基于力学层划分的火成岩潜山裂缝分形维变识别方法

Fractal Dimension Identification Method of Fractures in Igneous Buried Hill Based on Mechanical Layer Division

摘要

火成岩潜山油气藏已成为海上油气增储上产的新领域，具有广阔的勘探和开发前景. 琼东南盆地潜山气藏受到多期岩浆侵入影响，岩石结构复杂多变，储集空间分布具极强的非均质性，利用测井曲线识别裂缝的难度增大. 针对火成岩潜山测井识别裂缝面临的难题，利用壁心、薄片、成像测井、常规测井等资料分析了火成岩潜山裂缝特征和测井响应规律；运用经典的岩石弹性参数计算模型建立了岩石力学剖面，根据井剖面纵向力学性质差异划分岩石力学层；引入反映岩石稳定性的岩石力学评价模型，采用曲线波动分形维变原理，通过力学层划分约束消除岩性变化干扰对火成岩潜山裂缝进行识别. 研究结果表明：潜山裂缝的发育具有明显的岩性选择偏向，二长花岗岩中发育的裂缝开度最大，保留了较多的开启裂缝，岩石性质变化易造成裂缝分布差异，从而导致密度和波速变化；纵横波时差比与光电吸收截面交会分析可以最大程度的区分大部分较发育的裂缝和绝大部分极发育的裂缝；在力学层段划分的基础上，分段识别天然裂缝能提高火成岩潜山裂缝识别效果，与成像测井中溶蚀缝+高导缝段的识别符合率为85%；潜山顶部常发育溶蚀孔隙型储层，其裂缝越发育、变尺度分形维数（HF）越大，裂缝有效性越好，属于本区储渗性能最有利的储层发育带. 该方法能够解决常规资料识别潜山裂缝的难题，可对潜山气藏的有效开发提供指导依据.

Abstract

Igneous buried⁃hill oil and gas reservoir has become a new field for increasing reserves and production, which has broad exploration and development prospects. The burial⁃hill gas reservoir in Qiongdongnan Basin is affected by multi⁃stage magma intrusion, the rock structure is complex and varied, the reservoir space distribution is highly heterogeneous, and it is difficult to identify fractures by logging curves.In view of the difficult problem of identifying fractures in igneous rock buried hill logging, the fracture characteristics and logging response rules are analyzed by using the data of core, thin section, imaging logging and conventional logging. The classical rock elastic parameter calculation model is used to establish the rock mechanics section, and the rock mechanics layer is divided according to the difference of the longitudinal mechanical properties of the well section. The rock mechanics evaluation model reflecting rock stability is introduced, and the fractal dimension principle of curve fluctuation is adopted to identify the fractures in buried hills of igneous rocks by the constraint of mechanical layer division to eliminate the interference of lithology change. The results show that the development of fractures in buriedhill has obvious lithology selection bias, and the fractures developed in monzonitic granite have the largest opening degree and retain more open fractures. The change of rock properties is easy to cause the difference of fracture distribution, which leads to the change of density and wave velocity. The cross analysis of the ratio of P⁃wave to S⁃wave time difference and photoelectric absorption cross section can distinguish most of the more developed cracks and most of the more developed fractures to the greatest extent. On the basis of mechanical interval division, segmented identification of natural fractures can improve the identification effect of buried hill fractures, and the identification coincidence rate is 85% with that of dissolution fractures + high conductivity fractures in imaging logging, which can meet the research needs and provide guidance for the effective development of buried hill gas reservoirs.

Graphical abstract

关键词

火成岩潜山 / 裂缝识别 / 分形维变 / 力学岩层划分 / 琼东南盆地 / 石油地质.

Key words

igneous buried hill / fracture identification / fractal dimension / mechanical rock division / Qiongdongnan Basin / petroleum geology

