为地震资料的多解性、构造对地震资料的影响等, 故有必要进一步加强地震资料去噪与精细解释技术的研究与应用。

（编辑 卜丽媛）

参考文献
[1] 王飞, 程礼军, 刘俊峰, 等. 叠后地震属性识别页岩气储层裂缝研究及应用[J]. 煤田地质与勘探, 2015, 43(5): 113-116.
WANG Fei, CHENG Lijun, LIU Junfeng, et al. Research and application of post-stack seismic attributes in recognizing shale gas reservoir fracture[J]. Coal Geology & Exploration, 2015, 43(5): 113-116. [本文引用:1]
[2] 刘振峰, 曲寿利, 孙建国, 等. 地震裂缝预测技术研究进展[J]. 石油物探, 2012, 51(2): 191-198.
LIU Zhenfeng, QU Shouli, SUN Jianguo, et al. Research progress of seismic fracture prediction technology[J]. Geophysical Prospecting for Petroleum, 2012, 51(2): 191-198. [本文引用:2]
[3] 李婷婷, 侯思宇, 马世忠, 等. 断层识别方法综述及研究进展[J]. 地球物理学进展, 2018, 33(4): 1507-1514.
LI Tingting, HOU Siyu, MA Shizhong, et al. Overview and research progress of fault identification method[J]. Progress in Geophysics, 2018, 33(4): 1507-1514. [本文引用:5]
[4] 潘仁芳, 金吉能. 断层和裂缝尺度识别的地球物理方法探讨[J]. 长江大学学报(自然科学版), 2011, 8(3): 16-18.
PAN Renfang, JIN Jineng. Geophysical method for recognizing faults and fracture sizes[J]. Journal of Yangtze University(Natural Science Edition), 2011, 8(3): 16-18. [本文引用:2]
[5] 梁志强. 不同尺度裂缝的叠后地震预测技术研究[J]. 石油物探, 2019, 58(5): 766-772.
LIANG Zhiqiang. Post-stack seismic prediction techniques for fractures of different scales[J]. Geophysical Prospecting for Petroleum, 2019, 58(5): 766-772. [本文引用:4]
[6] 吕双兵. 井震联合断层识别技术及其应用——以杏北油田为例[J]. 地球物理学进展, 2015, 30(5): 2200-2205.
LYU Shuangbing. Identification of fault by integration of well and seismic data and its applications-taking Xingbei oilfield as the example[J]. Progress in Geophysics, 2015, 30(5): 2200-2205. [本文引用:1]
[7] 黄诚, 李鹏飞, 王腾宇, 等. 地震属性分析技术在小断层识别中的应用[J]. 工程地球物理学报, 2016, 13(1): 41-45.
HUANG Cheng, LI Pengfei, WANG Tengyu, et al. The application of seismic attribute analysis technology to the identification of small faults[J]. Chinese Journal of Engineering Geophysics, 2016, 13(1): 41-45. [本文引用:2]
[8] 张勇. 油气藏地震正演模型与分析[M]. 石油工业出版社, 2009.
ZHANG Yong. Seismic forward modeling and analysis of oil and gas reservoirs[M]. Petroleum Industry Press, 2009. [本文引用:2]
[9] 周津宇, 康昆, 巫骏, 等. 非常规页岩气储层裂缝预测技术在CY区块中的应用研究[C]. //西安石油大学, 陕西省石油学会. 2019油气田勘探与开发国际会议论文集. 2019: 789-799.
ZHOU Jinyu, KANG Kun, WU Jun, et al. Application of fracture prediction technology in unconventional shale gas reservoir in block CY[C]. //Xi′an Shiyou University, Shaanxi Petroleum Society. Proceedings of 2019 International Conference on Oil and Gas Field Exploration and Development. 2019: 789-799. [本文引用:3]
[10] 甄宗玉, 郑江峰, 孙佳林, 等. 基于最大似然属性的断层识别方法及应用[J]. 地球物理学进展, 2020, 35(1): 374-378.
ZHEN Zongyu, ZHENG Jiangfeng, SUN Jialin, et al. Fault identification method based on the maximum likelihood attribute and its application[J]. Progress in Geophysics, 2020, 35(1): 374-378. [本文引用:3]
[11] 张璐, 何峰, 陈晓智, 等. 基于倾角导向滤波控制的似然属性方法在断裂识别中的定量表征[J]. 岩性油气藏, 2020, 32(2): 108-114.
ZHANG Lu, HE Feng, CHEN Xiaozhi, et al. Quantitative characterization of fault identification using likelihood attribute based on dip-steering filter control[J]. Lithologic Reservoirs, 2020, 32(2): 108-114. [本文引用:1]
[12] 段友祥, 曹婧, 孙歧峰. 自适应倾角导向技术在断层识别中的应用[J]. 岩性油气藏, 2017, 29(4): 101-107.
DUAN Youxiang, CAO Jing, SUN Qifeng. Application of auto-adaptive dip-steering technique to fault recognition[J]. Lithologic Reservoirs, 2017, 29(4): 101-107. [本文引用:1]
[13] 唐诚, 王志战, 陈明, 等. 基于X射线荧光元素录井的深层页岩气精准地质导向技术[J]. 石油钻探技术, 2019, 47(6): 103-110.
TANG Cheng, WANG Zhizhan, CHEN Ming, et al. Accurate geosteering technology for deep shale gas based on XRF element mud logging[J]. Petroleum Drilling Techniques, 2019, 47(6): 103-110. [本文引用:3]
[14] 武恒志, 熊亮, 葛忠伟, 等. 四川盆地威远地区页岩气优质储层精细刻画与靶窗优选[J]. 天然气工业, 2019, 39(3): 11-20.
WU Hengzhi, XIONG Liang, GE Zhongwei, et al. Fine Characterization and target window optimization of high-quality shale gas reservoirs in the Weiyuan area, Sichuan Basin[J]. Natural Gas Industry, 2019, 39(3): 11-20. [本文引用:2]