潘保芝，劉文斌，張麗華，郭宇航，阿茹罕

吉林大學(xué)地球探測科學(xué)與技術(shù)學(xué)院，長春 130026

0 引言

近年來，火山巖儲(chǔ)層裂縫識別一直是勘探開發(fā)研究的熱門。由于火山巖巖性復(fù)雜，礦物種類多，該儲(chǔ)層裂縫的精確識別一直是一個(gè)難點(diǎn)[1-2]。裂縫識別的方法有很多種，如常規(guī)測井識別、成像測井識別和巖心識別等。巖心識別資料較少；常規(guī)測井裂縫識別方法有曲線異常響應(yīng)法[3-9]、Q聚類分析法[10]、小波多尺度變換[11]、小波變換提取測井曲線高頻信息法[12]、電阻率差比法、三孔隙度比值法和交叉偶極聲波測井法[13]、重構(gòu)測井曲線法[14]、地層因子比值法[15]、遺傳算法和BP神經(jīng)網(wǎng)絡(luò)結(jié)合法[16]、最大熵預(yù)測誤差法[17]、綜合概率法[18]等；成像測井裂縫識別方法有有效提取條紋背景噪聲的算法[19]、hough變換及改進(jìn)的hough變換自動(dòng)識別裂縫[20-21]、基于小波多尺度分析和去噪的剩余曲線變化率進(jìn)行裂縫識別[22]、利用垂向和橫向小波變換組合全面識別裂縫[10]、基于蟻群聚類算法的裂縫識別[23]等。

常規(guī)測井資料容易獲得，處理方便，識別裂縫為有效縫，但縱向采樣點(diǎn)間隔較大(一般為0.125 m)，縱向分辨率低，造成裂縫識別準(zhǔn)確率低；上述各常規(guī)測井裂縫識別方法在裂縫識別準(zhǔn)確率上均做了努力，但無法解決分辨率低的問題。成像測井資料縱向分辨率高，儲(chǔ)層裂縫識別直觀、準(zhǔn)確，但需要人工拾取裂縫，費(fèi)時(shí)費(fèi)力，不利于全井或多井應(yīng)用；上述各成像測井裂縫識別方法在自動(dòng)識別裂縫方面進(jìn)行了研究，但無法去除無效縫干擾。目前，常規(guī)和成像測井相結(jié)合識別裂縫的方法主要應(yīng)用常規(guī)和成像測井資料的井建立預(yù)測模型，然后對無成像測井資料井進(jìn)行預(yù)測；該方法無法解決分辨率低的問題。本文分別利用經(jīng)處理后的常規(guī)測井?dāng)?shù)據(jù)資料和電成像微電導(dǎo)率數(shù)據(jù)資料建立常規(guī)測井裂縫綜合識別因子Y1和電成像儲(chǔ)層裂縫識別因子Y2，然后綜合利用兩個(gè)因子建立儲(chǔ)層裂縫識別因子Y3。該方法結(jié)合了常規(guī)和成像測井識別裂縫的優(yōu)點(diǎn)，能自動(dòng)識別裂縫，解決了成像測井人工拾取裂縫費(fèi)時(shí)費(fèi)力的缺點(diǎn)；可以剔除無效裂縫干擾，識別出有效裂縫，提高了裂縫識別的準(zhǔn)確度。最后將其應(yīng)用到王府地區(qū)，以驗(yàn)證應(yīng)用效果。