海上潜山油气藏是近年来油气勘探开发的一个新热点（邹才能等，2008；张功成等，2010；徐国盛等，2016；范廷恩等，2023），特别是在我国渤海湾盆地和南海，其潜力和重要性备受关注（金春爽等，2012；游君君等，2012；邹才能等，2015；罗伟等，2019；徐守立等，2019）. 目前海上已发现的火成岩潜山主要是岩浆侵入地壳形成的隆起地带，常常伴随有丰富的油气资源（潘建国等，2007；宋柏荣等，2011；刘震等，2021）. 在火成岩潜山中，裂缝是油气运移和储存的主要通道，因此裂缝的形成和分布情况对油气勘探和开发至关重要. 火成岩潜山裂缝的空间分布不均匀，常常呈现出不规则的形态（叶青等，2023）. 在同一潜山中，不同区域的裂缝分布情况差异较大，不同区域裂缝密度和走向也不同. 裂缝的类型包括张裂缝、剪切裂缝、错断裂缝等多种，且常常互相交错、重叠（尹帅等，2022a， 2022b）. 不同类型裂缝的形成和扩展速率也不同，导致油气储存和运移的复杂性增加（Al⁃Sit et al.，2015；李雄炎等，2023）. 潜山裂缝多尺度特征也非常明显，不同尺度的裂缝互相影响，导致其空间结构的层级性和复杂性（Atkinson et al.， 1987）. 裂缝尺度从微观到宏观不断变化，从而增加了油气勘探和开发的难度，但储层裂缝识别和评价面临着很多难点（Jansen et al.，2018；尹帅等，2023）. 潜山储层中的裂缝比较复杂，常常表现为多层次的立体网络模式，裂缝识别精度很难保证.

目前潜山储层裂缝识别方法主要包括地球物理、微观观测以及测井技术等方面（Aghli et al.， 2019）. 地震识别方法可以揭示地下裂缝系统的总体特征和状况，并反演出储层裂缝的复杂特征，但对于小尺度的裂缝难以识别. 微观分析技术是识别静态天然裂缝的有效方法，岩心描述可以测量裂缝的倾角、长度、宽度和充填性，电子显微镜和同步辐射X射线等实验分析方法，能够直接观测储层裂缝的空间结构和发育情况，但微观分析工作量大，且海上勘探开发经济成本高，取心相对较少（袁龙等，2021）. 测井技术方法通过测量地下岩石的物理性质，能够识别储层裂缝的存在和分布情况，这是最为重要的一种裂缝识别方法. 井筒中发育的天然裂缝可以通过成像测井、阵列声波测井等资料来进行识别，但海上潜山气藏受地质条件和经济条件的约束，并不能满足所有井都能录取这类特殊测井资料，因此利用常规测井资料进行裂缝识别是重要的手段（朱留方，2003；郑军等，2010；Bhattacharya et al.，2018）. 但由于潜山储集体的二元相互作用，潜山天然裂缝在常规测井上的响应特征往往不明显，通过单一的测井曲线难以准确识别裂缝. 为了更好的利用常规测井资料识别潜山天然裂缝，本次研究通过对井剖面进行岩石力学层划分，利用变尺度分形维变方法，开展基于力学层划分约束的裂缝识别研究，建立了适于火成岩潜山的裂缝测井识别方法.

1 区域地质概况

琼东南盆地是新生代沉积盆地，整体呈“南北分带、东西分块”的基本特征，北东向延伸. 根据盆地内部基底断裂控凹情况，呈“两坳两隆”的构造格局，自北向南分别为北部坳陷、中部隆起、中央坳陷、南部隆起（图1）. 位于深水区的中央坳陷存在陵南低凸起和松南低凸起两个正向构造单元，与乐东凹陷、陵水凹陷、松南凹陷、宝岛凹陷、长昌凹陷相接，呈多凹环抱，烃源岩条件好（游君君，2012；叶青等，2023）.

琼东南盆地作为南海西部天然气勘探开发的主要地区，储集体类型多样，发育有中新统重力流水道-海底扇沉积体、古新统三角洲沉积体、前古近系基底潜山等. 研究区位于松南低凸起东部高部位，松南低凸起永乐e区潜山发现优质天然气储量，展现出潜山领域广阔的勘探开发潜力，该气藏主力含气层位为中生界和崖城组，整体为一块状底水气藏（图2）.

研究区火成岩潜山形成后，受到构造运动的影响，抬升并长期暴露于地表，首先遭到风化剥蚀作用，使潜山顶部的花岗岩结构遭到破坏，岩石破碎较为严重，岩体内部裂缝较发育（洪忠等，2012；赵俊峰等，2014）. 后大气降水等流体进入到裂缝和孔隙中发生溶蚀作用形成溶蚀孔和溶蚀裂缝. 通过镜下观察可明显看出由于溶蚀作用而形成的风化溶蚀带和风化裂缝带储层储集空间为溶蚀孔和溶蚀裂缝，且十分发育；从成像测井资料来看，该区内幕储层裂缝也极为发育，但储集空间发育具有极强的非均质性.

