基于地震反演及多信息协同约束的冲积扇储层精细建模

赵 磊, 柯 岭, 段太忠, 王鸣川, 商晓飞, 贺婷婷

( 1. 中国石油化工股份有限公司 石油勘探开发研究院,北京 100083； 2. 中国石油大学 博士后流动站,北京 102249； 3. 中海油研究总院，北京 100028 )

基于地震反演及多信息协同约束的冲积扇储层精细建模

赵 磊1,2, 柯 岭3, 段太忠1, 王鸣川1, 商晓飞1, 贺婷婷1

( 1. 中国石油化工股份有限公司 石油勘探开发研究院,北京 100083； 2. 中国石油大学 博士后流动站,北京 102249； 3. 中海油研究总院，北京 100028 )

油田开发早期区块井资料少、井距大，难以对储层进行精确描述。采用叠后地震反演数据进行沉积相研究，定量分析扇根亚相各微相，为三维沉积相模型提供地质参数；以测井数据为硬数据，采用沉积相控制、反演协同体等信息约束建立储层的泥质质量分数模型。结果表明，应用包括地震反演信息在内的多种信息进行约束建模，可以综合测井资料纵向高精度和地震资料横向高精度的优点，解决勘探开发阶段储层精细描述的问题。

地震反演； 储层建模； 多信息协同约束； 冲积扇

0 引言

冲积扇储层非均质性较强，在油气田开发阶段，需要采用三维地质建模技术对它进行精细描述[1]。人们在成因、构型单元分布、沉积特征等方面对冲积扇储层进行研究。文献[2]建立构造活动强度逐渐减弱的冲积扇沉积模式[2]。Rohtash K研究喜马拉雅山第四系冲积扇，提出理想的冲积扇模式[3]。Srivastava认为断层活动强度大，冲积扇规模大；反之，冲积扇规模较小[4]。Waters J V认为在气候由湿润转为干旱过程中，砾质河道的规模变小且弯曲度增大[5]。Miall A D提出储层构型概念[6]。吴胜和等探讨新疆克拉玛依油田三叠系克下组冲积扇储层内部层次划分系统，并建立以“泛连通体”为特征的沉积构型模式[7]。陈玉琨等建立冲积扇储层地震地质识别方法[8]。冯文杰认为扇根储层主要为流沟系统，形成“树杈”组合，为建立三维冲积扇模型提供较好的模式及参数[9]。吴小军等采用多点地质统计学方法建立冲积扇模型[10]。李君等采用多种建模方法耦合建立冲积扇模型[11]。

开发早期阶段油田井资料较少，井距可能达到数千米。对于冲积扇等强非均质性储层，在一个井距范围内沉积相及砂体突变较大，单纯的井资料信息不足以得出详细的储层信息，需要综合地震等信息进行定量分析[12-14]，并将结果应用到储层建模中，降低模型的不确定性[15-17]。通过地质统计学反演砂体厚度，结合单井沉积相和沉积模式，笔者分析各个沉积微相之间的定量关系，采用基于目标的方法进行相建模。同时，综合地震、测井、地质等信息进行协同约束属性建模，实现高精度储层地质建模。

1 研究区概况

克拉玛依油田X井区块夏子街组油藏位于准格尔盆地西北缘车排子地区，距克拉玛依小拐镇南偏西约为11.0 km(见图1)。研究区主要发育二叠系沉积，目的层段为夏子街组(P2x3)，地层由顶至底可划分为三个砂层组——P2x31、P2x32、P2x33，顶面构造形态为一由西向东倾的单斜构造(见图2)。