1 火山巖儲(chǔ)層裂縫測井響應(yīng)特征

1.1 常規(guī)測井

常規(guī)測井曲線對火山巖儲(chǔ)層裂縫有一定的響應(yīng)。三孔隙度測井響應(yīng)為“兩高一低”，即中子孔隙度高、聲波時(shí)差高(有時(shí)出現(xiàn)周波跳躍現(xiàn)象)、密度值低；自然伽馬曲線為鈾沉積造成的放射性異常；當(dāng)雙井徑曲線中一條的井徑大于鉆頭直徑而另一條等于或小于鉆頭直徑時(shí)，指示有裂縫；雙側(cè)向電阻率測井曲線響應(yīng)為深側(cè)向電阻率與淺側(cè)向電阻率曲線的幅度差，微球電阻率測井響應(yīng)為明顯的電阻率降低[24]。圖1展示了研究區(qū)某井裂縫發(fā)育層段除井徑曲線外主要曲線的響應(yīng)特征。從圖1可見，深淺側(cè)向電阻率曲線存在幅度差，三孔隙度測井有“兩高一低”的特征。

1.2 電成像測井

電成像測井資料是通過地層微電阻率掃描測井儀測得的。地層微電阻率掃描測井儀是一種極板型聚焦微電阻率測井裝置，利用組合的電極陣列，經(jīng)過密集采樣，測量井壁附近地層的電阻率并進(jìn)行圖像處理，從而得到井壁的電性圖像。這里應(yīng)用由覆蓋井壁范圍更廣的斯倫貝謝公司研制的全井眼地層微電阻率掃描成像測井儀(FMI)所測得的圖像進(jìn)行電成像測井響應(yīng)特征描述。在成像圖中，不同類型的裂縫表現(xiàn)形式不盡相同，常見如圖2所示的4種[7]：高導(dǎo)縫、高阻縫、壓裂縫和應(yīng)力釋放縫[25]。其中，高導(dǎo)縫為有效縫，高阻縫和應(yīng)力釋放縫為無效裂縫。通常在成像測井圖上靠人工方法逐條識別并追蹤出裂縫的軌跡，然后由計(jì)算機(jī)自動(dòng)計(jì)算出裂縫參數(shù)。人工識別裂縫包括篩選有效縫和剔除無效縫。

VSP. 自然電位；GR. 自然伽馬；RLLS. 淺側(cè)向電阻率；RLLD. 深側(cè)向電阻率；CNL. 中子孔隙度；DEN. 密度；AC. 聲波時(shí)差。圖1 火山巖儲(chǔ)層裂縫常規(guī)測井響應(yīng)特征圖Fig.1 Conventional well logging response characteristic of fracture in volcanic reservoir

本次在對裂縫進(jìn)行識別研究時(shí)，充分利用研究區(qū)的成像測井和常規(guī)測井資料，包括樣本選取、參數(shù)選擇、裂縫識別模型有效性判別以及識別成果檢驗(yàn)。

2 裂縫識別模型建立

2.1 裂縫識別參數(shù)選取

常規(guī)測井主要響應(yīng)有效裂縫，但縱向分辨率低；電成像測井縱向分辨率高，可以較準(zhǔn)確地確定裂縫位置、方位和傾角；所以將兩者相結(jié)合，構(gòu)建儲(chǔ)層裂縫識別因子，既能識別有效裂縫，又能較準(zhǔn)確地確定裂縫位置。參數(shù)選取涉及兩個(gè)方面，一是常規(guī)測井裂縫綜合識別因子Y1所用參數(shù)，二是電成像測井裂縫識別因子Y2所用參數(shù)。

2.1.1 常規(guī)測井

原始常規(guī)測井曲線在裂縫處有一定的變化，曲線變化率法和幅度差法都能擴(kuò)大裂縫的響應(yīng)特征，因此選取重構(gòu)測井曲線法中的曲線變化率法和深淺側(cè)向電阻率幅度差法來建立裂縫綜合識別因子。利用曲線變化率法處理聲波曲線，得到聲波時(shí)差曲線變化率：

ΔACi=(|ACi-1-ACi|+

|ACi+1-ACi|)/2。

(1)

式中，ACi為采樣點(diǎn)i的聲波時(shí)差。同理得到深側(cè)向電阻率曲線變化率公式為

ΔRLLDi=(|RLLDi-1-RLLDi|+

|RLLDi+1-RLLDi|)/2。

(2)