2 储集空间类型及裂缝特征

2.1　储集空间类型划分

对琼东南盆地松南低凸起钻井壁心的宏观观察和室内常规薄片、铸体薄片等开展微观鉴定工作，描述了潜山宏观和微观储集空间类型及特征，潜山储层主要发育次生储集空间，可划分为孔隙和裂缝两大类，包括溶蚀孔、溶蚀缝和构造缝等储集空间类型（表1，图3）.

2.2　孔隙和裂缝特征

2.2.1　微观特征

潜山储集空间主要是成岩后的构造运动和风化作用的产物，表现为沿岩石结构脆弱部位生成次生裂缝，受裂缝形成的影响，流体活动增强，岩石粒间、晶体内和基质中易溶蚀形成次生孔隙. 晶内溶蚀孔是因酸性流体的溶蚀作用使长石晶体出现溶孔，晶内溶蚀孔是研究区花岗岩潜山重要的储集空间类型之一（图3a、3i）；粒间溶蚀孔，主要是由于岩石破碎后成岩，颗粒间填隙物溶解而形成的孔隙，粒间溶蚀孔孔径较大，孔隙形态不规则（图3b）；铸模孔是因酸性流体的溶解作用使斜长石晶体完全溶解所形成的次生溶孔（图3c）；风化壳中发育基质溶孔，主要由碎屑颗粒之间的基质受到风化淋滤作用发生溶解作用产生的孔隙（图3d）. 按照次生裂缝的成因，可以划分为构造裂缝（图3e、3f、3g、3k、3i）、风化溶蚀缝（图3c、3j、3g）、构造溶蚀缝（图3g、3i）等. 次生裂缝是本区潜山储层物性改善最主要的影响因素. 溶解作用首先在受到风化淋滤的潜山上部风化壳发生，在潜山内部沿构造裂缝发生. 裂缝的发育也具有明显的岩性选择偏向，二长花岗岩和花岗闪长岩裂缝相对最为发育，二长花岗岩中发育的裂缝开度最大，保留了较多的开启裂缝（图3g）；花岗闪长岩中裂缝也十分发育，但开启程度较二长花岗岩略低（图3k），但由于花岗闪长岩具有较高含量的斜长石，斜长石较钾长石更易溶蚀，所以局部溶蚀孔隙也较发育（图3i）.

2.2.2　成像测井中的裂缝特征

成像测井是识别井周裂缝最有效的测井识别方法，可对井壁进行物理参数成像，可以识别出多种裂缝，高导缝、高阻缝、微断层和诱导缝. 其中前3种是天然缝，诱导缝是非天然缝. 微断层在FMI图像上也表现为暗色的条带，面略不规则，见微溶蚀发育，对储层有一定贡献，成像测井上以蓝色正弦曲线标记. YE⁃1井2 931~2 938 m井段发育2条微断层，断面不规则，向南东倾，断层附近地层岩石有破碎特征，断面为高阻和低阻的分界面；成像测井中存在许多高导裂缝，属于以构造作用为主形成的天然裂缝，图像上显示为黑色条带，可拟合为正弦曲线（图4）.

研究裂缝各井及不同分带裂缝走向差异较大，反映了构造活动和潜山形成机制的差异性，整体上各井以低角度缝及高角度缝为主（倾角主要在40~70度之间），水平缝及垂直缝发育较少，研究区3口井采集了成像测井资料，其中YE⁃2井裂缝以北西走向为主，YE⁃3井以北北西和北北东向为主，YE⁃4井裂缝方向杂乱，优势组系为北东和北西向. 纵向上风化带低角度缝占比高于高角度缝，内幕带则相反. 风化带裂缝走向较内幕带杂乱，以北东向裂缝为主；内幕带裂缝组系性较强，以北西走向为主（图5）.

永乐e区火成岩潜山的裂缝的测井特征比较混杂，单一的测井曲线难以进行识别. 本次研究将成像测井中裂缝密度大于3条/m的储层段称为裂缝发育段，将裂缝密度在1~3条/m的储层段称为裂缝较发育段，将裂缝密度小于1条/m的储层段称为裂缝不发育段；然后提取不同裂缝发育程度的样本段测井参数值进行两两参数交会分析. 从测井参数交会图可以看出：除了光电吸收截面和纵横波时差比有一定识别度外，中子孔隙度、电阻率差等测井曲线难以将裂缝不发育段明显区分开来（图6）. 光电吸收截面不反映岩石孔隙信息，主要反映岩性，却在一定程度上反映裂缝信息，这与前述的裂缝发育特征存在相似性，反映出研究区裂缝的发育与岩性差异确实存在关系. 纵横波时差比与光电吸收截面联合可以最大程度的区分大部分较发育的裂缝和绝大部分极发育的裂缝. 密度曲线和自然伽马交会显示出一定的区分度，裂缝的分布区间主要在自然伽马高于120~200 API且密度小于2.6 g/cm³的区域内. 由以上分析可知，测井系列中密度、纵横波对裂缝信息是有一定敏感性的，从光电吸收截面的响应特征来看，岩石性质的差异确实会造成裂缝分布差异，从而导致密度和波速变化因此本次裂缝的识别考虑基于岩石结构差异来开展裂缝识别.