图1 X井区位置Fig.1 The location of the X block

图2 X井区夏子街组顶面构造

二叠系夏子街组整体属于冲积扇沉积。纵向上，该扇体内部沉积具有较好的连续性，沉积厚度近千米；平面上，该扇体主体部位长为6.5～8.0 km，宽为3.0～4.0 km，面积为32.0 km2，属于规模较小的扇体，扇体空间展布为西一东向。根据岩心观察、粒度分析及电性特征研究单井相，X井区属于冲积扇—扇根亚相沉积。根据岩心观察、粒度分析及FMI成像测井资料，该扇根沉积以褐色及杂色砂砾岩为主，砾石直径一般为2～60 mm，砂砾岩比为82%～98%。砾石成分主要为凝灰岩和安山岩，磨圆为次棱角状，分选差。

2 冲积扇分析

2.1 扇根沉积特征

夏子街组整体沉积物粒度粗，以砾岩为主，属于冲积扇沉积相。X井区位于扇根亚相，主要发育三种沉积微相：主槽、槽滩及漫洪带(见图3)。

主槽是冲积扇储层粒度最粗、分选磨圆最差的微相，形态上一般为2～3个直而深的槽体，是在洪水期快速堆积形成的，沉积物以砂砾岩为主。识别标志为垂直物源方向上为宽槽状，呈现不规则、不明显的凸形；粒度最大，但分选较差，以砾岩为主，颜色多为褐红、灰绿色、浅灰色；层理类型不明显，有时可以观察到洪积层理、前积型单层系交错层理，韵律不明显；测井曲线为箱型或漏斗型。

槽滩位于主槽与高地形之间的过渡地带，当洪水规模较大时冲出主槽，在扇面上形成发散状水流，水流流速降低，携带的粗碎屑物质堆积下来而形成槽滩砾石体，粒度小于主槽的，沉积作用具有侧积和垂向加积双重特征。在测井曲线上表现为钟型的叠加或者不明显的锯齿状。

漫洪带形成于扇根的相对高部位，分布于主槽和槽滩周边区域。漫洪带内部也发育细粒沉积和砂体，是由古地形高低起伏不定、在不同位置沉积上的差异造成的，连片性较差，整体沉积物较细，以砂泥质为主，含少量细砾。其中，较细粒的沉积物主要为含砂质泥岩和粉砂质泥岩，呈块状，厚度在0.5 m左右，电阻率低，在20～50 Ω·m之间。

2.2 地震特征

采用叠后地震资料，信噪比不高，主频为35 Hz。在三维地震描述中，地震相表现为楔状复合波形前积相，局部出现杂乱反射相，反映扇根部位泥岩隔层少、成层性差的特点(见图4(a))。在振幅平面图上，扇根部位主要集中在振幅均值大于1.0×104处(见图4(b))。

在一般情况下，采用确定性反演，如叠后约束稀疏脉冲反演受到地震分辨率的制约，得到的波阻抗剖面一般能分辨10 m左右的砂层，无法满足非均质性强的砂体的描述。采用随机性反演，如地质统计学反演将区域地质概念和井资料进行融合，可以提高纵向分辨率，是解决横向非均质性很强的油气藏描述问题的最佳方案[18-20]。

图3 研究区che67井单井柱状图Fig.3 Column map showing stratigraphy, lithology, sedimentary facies of well che67

分别采用叠后约束稀疏脉冲反演(CSSI)和地质统计学反演方法，总体上两者结果趋势一致，说明两种反演方法既与地震信息符合，又可以相互验证，结果较为可靠，其中地质统计学反演在纵向上有较高的分辨率(见图5)。利用地质统计学随机反演产生井间波阻抗，通过反复迭代使合成地震道与原始地震道进行最大程度匹配，最终得到多个等概率波阻抗体。对多个波阻抗体进行优选，通过井上储层特征分析，利用阈值进行截断，转换为储层的地质统计学反演砂体厚度分布，分析冲积扇关系。

