鄂尔多斯盆地测井成岩相判别
|
摘要
鄂尔多斯盆地苏里格气田是中国最大的天然气气田，近年来通过对其主力气层盒8、山1段的研究表明，成岩相是控制该区油气成藏的重要因素之一，为了能够大范围对未取心地层准确判别成岩相，最为有效的方法是利用地球物理信息，但成岩相测井特征因受岩石成份、粒度及多类型、多期次成岩作用叠加的影响，表现复杂多样，多解性强，这些特点使利用地球物理信息判别成岩相类型准确率较低。本文针对成岩相判别中存在的问题，以岩性作为成岩相判别单元，进行成岩相测井响应特征提取及利用模式识别算法判别，这一方法不仅能够减弱储集体成分、粒度等因素对成岩相测井特征的影响，同时控制了判别单元中成岩相类型数量。其次，提出黏土矿物比值（R），定量反映成岩作用类型及成岩过程中孔隙流体酸碱性，对比黏土矿物含量与成岩作用类型间关系，提高判别结果准确性，黏土矿物含量计算主要对比斯伦贝谢图版法、BP神经网络法及三孔隙度法，最终选取三孔隙度法对苏里格盒8、山1段地层进行计算。最后，根据成岩相对孔缝演化作用的不同，结合测井特征定义测井成岩相概念、划分方案及判别流程，在Matlab平台，利用基于不同模式识别原理的支持向量机（SVM）、极限学习机（ELM）及概率神经网络（PNN）构建SEP测井成岩相判别方法，分析不同测井组合下判别能力。并以鄂尔多斯盆地苏里格地区上古生界石盒子组盒8上、盒8下及山1段为例，通过43口钻井的测井成岩相判别结果与实际取芯成岩相鉴别结果相比较，在岩屑砂岩和岩屑石英砂岩储集体中，测井成岩相判别符合率为83.64%，在含泥岩屑砂岩和含泥岩屑石英砂岩中判别符合率为81%。在单井测井成岩相判别结果的基础上，建立南北、东西两条连井剖面，横向对比扩容相和保护相发育规律，通过与实际试气结果相印证，扩容相发育区域在实际试气中基本为气层及气水同层，无差气层存在，破坏相发育区域基本为气水同层和差气层，证实了测井成岩相对油气成藏的控制作用及成岩相判别的准确性，对大范围未取心井段准确判别成岩相提出新的方法及理论依据。
本文通过对测井成岩相判别，取得了以下认识：
1、提出测井成岩相概念、划分方法及识别流程。测井成岩相是表征地层特征，并且为对孔缝演化作用近似成岩相的一组测井特征集，是储集体经历多期次、多类型成岩作用的最终状态和相应的地球物理反映特征的一个集合。测井成岩相的提出为大范围未取心段准确判别成岩相提出了新的方法；
2、成岩相测井特征的复杂性和多解性是由岩石成份、粒度及多期次、多类型成岩作用叠加对测井信息影响造成的。采用分岩性分析成岩作用、提取成岩相测井特征及判别可以有效的减小测井特征的多解性，提高测井成岩相的判别准确率；
3、提出黏土矿物比值（R），反映成岩过程中孔隙流体酸碱性，提高测井成岩相判别准确性。同时针对苏里格地区盒8、山1段地层黏土矿物，对比斯伦贝谢图版法、BP神经网络法及三孔隙度法解释结果，认为在放射性物质含量较高地层，三孔隙度法解释结果更为理想；
4、将鄂尔多斯盆地苏里格地区发育的12种成岩作用归类为8种成岩相，最终定义为3种测井成岩相。在岩屑砂岩和岩屑石英砂岩储集体中测井成岩相判别符合率为83.64%，在含泥岩屑砂岩和含泥岩屑石英砂岩中判别符合率为81%。其中扩容相判别结果与实际试气结果相比较，扩容相发育区域基本为气层及气水同层，无差气层存在，破坏相发育区域基本为差气层；
5、将支持向量机、极限学习机和概率神经网络组成SEP测井成岩相判别法，SEP测井成岩相判别结果与单方法判别结果相比，判别率有1.1%提高，最低判别率提高4%，说明了SEP法对测井特征明显的测井成岩相判别结果与单一神经网络在参数最优情况下判别结果是近似的，而对多解性测井成岩相判别结果更理想；
6、神经网络训练集中成岩相的测井特征是影响神经网络判别能力的重要因素，在测井特征提取过程中，应针对每个样本点进行严格深度归位及井径校正，特别在砂泥互层频繁层位的样本点，应利用方波化等手段减小深度归位的误差及临层岩性对取样点测井信息的影响，保证神经网络训练集中成岩相测井特征的准确性；
7、测井信息是利用不同物理探测手段对储集体成份、结构的反应，因此在测井成岩相判别过程中，应对比不同测井组合下的测井成岩相判别结果；
8、研究区石英砂岩储层主要发育于盆地西缘，成份、成岩作用单一，针对这类储集体可利用孔隙度法、图版法及压实法等手段判别成岩作用类型及发育强度。
本文创新点主要有：
1、提出了测井成岩相概念、划分方法及识别流程，对大范围无取心段地层准确判别成岩相提出新的方法及理论依据。
2、提出了SEP测井成岩相综合判别法，并实现了相应的软件系统。该方法分单元判别测井成岩相，能够提高多解性测井特征成岩相判别准确性，可进行全井段测井成岩相自动判别。
3、提出黏土矿物比值（R）。该比值能够反映成岩作用过程中孔隙流体酸碱性，是提高测井成岩相判别准确性的一个重要参数。
Sulige gas field where is in the Ordos basin is the largest one in the China. In the recentyears.Based on the study to the He8and shan1section.we know that diagenetic facies is one ofthe important factor to control hydrocarbon accumulation.When using the well logging data toidengtify the diagenetic facies.its Logging characteristics have been impacted by the rockcomposition and the cumulated influence of many kinds diagenesis.Logging characteristics showcomplex.And the logging characteristics have so many interpret results.The results of identifiedthe diagenetic facies is not accurate enough by the logging characteristics.In this paper.forsolveing the problems.At first.we make lithology as a unit to extraction of logging responsecharacteristics and identify the facies. This method not only removed the influences oflithologic.but also control the number of dagenetic facies by the Rock skeleton particlecomposition.At second. compare the clay minerals content of explain the results withAchlumberger Engraving method.BP artificaial neural and three porosity method.Choose the bestmethod to calculation of clay mineral content. Clay