3 潜山裂缝识别

3.1　曲线波动分形维变原理

分形岩石力学是20世纪末形成的岩石力学分支，用于研究和描述岩石复杂自然结构性状和物理力学性质的非线性问题（李玮等，2012）. 分形理论本身就是一种描述自然界许多不规则、无序的现象和事物不规则程度的科学. 本次研究运用R/S波动分形维变原理来定量评价储层的裂缝发育的非均质性，建立基于R/S分析的对应地质解释模式（Nouri⁃Taleghani et al.，2015；徐方慧，2018；Taibi et al.，2019）. 其基本原理为：

对于一个一维的过程Z（t），则R/S分析过程如下：

S(n)=\left\{\frac{\mathrm{1}}{n}{\displaystyle \sum _{i=\mathrm{1}}^u}{Z}^{\mathrm{2}}(i)-{\left[\frac{\mathrm{1}}{n}{\displaystyle \sum _{j=\mathrm{1}}^u}Z(j)\right]}^{\mathrm{2}}\right\},（1）

式中：n. 逐点分析层段测井采样点数；u. 由端点开始在0~n之间依次增加的样点数；i，j. 表示样点个数的变量；R（n）. 过程序列全层段极差；S（n）. 过程序列全层段标准差.

R（n）/S（n）就是分析第n个样点所对应的R/S值，在n由3（前2个点由于数学公式上的限制而无从计算）到层段测井采样点总个数的变化过程中，有一个n值，就有一个R（n）/S（n）值与之相对应. n与R（n）/S（n）呈明显的双对数线性关系，即序列Z（t）具有自标度相似性的分形特征. R（n）/S（n）曲线的斜率H称为赫斯特（Hurst）指数. 由D=2-H计算得出的D是Z（t）的分形维数，代表Z（t）在一维t上变化的复杂程度. 将反映储层连续性变化的岩石物理曲线处理变换为随测井采样点变化的波动曲线，若储层均质，则波动曲线趋势保持稳定，若曲线突然上凹或下凸表明储层存在裂缝的可能.

3.2　岩石力学参数解释

岩石力学参数的解释和计算常需要配合力学实验，通过力学实验参数的校正，求取最适宜于区域的岩石力学参数计算模型. 但研究区取心资料匮乏，缺乏较完整的岩石样品进行力学测试，因此本次岩石力学参数的解释主要基于现有的经典计算公式，依靠测井资料进行计算. 由于只需要相对定量的划分不同力学性质的岩层，因此利用经验公式进行计算也能满足研究需要. 由于测井资料相对容易获取，且表征的地层信息连续，故测井资料解释法在岩石力学参数求取方面得到了广泛应用.

利用声波测试仪测量横波速度和纵波速度为动态波速，依据弹性力学的运动微分方程，几何方程及物理方程（唐晓明，2016），由于波速与声波时差之间呈倒数关系，动态弹性参数与纵、横波时差及密度之间的关系表示为：

泊松比：v=\frac{\mathrm{1}}{\mathrm{2}}\left(\frac{\mathrm{\Delta }{t}_{\mathrm{s}}^{\mathrm{2}}-\mathrm{2}\mathrm{\Delta }{t}_{\mathrm{p}}^{\mathrm{2}}}{\mathrm{\Delta }{t}_{\mathrm{s}}^{\mathrm{2}}-\mathrm{\Delta }{t}_{\mathrm{p}}^{\mathrm{2}}}\right),（2）

弹性模量：E_{\mathrm{d}}=\frac{{\rho }_{\mathrm{b}}}{\mathrm{\Delta }{t}_{\mathrm{s}}^{\mathrm{2}}}\frac{\mathrm{3}\mathrm{\Delta }{t}_{\mathrm{s}}^{\mathrm{2}}-\mathrm{4}\mathrm{\Delta }{t}_{\mathrm{p}}^{\mathrm{2}}}{\mathrm{\Delta }{t}_{\mathrm{s}}^{\mathrm{2}}-\mathrm{\Delta }{t}_{\mathrm{p}}^{\mathrm{2}}},（3）