2.3 冲积扇关系

根据地质统计学反演砂岩厚度，选取第P2x33层沉积相进行分析，以研究区3条主槽和槽滩作为对象，共有24个样本点，对厚度、宽度进行测量并分析其中的关系(见图6)。

图4 X井区地震相剖面及振幅平面Fig.4 Seismic facies profile and amplitude map of X block

图5 X井区叠后约束稀疏脉冲反演与地质统计学反演结果Fig.5 Poststack constraint sparse pulse inversion and geostatistical inversion

2.3.1 宽度与深度

X井区主槽参数统计关系见图7。由图7可知：(1)主槽宽度较为均匀，分布在600～950 m之间，平均为704 m，但640～660 m范围居多，占比为20%左右。(2)主槽厚度主要在20～30 m之间，占比为85%以上，少数达到35 m。(3)主槽宽深比为30～35，占比为80%，少数达到40。

X井区槽滩参数统计关系见图8。由图8可知：(1)槽滩宽度变化比较大，介于400～1 600 m，其中600 m左右宽度占比为45%～55%；(2)槽滩厚度在8～20 m之间，其中11～13 m占比较少，其余较为均匀。(3)宽厚比在60～180之间，其中宽厚比为60左右占比为60%以上。

X井区主槽和槽滩属于一次性成因沉积单元，其宽度和厚度存在定量关系(见图9)。在一定范围内，主槽宽度随着厚度的增加而增大，且两者之间存在指数正相关关系(见图9(a))。槽滩宽度与厚度之间存在指数负相关关系(见图9(b)，即随着槽滩变宽，槽滩厚度呈现变薄趋势。槽滩宽度与主流线的长度存在线性正相关关系(见图9(c)，说明槽滩宽度随着主流线的延伸呈现变宽趋势。

原因在于扇根主要形成于洪水事件早期，受古地形限制作用的影响，主槽被限制在底形较低范围，宽度变化范围受到限制，且扇根沉积物沉积较为迅速，宽度较大的区域厚度也较大，存在较好的正相关关系。槽滩位于扇根主槽与高地形过渡地带，由冲出主槽的沉积物沉积而形成，随着流动距离的增加，水体快速散开，水动力骤减，随着主流线的长度变大，槽滩宽度变宽，厚度变薄(见图10)。

图6 X井区反演砂体厚度及采样点Fig.6 Inversion of sand body thickness and sampling point in X block

2.3.2 波长与幅度

波长反映一个完整的主槽前进的距离，幅度反映主槽的摆动能力，它们与冲积扇的坡度有关，坡度越大，波长越长，幅度越小。统计研究区6条主槽和槽滩的24个样本点分布特征(见图11)。由图11可知：(1)波长变化在1 800～3 800 m之间，平均为2 562 m，2 600 m左右占比为55%～60%。(2)幅度变化在600～1 300 m之间，平均为750 m，700～900 m的占比为81%。相对于河流相储层，主槽的波长相对较大，幅度相对较小，曲率小于1.3，较为平直，与主槽发育的较高坡度和暂时性的水流(雨水或洪水)有关：坡度越大，单次的水流流量越大，波长越长且幅度越小，曲率也越小。

3 多信息协同约束建模

3.1 方法选择

由于沉积微相有明确的几何特征和形态，基于像元的方法(如序贯指示模拟法)无法模拟具有明确空间形态的模型。在一定程度上，多点地质统计学方法可以克服两点统计学不能再现目标几何形态的不足，但其本质属于基于像元的方法，地质体的三维重现困难[21]；截断高斯方法产生的模型能够反映原始模型的分布格局和特点，但是各种微相在模型中的占比和原始数据有较大的差异[22]。基于目标体建模方法(Object Modeling)尤其适合具有背景相的目标进行模拟[23-24]，如曲流河和辫状河等具有水道的沉积相，研究区冲积扇扇根亚相发育类似水道微相，可以采用目标体建模方法；根据原型模型和地震反演参数，对3个砂层组进行模拟，且在模拟的过程中允许后期形成的主槽对前期沉积进行冲刷剥蚀。