據(jù)文獻(xiàn)[23]。圖2 成像資料中裂縫的多種表現(xiàn)形態(tài)Fig.2 Various forms of fracture in imaging data

式中，RLLDi為采樣點(diǎn)i的深側(cè)向電阻率。深淺側(cè)向電阻率幅度差公式為

ΔR=|RLLD-RLLS|/2。

(3)

經(jīng)過處理，得到聲波時(shí)差曲線變化率參數(shù)ΔAC(μs/m)、深側(cè)向電阻率曲線變化率參數(shù)ΔRLLD(Ω·m)和深淺側(cè)向電阻率相對幅度參數(shù)ΔR(Ω·m)，3個(gè)參數(shù)縱向兩點(diǎn)間隔為0.125 m。圖3為ΔAC和ΔRLLD曲線與常規(guī)曲線的對比及裂縫段成像圖，可以明顯看出變化率曲線突出了裂縫響應(yīng)，能更好地識別出裂縫。

2.1.2 電成像測井

本文首先對電成像(FMI)微電導(dǎo)率測井?dāng)?shù)據(jù)進(jìn)行預(yù)處理，包括加速度校正、數(shù)據(jù)均衡化、異常電極校正、電壓校正和電扣深度對齊[21]，得到192條微電導(dǎo)率曲線；然后，將192條微電導(dǎo)率曲線對應(yīng)的電阻率取平均，得到新的微電阻率均值曲線R′(Ω·m)，縱向兩點(diǎn)間隔為0.002 54 m。利用曲線變化率法，得到

(4)

2.2 樣本選取

以電成像資料為根據(jù)進(jìn)行儲(chǔ)層裂縫樣本選取。由于在實(shí)際生產(chǎn)中，有效儲(chǔ)層裂縫(高導(dǎo)縫)才具有開發(fā)應(yīng)用意義，故選取王府地區(qū)XX井的15個(gè)高導(dǎo)縫為樣本(表1)。樣本層段厚度為0.5 m，依據(jù)電成像測井識別出的裂縫,統(tǒng)計(jì)每個(gè)層段的裂縫密度D(條/m)；依據(jù)D的大小給定裂縫指示因子Y。表2為D與Y的對應(yīng)關(guān)系。

2.3 儲(chǔ)層裂縫識別因子構(gòu)建

采用回歸分析的方法[26]建立數(shù)學(xué)模型，得到常規(guī)測井裂縫綜合識別因子Y1和電成像裂縫識別因子Y2，然后利用Y1和Y2建立儲(chǔ)層裂縫識別因子Y3。

圖3 變化率曲線與常規(guī)曲線對比及裂縫段成像圖Fig.3 Comparison of the rate curve and the conventional curve and the image of the fracture section

序號深度/mD/(條/m)Δx/(Ω·m)ΔR/(Ω·m)ΔAC/(μs/m)ΔRLLD/(Ω·m)Y12266.5～2267.02.051.1280.4651.6030.0981.022301.0～2301.50.524.8910.1300.6290.0610.232389.0～2389.5012.2100.2710.3690.037042452.5～2453.03.038.8830.6163.3330.0611.052707.0～2707.51.025.0770.4840.6350.0690.562807.0～2807.50.519.2170.1730.5290.0450.272810.0～2810.5015.6310.2750.3120.071082813.0～2813.51.545.3430.6821.0840.0301.092840.0～2840.50.528.8120.1880.4120.0420.2102853.0～2853.50.549.7810.3710.1870.0850.2112873.0～2873.51.023.0580.5820.4590.0410.5122881.0～2881.50.515.0050.4060.3570.0570.2132890.0～2890.5031.8230.1870.2040.0380142899.5～2900.02.051.1280.4760.4480.1401.0152990.0～2990.51.068.5070.4100.5810.0390.5