体积模量：K={\rho }_{\mathrm{b}}\frac{\mathrm{3}\mathrm{\Delta }{t}_{\mathrm{s}}^{\mathrm{2}}-\mathrm{4}\mathrm{\Delta }{t}_{\mathrm{p}}^{\mathrm{2}}}{\mathrm{3}\mathrm{\Delta }{t}_{\mathrm{s}}^{\mathrm{2}}\mathrm{\Delta }{t}_{\mathrm{p}}^{\mathrm{2}}},（4）

式（2）~式（4）中符号意义及单位：Δt_p. 纵波时差（μs/ft）；Δt_s. 横波时差（μs/ft）；E_d.弹性模量（GPa）；\nu.泊松比；ρ_b.体积密度（g/cm³）；K.体积模量（GPa）.

岩石力学参数的解释主要是用于力学岩层划分，本次特别引入前人推导和建立的可反映同种力学岩层岩石强度差异的斯伦贝尔比参数R（李玮等，2012），该参数表达式如下式，该值越大，表明同种岩性的岩石越稳定，越不易发生变形. 本参数是基于纵波时差、泊松比、体积模量、弹性模量和密度进行计算的.

R=\frac{\mathrm{2}(\mathrm{1}-\mathrm{2}v)}{\mathrm{1}-\mathrm{2}v}\frac{\mathrm{1}+v}{\mathrm{3}(\mathrm{1}-v)}*\frac{{\rho }_{\mathrm{b}}}{∆t_{\mathrm{p}}^{\mathrm{2}}}K{E}_{\mathrm{d}}.（5）

3.3　裂缝识别

虽然斯伦贝尔比值越小岩石越完整，但是在不同岩性或不同层厚的条件下，会比较复杂，比如厚层岩石强度比薄层岩石大，但当厚层岩石存在破裂时，厚层岩石的斯伦贝尔比仍可能比薄层无裂缝时的斯伦贝尔比大，因此需要考虑力学层厚度和岩性的变化进行分层评价，这种变化可以根据岩石动态泊松比和动态弹性模量的变化趋势划分. 本次裂缝识别的技术思路如下（图7）：

首先，基于岩石力学参数计算模型计算单井动态弹性杨氏模量和动态泊松比，根据岩石这两种岩石力学参数特征划分单井力学岩层（图8），从划分的岩石力学层结构来看，各力学层动弹参数的分布差异是非常明显的，其中A类层动态泊松比中位值0.321，动态弹性模量中位值为43 GPa；B类层动态泊松比中位值0.253，动态弹性模量中位值为75 GPa；C类层动态泊松比中位值0.284，动态弹性模量中位值为53 GPa（图9）. 上述分析表明潜山储层纵向上岩石力学性质差异很大，有必要进行细化，通过细分力学岩层开展裂缝识别可以避免力学性质突变，更好的捕捉斯伦贝尔比曲线在相似力学层内的裂缝信息. 然后，计算斯伦贝尔比曲线R，利用R/S曲线波动分形维变原理开展裂缝识别，构建了R/S随测井采样点分布的R/S波动曲线，根据曲线斜率极值逼近求解方法计算各采样点的赫斯特指数H，由D=2-H可以求得各采样点的波动分形维数.

利用斯伦贝尔曲线进行R/S分形差分，构建了各力学层斯伦贝尔岩石完整性评价指标随测井采样点逐点变化的波动曲线，通过识别曲线波动异常点的负值斜率（即曲线下凹处）来识别井上裂缝的发育位置. 从图10可以看出，基于赫斯特指数的分形维数计算公式，必然会在曲线下凹处表现出负值斜率，基于极值逼近采样点处的分形维数值必然也大于2，而通过壁心裂缝的标度也证实了这些曲线下凹点为裂缝发育段. 基于该识别原理对永乐e区各井进行了裂缝识别，与成像测井溶蚀缝+高导缝段的识别结果具有较好的一致性（图11），经统与高导缝+不连续缝段的识别准确率为85%，表明该裂缝识别方法能满足研究需要.