图7 X井区主槽参数统计关系Fig.7 Statistical relationship parameters of main channel in X block

图8 X井区槽滩参数统计关系Fig.8 Statistical relationship parameters of swale in X block

3.2 参数设置

基于目标体建模方法，直接产生目标体，设置包括形态、规模及趋势等的目标参数，选取符合实际的地质参数，采用弯曲条带状且带天然堤的形态进行模拟。根据前期定量关系，主槽的波长和振幅采用三角分布，波动因数为0.2，中值分别为2 562、750 m。主槽的宽度和厚度也采用三角分布，波动因数为0.2，中值分别为704、30 m，主槽设置参数见表1。

图9 主槽、槽滩宽度与厚度及其与主流线长度关系Fig.9 Width-depth ratio of main channel and swale and its relation to the length of main streamline

图10 X井区冲积扇—扇根沉积变宽变薄示意

图11 X井区扇根波长、幅度及其比值关系Fig.11 Relationship between fanhead wavelength, amplitude and its ratio in X-block

沉积相参数分布波动因数低值/m中值/m高值/m主槽宽度厚度波长振幅三角分布0．26007049502030351800256238006007501300

研究区物源主要来自于西部，有多种方法可以控制物源方向，既可以在物源方向给定数值范围，也可以采用方向趋势(Directional Trend)。由于已经确定沉积相的方向及流向，可以通过物源点(Souce Points)和流线(Flow Line)进行控制。物源点不仅可以控制主槽和槽滩的物源方向和发育起点，且根据物源点的个数和分布范围，也可以控制主槽发育的规模。流线决定主槽的摆动范围，相当于负地形规模，即主槽最大的振幅不超过流线的控制范围。

根据沉积特征和沉积模式，槽滩的形态随着主流线延伸，逐渐变薄变宽。吴胜和等证实新疆油田扇根片流带在向下游展布的过程中变宽变薄[7]，Pranter M J等在深水水道中也证实这种规律[25]。在基于目标的传统Fluvsim算法中，能够赋予槽滩一定范围的宽度和厚度，使之符合三角分布或正态分布，但是只能保证槽滩的宽度和厚度在一定的合理范围内，符合前期的统计规律，不能表现槽滩沿主流线方向的规律性变化，需要对基于目标的传统Fluvsim算法进行较为复杂的改进[25]。采用趋势面控制方法，相对简单易行，根据槽滩的宽度、厚度与主流线长度之间的定量关系，分别生成趋势面(见图12)。由图12可知，在统计范围内，主槽的厚度和宽度体现水道底凸顶平的槽状特点和各个沉积微相的相互接触关系，槽滩在平面上随着主槽主流线的延伸长度变宽、厚度变薄，模拟结果与沉积过程存在较高的一致性(见图13)。

图12 X井区槽滩厚度和宽度趋势面控制Fig.12 Thickness and width trend control of swale

图13 X井区基于目标的方法模拟结果Fig.13 The simulation result based on the object method

3.3 多信息综合建模

测井曲线数据在纵向上分辨率可以达到0.125 m，对于细节刻画较好，研究区只有3口井，采用变差函数进行插值将产生多解性。地震反演数据横向采集密度大，在平面上连续性和预测性强，但是在纵向上分辨率较低(主波波长的1/4)，对非均质性刻画不够。采用多信息协同约束建模，将测井、地震反演和地质等信息结合到一起，发挥测井资料纵向分辨率和地震反演等数据横向分辨率强的特点，对于井资料缺乏、储层非均质性较强的油气田，可以提高属性模型井间的预测精度。

在泥质质量分数模型中，采用沉积相约束属性的建模策略[26]。采用高斯随机函数算法进行模拟，利用分解算法进行并行运算，即采用克里金和非条件模拟(傅里叶转换算法)，相对于序贯高斯随机模拟(SGS)，运算速度快且在主次变量和模拟变量相关性之间无系统误差。