mineral content ratio (R) can represent thepore fluid acid and alkaline in the diagenetic process and reflect the diagenetic facies types.Improve the accuracy of determination results. At last. According to the different function ofdiagenetic relative hole sew evolution. Define the concept of logging diageneticfacies,classification scheme and identifying process. Using the support vector machines(SVM).extreme Learning Machine(ELM) and pobabilistic neural network(PNN) which based on thedifferent classification principle to compare the ability of identifing the facies by the differentlogging combination.Put forward a new method and theoretical basis for a wide range of coringinterval accurately judging diagenetic facies. For example At the same time.We focus on suligehe8and shan1reservoir body in the ordos. form a SEP recognition module. Choosing the bestcombination logging to identify logs diagenetic facies. Finally the accuracy rate of logs diageneticfacies identify is83.64%in the litharenite and lithic quartz sandstone, in the mud litharenite andmud lithic quartz sandstone is81%through this method in the He8section of Sulige area OrdosBasin. And the gas testings results are general gas reservoirs or gas and water reservoirs. the poorgas reservoirs barely exist in the area which is widely develop corrosion facies.
From the contrast of results of pattern recognition algorithms discriminant logging diagenetic facies and actual coring analysis. The following major knowledge have been got.
1、 We defined the concept of logging diagenetic facies,classification scheme andidentifying process.The logging diagenetic facies.reflect the formation characteristics and is alogging feature set for the diagenetic facies which is have the same influence on the porosity andcrack evolution.
2、 The logging feature of logs diagenetic facies was complex have two major reasons.Oneis the rock skeleton particle composition. Another is much period and kinds diagenesis stack. wemake lithology as a unit to extraction of logging response characteristics and identify the facies.This method not only removed the influences of lithologic.but also control the number ofdagenetic facies by the Rock skeleton particle composition.
3、 We difine the clay mineral ratio (R).compare the clay minerals content of explain theresults with Achlumberger Engraving method.BP artificaial neural and three porositymethod.Choose the best method to calculation of clay mineral content. Clay mineral content ratio(R) can represent the pore fluid acid and alkaline in the diagenetic process and reflect thediagenetic facies types. Improve the accuracy of determination results.
4、 We divided12kinds of diagenesises and8kinds of diagenetic facies into3kinds oflogging diagenetic facies. At last. the accuracy rate of logs diagenetic facies identify is83.64%inthe litharenite and lithic quartz sandstone, in the mud litharenite and mud lithic quartz sandstoneis81%through this method in the He8section of Sulige area Ordos Basin.. The area of denudationfacies essentially are gas reservoir or water and gas reservoir. No poor gas reservoir. The area ofdestructive facies are poor gas reservoir.