表2成像裂縫密度與層段裂縫指示因子對應(yīng)表

Table2Correspondingrelationshipbetweenimagingcrackdensityofandlayerfractureindicator

D/(條/m)Y[0.0,0.5)0[0.5,1.0)0.2[1.0,2.0)0.52.0≤D1.0

2.3.1 常規(guī)測井裂縫綜合識別因子

利用回歸分析方法建立Y1與ΔAC、ΔRLLD和ΔR之間的關(guān)系模型(ΔAC、ΔRLLD和ΔR未作歸一化處理)，得到Y(jié)1的計(jì)算公式：

Y1=1.296 8ΔR+0.167 3ΔAC+

4.074 9ΔRLLD-0.432 8。

(5)

表3為Y1與ΔAC、ΔRLLD和ΔR的回歸統(tǒng)計(jì)參數(shù)表。其中，決定系數(shù)和校正決定系數(shù)越大、標(biāo)準(zhǔn)誤差和棄真概率越小，說明回歸擬合效果越好。分析表3可知，決定系數(shù)和校正決定系數(shù)較大、標(biāo)準(zhǔn)誤差較小、棄真概率很小，說明Y1與ΔAC、ΔRLLD和ΔR之間的關(guān)系模型擬合效果很好。由于常規(guī)測井曲線的縱向分辨率低，Y1識別裂縫的分辨率也較低。

表3Y1與ΔAC、ΔRLLD和ΔR關(guān)系模型回歸分析統(tǒng)計(jì)參數(shù)

Table3RegressionanalysisstatisticalparametersofY1andΔAC,ΔRLLD,ΔRrelationmodel

參數(shù)RR2Ra2σFFα/10-5數(shù)值0.9000.8100.7580.19115.6762.76

注：R. 相關(guān)系數(shù)；R2. 決定系數(shù)；Ra2. 校正決定系數(shù)；σ. 標(biāo)準(zhǔn)誤差；F. 判定參數(shù)；Fα. 在顯著性水平α下的F臨界值，即棄真概率。

2.3.2 電成像測井裂縫識別因子

(6)

參數(shù)RR2Ra2σFFα/10-5數(shù)值0.8690.7550.7370.20040.2482.56

(7)

2.3.3 儲(chǔ)層裂縫識別因子

鑒于常規(guī)測井與成像測井儲(chǔ)層裂縫識別干擾信息較多，對裂縫識別因子截止值如果設(shè)定得太小，會(huì)識別出一些非儲(chǔ)層裂縫，影響識別效果；如果設(shè)定太大，又會(huì)漏掉儲(chǔ)層裂縫信息，識別不全?？紤]到以上因素，設(shè)定Y1、Y2′的裂縫識別截止值為0.5，即當(dāng)裂縫識別因子大于或等于0.5時(shí)，認(rèn)為裂縫存在。

結(jié)合常規(guī)測井裂縫綜合識別因子Y1和電成像測井裂縫識別因子Y2′的優(yōu)點(diǎn)，建立裂縫識別因子Y3為

(8)

3 可靠性檢驗(yàn)與實(shí)際應(yīng)用分析

為了檢驗(yàn)該模型的可靠性，用建立的識別模型來對這15個(gè)樣本進(jìn)行回判識別。表5為識別結(jié)果，有3個(gè)樣本識別錯(cuò)誤，準(zhǔn)確率達(dá)到80%。

應(yīng)用此識別模型對王府地區(qū)XX井進(jìn)行識別，除作為樣本的15處儲(chǔ)層裂縫外，電成像資料識別出18條裂縫，裂縫識別模型識別出16處裂縫(其中14處正確識別，2處識別錯(cuò)誤)；裂縫識別準(zhǔn)確率為77.77%。圖4為儲(chǔ)層裂縫識別成果圖，Y3識別出兩段有效裂縫段Ⅰ和Ⅲ，裂縫段Ⅱ?yàn)闊o效裂縫。