3.4　裂缝识别结果分析

3.4.1 地质力学层对裂缝形成的影响 研究区火成岩潜山岩性虽然绝大部分为花岗岩类，但花岗岩类石英、斜长石、钾长石含量的相对变化也反映了岩石性质的变化，造成了火成岩潜山岩石结构的微观差异，形成了力学性质具有差异且厚薄不均的岩层. 地质力学层对裂缝形成的影响主要体现在两个方面：一是这些厚薄不均的岩层在受到相同地质应力作用下薄岩层较厚岩层更容易破裂；二是岩石中脆性强的矿物含量越高，越利于岩石中裂缝的形成，而不同矿物组成的岩石其测井响应特征也具有显著差异. 因此本次研究通过细分力学岩层，在相似力学岩层内部开展裂缝识别即可最大程度的消除岩性变化对测井曲线的影响，提高裂缝识别精度.

3.4.2　裂缝识别结果分析

对永乐e区4口探评价井进行了裂缝识别，图12是永乐e区变尺度分形维数（HF）裂缝概率差分剖面，图中红色和黄色色标的HF值大于2.0，显示裂缝发育的概率较高，绿色和蓝色区域裂缝不发育或发育率很低. 全区整体呈现裂缝二元发育结构，上部和下部地层的裂缝发育带均是随深度的增加裂缝逐渐不发育. 两套裂缝发育带间存在一套致密层，从力学破损机制来说，若永乐e区目前钻遇的地层为同期岩浆侵入，那么致密带下部地层很难存在裂缝发育带的突变面，也就是说致密层之下发育裂缝是不符合岩石纵向风化模式和力学破裂机理的，由此推断本区存在多期的岩浆侵入. 从本区岩石锆石测年分析结果来看（图13），地层年代差异也是比较大的，特别是YE⁃2井锆石测年结果显示其地层时代跨度在219~247 Ma，这表明该井区存在多期岩浆侵入，且岩石薄片鉴定也可以看到本井岩石样品存在大量的浅成侵入岩体.

4 结论

（1）研究区潜山储层主要发育次生储集空间，可划分为孔隙和裂缝两大类. 溶蚀孔隙主要包括溶蚀孔包括晶内溶蚀孔、基质溶蚀孔、铸模孔和粒间溶蚀孔4种储集类型；裂缝类型主要包括构造裂缝、构造溶蚀裂缝和网状溶蚀裂缝，本区裂缝系统是风化、淋滤、溶解和构造活动的产物.

（2）纵横波时差比与光电吸收截面联合可以最大程度的区分大部分较发育的裂缝和绝大部分极发育的裂缝，岩石性质的差异能导致密度和波速，造成裂缝分布差异. 裂缝和孔隙的发育具有明显的岩性选择偏向，二长花岗岩保留了较多的开启裂缝；花岗闪长岩中裂缝也十分发育，但开启程度较二长花岗岩略低，但由于花岗闪长岩具有较高含量的斜长石，斜长石较钾长石更易发生溶蚀，溶蚀孔隙较为发育.

（3）潜山储层纵向上岩石力学性质变化大，通过细分力学岩层开展裂缝识别可以避免力学性质突变对裂缝识别的影响，同时运用曲线波动分形维变原理能更好的捕捉斯伦贝尔比曲线在相似力学层内的裂缝信息，提升裂缝识别精度，对寻找溶蚀和破裂作用共同改造的有利储层具有较好的实用性.

参考文献

[1] Aghli, G., Moussavi⁃Harami, R., Mortazavi, S., et al., 2019. Evaluation of New Method for Estimation of Fracture Parameters Using Conventional Petrophysical Logs and ANFIS in the Carbonate Heterogeneous Reservoirs. Journal of Petroleum Science and Engineering, 172: 1092-1102. https://doi.org/10.1016/j.petrol.2018.09.017

[2] Al⁃Sit, W., Al⁃Nuaimy, W., Marelli, M., et al., 2015. Visual Texture for Automated Characterisation of Geological Features in Borehole Televiewer Imagery. Journal of Applied Geophysics, 119: 139-146. https://doi.org/10.1016/j.jappgeo.2015.05.015

[3] Atkinson, B., Meredith, P.,1987. Experimental Fracture Mechanics Data for Rocks and Minerals. In: Atkinson, B., ed., Fracture Mechanics of Rock. Academic Press, London, England, 76-80.

[4] Bhattacharya, S., Mishra, S., 2018. Applications of Machine Learning for Facies and Fracture Prediction Using Bayesian Network Theory and Random Forest: Case Studies from the Appalachian Basin, USA. Journal of Petroleum Science and Engineering, 170:1005-1017. https://doi.org/ 10.1016/j.petrol.2018.06.075

[5] Dou, L.R., Wang, J.C., Wei, R.C., et al., 2018. Precambrian Basement Reservoirs: Case Study from Northern Bonger Basin, the Repubilc of Chad. AAPG Bulletin, 102(9): 1803-1824. https://doi.org/10.1306/02061817090

[6] Fan, T.E., Du, X., Fan, P.J., et al., 2023. Fault⁃Landform Double Controlled Archean Buried⁃Hill Reservoir Integrated Prediction for BZ26⁃6 Oil Field, Bohai Bay. Earth Science, 48(2): 429-438 (in Chinese with English abstract).