5、 The SEP logging diagnenetic facies discrimination methods is make up of the supportvector machines and extreme Learning Machine and pobabilistic neural network by theconformity principle. The results of this compared with single method have improved1.1%atbest. and improvd4%at worst. I think this is a further reason the method of SEP improve theresults of identify at best is limited. But it have big lead in the multi solution identified loggingdiagnenetic facies.
6、 The logging features of logging diagnenetic facies are the most important factorsinfluence on neural network discriminate ability in the training set. In the process of built trainingset with the logging feature. For the every sample point must strictly correct the depth. Thesample point in the frequent sand mud interbed layers should block to ensure accuracy. Improvingthe identify ability.
7、 Well-logging information is the reflect for the reservoir composition and structure by thedifferent physical detection methods. So in the process of identify the logging diagnenetic facies wo must contrast results by the logging different combination.
8、 The quartz sandstone reservoir are major development in the west basin. In this area.The composition of quartz sandstone is simple. Therefore for this kind of reservoir.we canchoose the method of porosity or chart or compaction and so on. and could identify the loggingdiagnenetic facies effective.
Thie paper has three innovation points:
1、 We defined the concept of logging diagenetic facies,classification scheme andidentifying process.It put forward a new method and theoretical basis for a wide range identifydiagenetic facies in the not cored interval.
2、 Used the method of SEP Well-Logging Diagenetic Facies identification in the differentunits. It can improve accuracy of diagenetic facies which is have multiple solution of loggingcharacteristics.
3、 We difine the clay mineral ratio (R). It can represent the pore fluid acid and alkaline inthe diagenetic process and reflect the diagenetic facies types. Improve the accuracy ofdetermination results.
本文通过对测井成岩相判别，取得了以下认识：
1、提出测井成岩相概念、划分方法及识别流程。测井成岩相是表征地层特征，并且为对孔缝演化作用近似成岩相的一组测井特征集，是储集体经历多期次、多类型成岩作用的最终状态和相应的地球物理反映特征的一个集合。测井成岩相的提出为大范围未取心段准确判别成岩相提出了新的方法；
2、成岩相测井特征的复杂性和多解性是由岩石成份、粒度及多期次、多类型成岩作用叠加对测井信息影响造成的。采用分岩性分析成岩作用、提取成岩相测井特征及判别可以有效的减小测井特征的多解性，提高测井成岩相的判别准确率；
3、提出黏土矿物比值（R），反映成岩过程中孔隙流体酸碱性，提高测井成岩相判别准确性。同时针对苏里格地区盒8、山1段地层黏土矿物，对比斯伦贝谢图版法、BP神经网络法及三孔隙度法解释结果，认为在放射性物质含量较高地层，三孔隙度法解释结果更为理想；
4、将鄂尔多斯盆地苏里格地区发育的12种成岩作用归类为8种成岩相，最终定义为3种测井成岩相。在岩屑砂岩和岩屑石英砂岩储集体中测井成岩相判别符合率为83.64%，在含泥岩屑砂岩和含泥岩屑石英砂岩中判别符合率为81%。其中扩容相判别结果与实际试气结果相比较，扩容相发育区域基本为气层及气水同层，无差气层存在，破坏相发育区域基本为差气层；
5、将支持向量机、极限学习机和概率神经网络组成SEP测井成岩相判别法，SEP测井成岩相判别结果与单方法判别结果相比，判别率有1.1%提高，最低判别率提高4%，说明了SEP法对测井特征明显的测井成岩相判别结果与单一神经网络在参数最优情况下判别结果是近似的，而对多解性测井成岩相判别结果更理想；
6、神经网络训练集中成岩相的测井特征是影响神经网络判别能力的重要因素，在测井特征提取过程中，应针对每个样本点进行严格深度归位及井径校正，特别在砂泥互层频繁层位的样本点，应利用方波化等手段减小深度归位的误差及临层岩性对取样点测井信息的影响，保证神经网络训练集中成岩相测井特征的准确性；
7、测井信息是利用不同物理探测手段对储集体成份、结构的反应，因此在测井成岩相判别过程中，应对比不同测井组合下的测井成岩相判别结果；
8、研究区石英砂岩储层主要发育于盆地西缘，成份、成岩作用单一，针对这类储集体可利用孔隙度法、图版法及压实法等手段判别成岩作用类型及发育强度。
本文创新点主要有：
1、提出了测井成岩相概念、划分方法及识别流程，对大范围无取心段地层准确判别成岩相提出新的方法及理论依据。
2、提出了SEP测井成岩相综合判别法，并实现了相应的软件系统。该方法分单元判别测井成岩相，能够提高多解性测井特征成岩相判别准确性，可进行全井段测井成岩相自动判别。
3、提出黏土矿物比值（R）。该比值能够反映成岩作用过程中孔隙流体酸碱性，是提高测井成岩相判别准确性的一个重要参数。
Sulige gas field where is in the Ordos basin is the largest one in the China. In the recentyears.Based on the study to the He8and shan1section.we know that diagenetic facies is one ofthe important factor to control hydrocarbon accumulation.When using the well logging data toidengtify the diagenetic facies.its Logging characteristics have been impacted by the rockcomposition and the cumulated influence of many kinds diagenesis.Logging characteristics showcomplex.And the logging characteristics have so many interpret results.The results of identifiedthe diagenetic facies is not accurate enough by the logging characteristics.In this paper.forsolveing the problems.At first.we make lithology as a unit to extraction of logging responsecharacteristics and identify the facies. This method not only removed the influences oflithologic.but also control the number of dagenetic