表5裂縫識別因子Y3可靠性檢驗(yàn)表

Table5ReliabilitytesttableoffractureidentificationfactorY3

序號深度/mYY3正確性12266.5～2267.01.01√22301.0～2301.50.20√32389.0～2389.500√42452.5～2453.01.01√52707.0～2707.50.50×62807.0～2807.50.20√72810.0～2810.500√82813.0～2813.51.01√92840.0～2840.50.20√102853.0～2853.50.21×112873.0～2873.50.50×122881.0～2881.50.20√132890.0～2890.500√142899.5～2900.01.01√152990.0～2990.50.51√

圖4 儲(chǔ)層裂縫識別成果圖Fig.4 Results of reservoir fracture identification

4 結(jié)論與展望

利用經(jīng)預(yù)處理后的電成像測井電阻率資料和常規(guī)測井資料建立電成像儲(chǔ)層裂縫識別因子和常規(guī)儲(chǔ)層測井裂縫綜合識別因子，然后綜合利用兩個(gè)因子建立儲(chǔ)層裂縫識別模型，為儲(chǔ)層裂縫的識別提供了一種新的方法。該裂縫識別方法解決了電成像圖像儲(chǔ)層裂縫識別費(fèi)時(shí)費(fèi)力的缺點(diǎn)，可以較為準(zhǔn)確地識別出儲(chǔ)層裂縫，還可以較精確地確定裂縫深度。該方法不僅適用于研究井儲(chǔ)層裂縫的識別，還可以應(yīng)用到鄰井的儲(chǔ)層裂縫識別中，對油田勘探開發(fā)有極其重要的作用。

本文提出的儲(chǔ)層裂縫識別方法在裂縫識別中會(huì)產(chǎn)生裂縫識別不全以及個(gè)別識別錯(cuò)誤的現(xiàn)象。在下一步的研究中：第一，加入更多的裂縫指示信息進(jìn)入到識別模型中，進(jìn)一步提高裂縫識別準(zhǔn)確率；第二，在電成像信息提取時(shí)盡量剔除無用信息，保留裂縫信息，提高方法的準(zhǔn)確度。

[1] 陳樹民,姜傳金,劉立,等. 松遼盆地徐家圍子斷陷火山巖裂縫形成機(jī)理[J]. 吉林大學(xué)學(xué)報(bào)(地球科學(xué)版), 2014, 46(6): 1816-1826.

Chen Shumin, Jiang Chuanjin, Liu Li, et al. Fracture Formation Mechanism of Volcanic Rocks in Xujiaweizi Fault Depression of Songliao Basin[J]. Journal of Jilin University (Earth Science Edition), 2014, 46(6): 1816-1826.

[2] 張家政,崔金棟,楊榮國. 準(zhǔn)噶爾盆地紅山嘴油田石炭系火山巖裂縫儲(chǔ)層特征[J]. 吉林大學(xué)學(xué)報(bào)(地球科學(xué)版), 2012, 42 (6): 1629-1637.

Zhang Jiazheng, Cui Jindong, Yang Rongguo. Features of the Carboniferous Volcanic Fracture Reserviors in Hongshanzui Oilfield, Junggar Basin[J]. Journal of Jilin University (Earth Science Edition), 2012, 42 (6): 1629-1637.

[3] 蒲靜,秦啟榮. 油氣儲(chǔ)層裂縫預(yù)測方法綜述[J]. 特種油氣藏,2008,15(3):9-13.

Pu Jing, Qin Qirong. An Overview of Fracture Prediction Methods for Oil and Gas Reservoirs[J]. Special Oil and Gas Reservoirs, 2008, 15(3): 9-13.

[4] 蘇培東，秦啟榮，黃潤秋. 儲(chǔ)層裂縫預(yù)測研究現(xiàn)狀與展望[J]. 西南石油學(xué)院學(xué)報(bào)，2005，27(5):14-17.