[7] Hong, Z., Su, M.J., Liu, H.Q., et al., 2012. Lithologies Recognition and Reservoir Prediction in Complex Lithologies Area. Journal of Southwest Petroleum University(Science & Technology Edition), 34(6): 38-46 (in Chinese with English abstract).

[8] Jansen, J. D., Katsuki, K., Ohtomo, H., et al., 2018. Characterization and Modeling of Fractures in Shales: A Case Study from the Permian Basin, USA. Journal of Petroleum Science and Engineering, 163:245-253.https://doi.org/ 10.1016/j.petrol.2018.09.017

[9] Jin, C.S., Qiao, D.W., Dan, W.N., 2012. Meso⁃Cenozoic Volcanic Rock Distribution and Reservoir Characteristics in the Bohai Bay Basin. Oil & Gas Geology, 33(1): 19-29, 36(in Chinese with English abstract).

[10] Li, W., Yan, T., 2012. Fractal Rock Mechanics and Its Application in Petroleum Engineering. Petroleum Industry Press,Beijing (in Chinese).

[11] Li, X.Y., Qin, R.B., 2023. Method of Fracture Characterization and Productivity Prediction of 19⁃6 Buried⁃Hill Fractured Reservoirs, Bohai Bay Basin. Earth Science, 48(2): 475-487 (in Chinese with English abstract).

[12] Liu, Z., Zhu, M.L., Liu, H.M., et al., 2021. Formation Mechanism and Distribution Characteristics of Granitic Weathering Crust Reservoir: a Case Study of the Western Segment of the Northern Belt of Dongying Sag. Acta Petrolei Sinica, 42(2): 163-175 (in Chinese with English abstract).

[13] Luo, W., Cai, J.J., Wan, Q.H., et al., 2019. Reservoir Condition Analysis of a Buried Granite Hill in the Huizhou Depression and Its Petroleum Geological Significance. Marine Geology & Quaternary Geology, 39(4): 126-135 (in Chinese with English abstract).

[14] Nouri⁃Taleghani, M., Mahmoudifar, M., Shokrollahi, A., et al., 2015. Fracture Density Determination using A Novel Hybrid Computational Scheme: A Case Study on An Iranian Marun Oil Field Reservoir. Journal of Geophysics and Engineering, 12(2): 188-198.https://doi.org/ 10.1088/1742⁃2132/12/2/188

[15] Pan, J.G., Hao, F., Zhang, H.Q., et al., 2007. Formation of Granite and Volcanic Rock Reservoirs and Their Accumulation Model. Natural Gas Geoscience, 18(3): 380-385 (in Chinese with English abstract).

[16] Song, B.R., Hu, Y.J., Bian, S.Z., et al., 2011. Reservoir Characteristics of the Crystal Basement in the Xinglongtai Buried⁃Hill, Liaohe Depression. Acta Petrolei Sinica, 32(1): 77-82 (in Chinese with English abstract).

[17] Taibi,F.,Akbarizadeh,G.,Farshidi,E.,2019. Robust Reservoir Rock Fracture Recognition Based on a New Sparse Feature Learning and Data Training Method. Multidimensional Systems and Signal Processing, 30(4): 2113-2146.https:// doi: 10.1007/s11045⁃019⁃00645⁃8

[18] Tang, X.M., Xu, S., Zhuang, C.X., et al., 2016. Quantitative Evaluation of Rock Brittleness and Fracability Based on Elastic⁃Wave Velocity Variation around Borehole. Petroleum Exploration and Development, 43(3): 417-424. https://doi.org/ 10.1016/S1876⁃3804(16)30053⁃2

[19] Xu, F.H., Wang, Z.W., Liu, J.H., et al., 2018. Acoustic Logging Information Extraction and Fractural Volcanic Formation Characteristics Based on Empirical Mode Decomposition. Geophysical Prospecting for Petroleum, 57(6): 936-943.https://doi.org/10.3969/j.issn.1000⁃1441.2018.06.016

[20] Xu, G.S., Chen, F., Zhou, X.H., et al.,2016. Hydrocarbon Accumulation Process of Large Scale Oil and Gas of Granite Buried Hill in Penglai 9⁃1 Structure, Bohai, China. Journal of Chengdu University of Technology, 43(2): 153-162 (in Chinese with English abstract).