反演的泥质质量分数数据体能够反映井点数据的精确性及地质规律，但泥质质量分数连续性过好，数据体平均化的效果严重，砂泥岩没有明显的界限，模糊储层的非均质性，纵向分辨率相对较低(见图14(a))。对于多信息综合约束的泥质质量分数模型，地震反演数据作为软数据，以同位协同模拟的方式进行运算。采用地震反演数据约束的泥质质量分数模型，砂泥岩之间的界限得到更好的体现(见图14(b))，且体现沉积相的控制作用，能够反映地震数据表现的大尺度储层结构，体现储层非均质性强的地质规律。

图14 X井区反演泥质与相控泥质质量分数模型剖面

3.4 不确定性分析

3.4.1 概率分布一致性检验方法

三维地质模型实质上是对井外位置区域进行内插和外推，如果模型的精度高，则其模型数据的分布规律与离散化数据、原始测井曲线数据应该保持一致，即它们具有相同的分布区间和峰值形态。储层孔隙度数据体、原始数据及离散化数据见图15，其中蓝色为模型数据体，绿色为离散化数据体，红色为原始数据。由图15可以看出，除了首尾受消峰效应的影响而有一定的误差，整体具有相似的分布规律，说明模拟结果保留原始数据分布信息，模拟精度较高。

3.4.2 储量检验

地质储量决定油田的开发和规模，可以作为三维地质模型进行检验的定性参数。采用该模型计算的储量与地质分析结果较为符合，误差在7%以内，验证模型的准确性。

图15 X井区三维地质模型概率分布一致性检验

4 结论

(1)根据地震反演数据对冲积扇扇根储层进行定量分析，其中主槽被底形限定在一定范围内，宽度和厚度变化不大，主槽的厚度和宽度呈现一定的正相关关系。槽滩的宽度和厚度随着主流线的延伸方向分别呈现线性正相关和负相关关系。

(2)采用基于目标的方法进行模拟，槽滩的宽度和厚度采用趋势面控制方法，随着物源方向的延伸，槽滩的宽度和厚度分别变宽和变薄，符合地质模式和定量分析结果。

(3)采用多信息协同约束模拟属性模型，在地震反演数据的基础上加入测井、岩心、沉积相等储层信息，发挥不同数据的优点，最终定量、统一地刻画储层的空间属性，描述储层的非均质性，模型的精度较高。

[1] Zhao Fan. Lacustrine algal limestone reservoir in western Qaidam basin, China [J]. Carbonates Evaporites, 2013,25(11):101-107.

[2] Viseras C, Calvache M L, Soria J M, et al. Differential features of alluvial fans controlled by tectonic or eustatic accommodation space. Examples from the Betic Cordillera, Spain [J]. Geomorphology, 2003,50(1):181-202.

[3] Rohtash K. Evolution of the Quaternary alluvial fan system in the Himalayan foreland basin implications for tectonic and climatic decoupling [J]. Quaternary International, 2007,159(1):6-20.

[4] Srivastava. Late Quaternary alluvial fans and paleosols of the Kangra basin, NW Himalaya: Tectonic and paleoclimatic implications [J]. Catena, 2009,76(2):135-154.

[5] Waters J V. Climatic controls on late Pleistocene alluvial fans, Cyprus [J]. Geomorphology, 2010,115(3):228-251.

[6] Miall A D. Architectural-element analysis: A new method of facies analysis applied to fluvial deposits [J]. Earth Science Reviews, 1985,22(2):261-308.

[7] 吴胜和,范峥,许长福,等.新疆克拉玛依油田三叠系克下组冲积扇内部构型[J].古地理学报,2012,14(3):331-340. Wu Shenghe, Fan Zheng, Xu Changfu, et al. Internal architecture of alluvial fan in the Triassic lower Karamay formation in Karamay oilfield, Xinjiang [J]. Journal of Palaeogeography, 2012,14(3):331-340.