Su Peidong, Qin Qirong, Huang Runqiu. Prospects and Status for the Study on Reservoir Fractures[J]. Journal of Southwest Petroleum Institute, 2005, 27(5): 14 -17.

[5] 潘保芝,張麗華,單剛義. 裂縫和孔洞型儲(chǔ)層孔隙模型的理論進(jìn)展[J]. 地球物理學(xué)進(jìn)展, 2006, 21(4): 1232-1237.

Pan Baozhi, Zhang Lihua, Shan Gangyi. Progress in Porosity Model for Fractured and Vuggy Reservoirs[J]. Progress in Geophysics, 2006, 21(4): 1232-1237.

[6] 何雨丹，魏春光. 裂縫型油氣藏勘探評價(jià)面臨的挑戰(zhàn)及發(fā)展方向[J]. 地球物理學(xué)進(jìn)展，2007,22(2)：537-543.

He Yudan, Wei Chunguang. The Present Situation and Research Direction of Evaluation Methods in Fracture Type Reservoir[J]. Progress in Geophysics, 2007, 22(2): 537-543.

[7] 李健偉,王磊,陳利雯. 碳酸鹽巖儲(chǔ)層裂縫識別技術(shù)研究[J]. 工程地球物理學(xué)報(bào), 2013, 10(6): 885-890.

Li Jianwei, Wang Lei, Chen Liwen. Research of Fracture Identidication Technology on Carbonate Reservoir[J]. Chinese Journal of Engineering Geophysics, 2013, 10(6): 885-890.

[8] Feng Cuiju, Yan Weilin. Fracture Qualitative Iden-tification Using Conventional Logging Data[J]. Applied Mechanics and Materials, 2013, 316/317: 822-825.

[9] Saboorian-Jooybari H, Dejam M, Chen Z, et al. Comprehensive Evaluation of Fracture Parameters by Dual Laterolog Data[J]. Journal of Applied Geophysics, 2016, 131(6): 214-221.

[10] 羅利,胡培毅,周政英. 碳酸鹽巖裂縫測井識別方法[J]. 石油學(xué)報(bào), 2001, 22(3): 32-35.

Luo Li, Hu Peiyi, Zhou Zhengying. Log Identification for Fracture in Carbonate[J]. Acta Petrolei Sinica, 2001, 22(3): 32-35.

[11] 張文靜.小波多尺度分析方法識別儲(chǔ)層裂縫[D]. 青島：中國石油大學(xué),2009.

Zhang Wenjing. Identify Fracturewith Wavelet Multi-Scale Analysis Methodp[D]. Qingdao: China University of Petroleum, 2019.

[12] 張曉峰,潘保芝. 二維小波變換在成像測井識別裂縫中的應(yīng)用研究[J]. 石油地球物理勘探, 2012, 47(1): 173-176.

Zhang Xiaofeng, Pan Baozhi. Two-Dimensional Wavelet Transform to Identify Fractures in Imaging Logging[J]. Oil Geophysical Prospecting, 2012, 47(1): 173-176.

[13]Shen Huilin, Gao Songyang. Research on Fracture Identification Based on BP Neural Network[J]. Fault-Block Oil & Gas Field, 2007, 14(2): 60-62.

[14] 蔣健美. 川西DY地區(qū)須家河組裂縫識別方法研究[D].成都：成都理工大學(xué), 2013.

Jiang Jianmei. The Research on the Fracture Identification of Xujiahe Formation in DY Region in Western Sichuan[D]. Chengdu: Chengdu University of Techniques, 2013.

[15] 王永剛. 埕北地區(qū)碳酸鹽巖儲(chǔ)層裂縫識別與定量解釋[J]. 新疆石油科技,2012,22(2):35-38.

Wang Yonggang. Cheng-Bei Carbonate Reservoir Fracture Identification and Quantitative Interpretation[J]. Xinjiang Petroleum Science & Technology, 2012,22(2): 35-38.