[21] Xu, S.L., You, L., Mao, X.L., et al., 2019. Reservoir Characteristics and Controlling Factors of Granite Buried Hill in Songnan Low Uplift, Qiongdongnan Basin. Earth Science, 44(8): 2717-2728 (in Chinese with English abstract).

[22] Ye, Q., Zhang, C., Zhou, W., et al., 2023. Identification and Prediction Method of Complex Lithology of Igneous Bedrock Buried⁃Hill: A Case Study of Bedrock Buried⁃Hill of Songnan Low Uplift, Qiongdongnan Basin. China Offshore Oil and Gas,35(2):65-77 (in Chinese with English abstract).

[23] Yin, S., Ding, W.L., Lin, L.F., et al., 2023. Characteristics and Controlling Effect on Hydrocarbon Accumulation of Fractures in Yanchang Formation in Zhidan⁃Wuqi Area, Western Ordos Basin. Earth Science, 48(7): 2614-2629 (in Chinese with English abstract).

[24] Yin, S., Sun, X.G., Wu, Z.H., et al., 2022a. Coupling Control of Tectonic Evolution and Fractures on the Upper Paleozoic Gas Reservoirs in the Northeastern Margin of the Ordos Basin. Journal of Central South University (Science and Technology). 53(9): 3724-3737(in Chinese with English abstract).

[25] Yin, S., Wu, Z.H., Wu, X.M., et al., 2022b. Oil Enrichment Law of the Jurassic Yan'an Formation,Hongde Block, Longdong Area,Ordos Basin. Oil & Gas Geology, 43(5): 1167-1179(in Chinese with English abstract).

[26] You, J.J., Sun, Z.P., Li, J.L., et al., 2012. Exploration Potential of Songnan Low⁃Uplift in the Deep Water Region, Qiongdongnan Basin. China Mining Magazine, 21(8): 56-5 (in Chinese with English abstract).

[27] Yuan,L., Xin,Y.,Wu,S.Y.,et al.,2021. Research on Qualitative Identification,Parameter Modeling and Control Factors of Cracks in Deep Cretaceous Tight Sandstone: Taking the Cretaceous Bashijiqike Formation Reservoir in Keshen Area, Kuqa Depression, Tarim Basin as an Example. Journal of Northeast Petroleum University, 45(1): 20-31 (in Chinese with English abstract).

[28] Zhang, G.C., Mi, L.J., Wu, J.F., et al., 2010. Rises and Their Plunges: Favorable Exploration Directions for Major Fields in the Deepwater Area, Qiongdongnan Basin. China Offshore Oil and Gas, 22(6): 360-368 (in Chinese with English abstract).

[29] Zhao, J.F., Li, F.Q., Ling, Z.H., 2014. Logging Identification Method for Tight Sandstone Reservoir of Ancient Buried Mountain in Dongpu Sag. Special Oil & Gas Reservoirs, 21(2): 46-50, 153(in Chinese with English abstract).

[30] Zheng, J., Liu, H.B., Zhou, W., et al., 2010. On Identification Methods for Reservoir Fractures in Daleel Oilfield in Oman Block⁃5. Well Logging Technology, 34(3): 251-256 (in Chinese with English abstract).

[31] Zhu, L.F., 2003. Application of Novel Cross⁃Dipole Acoustic Logging Data in Fractured Reservoir Evaluation. Well Logging Technology, 27(3): 225-227, 265(in Chinese with English abstract).

[32] Zou, C. N., Yang, Z., Zhu, R. K., et al., 2015. Progress in China’s Unconventional Oil & Gas Exploration and Development and Theoretical Technologies. Acta Geologica Sinica⁃English Edition, 89(3): 938-971. https://doi.org/10.1111/1755⁃6724.12491

[33] Zou, C. N., Zhao, W. Z., Jia, C. Z., et al., 2008. Formation and Distribution of Volcanic Hydrocarbon Reservoirs in Sedimentary Basins of China. Petroleum Exploration and Development, 35(3): 257-271. https://doi.org/10.1016/s1876⁃3804(08)60071⁃3

基金资助

中海油综合科研“基于勘探开发数据湖的地质油藏数字类比研究”(KJZH⁃2024⁃2903)

海南省“南海新星”科技创新人才平台项目(NHXXRCXM202368)