[8] 陈玉琨,王延杰,朱亚婷,等.克拉玛依油田七东_1区克下组冲积扇储层构型表征[J].岩性油气藏,2015,27(5):92-97. Chen Yukun, Wang Yanjie, Zhu Yating, et al. Architecture characterization of alluvial fan reservoir of lower Karamay formation in east district 7(1) of Karamay oilfield [J]. Lithologic Reservoirs, 2015,27(5):92-97.

[9] 冯文杰,吴胜和,许长福,等.冲积扇储层窜流通道及其控制的剩余油分布模式——以克拉玛依油田一中区下克拉玛依组为例[J].石油学报,2015,36(7):858-870. Feng Wenjie, Wu Shenghe, Xu Changfu, et al. Water flooding channel of alluvial fan reservoir and its controlling distribution pattern of remaining oil: A case study of triassic lower Karamay formation. Yizhong area, Karamay oilfield, NW China [J]. Acta Petrolei Sinica, 2015,36(7):858-870.

[10] 吴小军,李晓梅,谢丹,等.多点地质统计学方法在冲积扇构型建模中的应用[J].岩性油气藏,2015,27(5):87-91. Wu Xiaojun, Li Xiaomei, Xie Dan, et al. Application of multiple-point geostatistics method to structure modeling of alluvial fan [J]. Lithologic Reservoirs, 2015,27(5):87-91.

[11] 李君,李少华,张敏,等.多种建模方法耦合建立冲积扇三维构型模型:以克拉玛依油田六中东区下克拉玛依组为例[J].现代地质,2013,27(3):662-668. Li Jun, Li Shaohua, Zhang Min, et al. Combining several modeling methods to build 3D architecture model of alluvial fan: A case study on lower Karamay formation, Liuzhong Dong area, Karamay oilfield [J]. Geoscience, 2013,27(3):662-668.

[12] 李素华,李兆影.官渡构造下沙溪庙组致密砂岩储层有效识别[J].东北石油大学学报,2014,38(2):35-42. Li Suhua, Li Zhaoying. Effective identification of tight sandstone reserovir of lower Shaximiao formation in Guandu structure [J]. Journal of Northeast Petroleum University, 2014,38(2):35-42.

[13] 张昆,刘永福,许永忠,等.基于D—S证据理论的多参数反演的火成岩识别——以塔里木盆地哈拉哈塘地区为例[J].东北石油大学学报,2013,37(1):51-56. Zhang Kun, Liu Yongfu, Xu Yongzhong, et al. Muti-parameter inversion in identifying igneous rocks based on D-S evidence thoery-taking Halahatang area in Tarim basin as an example [J]. Journal of Northeast Petroleum University, 2013,37(1):51-56.

[14] 李中冉,牛彦山,薛凤玲,等.测井约束储层反演技术在低渗透油藏描述中的应用[J].东北石油大学学报,2004,28(6):89-91. Li Zhongran, Niu Yanshan, Xue Fengling, et al. Application log constraining reservoir invension technology to low permeability reservoir description [J]. Journal of Northeast Petroleum University, 2004,28(6):89-91.

[15] 刘文岭.地震约束储层地质建模技术[J].石油学报,2008,29(1):64-68. Liu Wenling. Geological modeling technique for reservoir constrained by seismic data [J]. Acta Petrolei Sinica, 2008,29(1):64-68.

[16] 窦松江,赵郁文,徐芳,等.埕海油田地质建模过程中的难点及对策[J].天然气地球科学,2010,21(4):652-656. Dou Songjiang, Zhao Yuwen, Xu Fang, et al. Difficulties and countermeasures of geological modeling in Chenghai oilfield [J]. Natural Gas Geoscience, 2010,21(4):652-656.