[16] Yong Chaoxue, Lin Songcheng, Jian Yemou, et al. A New Fracture Prediction Method by Combining Genetic Algorithm with Neural Network in Low-Permeability Reservoirs[J]. Journal of Petroleum Science and Engineering, 2014, 121(2): 159-166.

[17] 孫建孟,劉坤,王艷,等. 泥頁巖儲(chǔ)層裂縫識別與有效性評價(jià)研究[J]. 測井技術(shù), 2015, 39(5): 611-616.

Sun Jianmeng, Liu Kun, Wang Yan, et al. Fracture Identification and Effectiveness Evaluation Research of Shale Reservoir[J]. Well Logging Technology, 2015, 39(5): 611-616.

[18] 戴俊生,汪必峰. 綜合方法識別和預(yù)測儲(chǔ)層裂縫[J]. 油氣地質(zhì)與采收率,2003,10(1):1-2.

Dai Junsheng, Wang Bifeng. Integrated Approach of Identifying and Predicting Fracture in Reservoir[J]. Petroleum Geology and Recovery Efficiency, 2003, 10(1): 1-2.

[19] 楊緒海,張曉春. 利用聲成像測井?dāng)?shù)據(jù)實(shí)現(xiàn)巖石裂縫特征的自動(dòng)識別[J]. 中國海上油氣地質(zhì), 2000,12(6): 64-66.

Yang Xuhai, Zhang Xiaochun. Automatic Identification of Rock Fractures Using Acoustic Image Logging[J]. China Offshore Oil and Gas, 2000, 12(6): 64-66.

[20] 陸敬安,伍忠良,關(guān)曉春,等. 成像測井中的裂縫自動(dòng)識別方法[J]. 測井技術(shù), 2004,28(2):115-117.

Lu Jing’an, Wu Zhongliang, Guan Xiaochun, et al. Automatically Extract Fracture Parameters from Resistivity Images by Using Hough Transform[J]. WellLogging Technology, 2004, 28(2): 115-117.

[21] 賴富強(qiáng).電成像測井處理及解釋方法研究[D]. 青島：中國石油大學(xué),2011.

Lai Fuqiang. Micro-Resistivity Image Logging Processing and Interpretation Methods Research[D]. Qingdao: China University of Petroleum, 2011.

[22] 王敏. 基于二維成像測井的裂縫性儲(chǔ)層測井評價(jià)方法研究[D]. 青島：中國石油大學(xué),2010.

Wang Min. Fractured Reservoir EvaluationUsing 2-D Imaging Logging Data[D]. Qingdao: China University of Petroleum, 2010.

[23] 張程恩. 成像測井裂縫識別與提取及裂縫參數(shù)計(jì)算方法研究[D].長春：吉林大學(xué), 2012.

Zhang Cheng’en. Study on Fracture Recognition and Exraction Based on Image Log Data Process and Fracture Parameters Caculation[D]. Changchun：Jilin University, 2012.

[24] Westermark R V, Scholes P. Fracture Identification in Openhole from a Cement Evaluation Tool[C]// Ventura. SPE California Regional Meeting. California: Society of Petroleum Engineers, 1987: 81-88.

[25] 李舟波，潘保芝，范曉敏. 地球物理測井?dāng)?shù)據(jù)處理與綜合解釋[M].北京：地質(zhì)出版社，2008:150-151.

Li Zhoubo, Pan Baozhi, Fan Xiaomin. Data Processing and Comprehensive Interpretation of Geophysical Logging Data[M]. Beijing: Geological Publishing House, 2008: 150-151.

[26] 張宇山. 多元線性回歸分析的實(shí)例研究[J]. 科技信息,2009,9(9): 54-56.

Zhang Yushan. A Case Study of Multiple Linear Regression Analysis[J]. Science & Technology Information, 2009, 9(9): 54-56.