[17] 牟智全,周立宏,张彦湘,等.地震—地质综合储层预测技术在大庆油田G533区块的应用[J].石油地球物理勘探,2009,44(3):323-330. Mu Zhiquan, Zhou Lihong, Zhang Yanxiang, et al. Application of seismic geologic integrative reservoir prediction technique in Gu 533 block of Daqing oilfield [J]. Oil Geophysical Prospecting, 2009,44(3):323-330.

[18] 何火华,李少华,杜家元,等.利用地质统计学反演进行薄砂体储层预测[J].物探与化探,2011,35(6):804-808. He Huohua, Li Shaohua, Du Jiayuan, et al. The application of geostatistic inversion method to predicting the thin sandstione reservoir [J]. Geophysical & Geochemical Exploration, 2011,35(6):804-808.

[19] 尚建林,李太辉,霍新勇,等.地质统计学反演预测百口泉油田百34井区薄砂体[J].新疆石油地质,2009,30(6):758-760. Shang Jianlin, Li Taihui, Huo Xinyong, et al. Application of geostatistical inversion to prediction of thin sand body of Karamay formation in Bai-34 well area in Baikouquan oilfield [J]. Xinjiang Petroleum Geology, 2009,30(6):758-760.

[20] 孙思敏,彭仕宓.地质统计学反演方法及其在薄层砂体预测中的应用[J].西安石油大学学报:自然科学版,2007,22(1):41-44. Sun Simin, Peng Shimi. Geostatistical inversion method and its application in the prediction of thin reservoirs [J]. Journal of Xi'an Shiyou University: Natural Science Edition, 2007,22(1):41-44.

[21] Zhang T. Incorporating geological conceptual models and interpretations into reservoir modeling using multiple-point geostatistics [J]. Earth Science Frontiers, 2008,15(1):26-35.

[22] 包兴,李君,李少华.截断高斯模拟方法在冲积扇储层构型建模中的应用[J].断块油气田,2012,19(3):316-318. Bao Xing, Li Jun, Li Shaohua. Application of truncated Gaussian simulation algorithm in architecture modeling of alluvial fan reservoir [J]. Fault-Block Oil & Gas Field, 2012,19(3):316-318.

[23] 王家华,刘卫丽,白军卫,等.基于目标的随机建模方法[J].重庆科技学院学报:自然科学版,2012,14(1):162-163. Wang Jiahua, Liu Weili, Bai Junwei, et al. On the object-based stochastic modeling method [J]. Journal of Chongqing University of Science and Technology: Nature Sciences Edition, 2012,14(1):162-163.

[24] 尹艳树,张昌民,李玖勇,等.多点地质统计学研究进展与展望[J].古地理学报,2011,13(2):245-252. Yin Yanshu, Zhang Changmin, Li Jiuyong, et al. Progress and prospect of multiple-point geostatistics [J]. Journal of Palaeogeography, 2011,13(2):245-252.

[25] Pranter M J, Reza Z A, Weimer P. Deepwater reservoir modeling using sequence-stratigraphic and geomorphic constraints [C]∥SPE Annual Technical Conference and Exhibition. USA: Society of Petroleum Engineers, 2005:11-22.

[26] 牛博,高兴军,赵应成,等.古辫状河心滩坝内部构型表征与建模——以大庆油田萨中密井网区为例[J].石油学报,2015,36(1):89-100. Niu Bo, Gao Xingjun, Zhao Yingcheng, et al. Architecture characterization and modeling of channel bar in paleo-braided river: A case study of dense well pattern area of Sazhong in Daqing oilfield [J].Acta Petrolei Sinica, 2015,36(1):89-100.

2016-10-24；编辑：任志平

国家科技重大专项(2016ZX05033-003-002)

赵 磊(1985-)，男，在站博士后，工程师，主要从事开发地质和三维地质建模方面的研究。

段太忠,E-mail: duantz.syky@sinopec.com

TE132

A

2095-4107(2017)01-0063-10

DOI 10.3969/j.issn.2095-4107.2017.01.007