facies by the Rock skeleton particlecomposition.At second. compare the clay minerals content of explain the results withAchlumberger Engraving method.BP artificaial neural and three porosity method.Choose the bestmethod to calculation of clay mineral content. Clay mineral content ratio (R) can represent thepore fluid acid and alkaline in the diagenetic process and reflect the diagenetic facies types.Improve the accuracy of determination results. At last. According to the different function ofdiagenetic relative hole sew evolution. Define the concept of logging diageneticfacies,classification scheme and identifying process. Using the support vector machines(SVM).extreme Learning Machine(ELM) and pobabilistic neural network(PNN) which based on thedifferent classification principle to compare the ability of identifing the facies by the differentlogging combination.Put forward a new method and theoretical basis for a wide range of coringinterval accurately judging diagenetic facies. For example At the same time.We focus on suligehe8and shan1reservoir body in the ordos. form a SEP recognition module. Choosing the bestcombination logging to identify logs diagenetic facies. Finally the accuracy rate of logs diageneticfacies identify is83.64%in the litharenite and lithic quartz sandstone, in the mud litharenite andmud lithic quartz sandstone is81%through this method in the He8section of Sulige area OrdosBasin. And the gas testings results are general gas reservoirs or gas and water reservoirs. the poorgas reservoirs barely exist in the area which is widely develop corrosion facies.
From the contrast of results of pattern recognition algorithms discriminant logging diagenetic facies and actual coring analysis. The following major knowledge have been got.
1、 We defined the concept of logging diagenetic facies,classification scheme andidentifying process.The logging diagenetic facies.reflect the formation characteristics and is alogging feature set for the diagenetic facies which is have the same influence on the porosity andcrack evolution.
2、 The logging feature of logs diagenetic facies was complex have two major reasons.Oneis the rock skeleton particle composition. Another is much period and kinds diagenesis stack. wemake lithology as a unit to extraction of logging response characteristics and identify the facies.This method not only removed the influences of lithologic.but also control the number ofdagenetic facies by the Rock skeleton particle composition.
3、 We difine the clay mineral ratio (R).compare the clay minerals content of explain theresults with Achlumberger Engraving method.BP artificaial neural and three porositymethod.Choose the best method to calculation of clay mineral content. Clay mineral content ratio(R) can represent the pore fluid acid and alkaline in the diagenetic process and reflect thediagenetic facies types. Improve the accuracy of determination results.
4、 We divided12kinds of diagenesises and8kinds of diagenetic facies into3kinds oflogging diagenetic facies. At last. the accuracy rate of logs diagenetic facies identify is83.64%inthe litharenite and lithic quartz sandstone, in the mud litharenite and mud lithic quartz sandstoneis81%through this method in the He8section of Sulige area Ordos Basin.. The area of denudationfacies essentially are gas reservoir or water and gas reservoir. No poor gas reservoir. The area ofdestructive facies are poor gas reservoir.
5、 The SEP logging diagnenetic facies discrimination methods is make up of the supportvector machines and extreme Learning Machine and pobabilistic neural network by theconformity principle. The results of this compared with single method have improved1.1%atbest. and improvd4%at worst. I think this is a further reason the method of SEP improve theresults of identify at best is limited. But it have big lead in the multi solution identified loggingdiagnenetic facies.
6、 The logging features of logging diagnenetic facies are the most important factorsinfluence on neural network discriminate ability in the training set. In the process of built trainingset with the logging feature. For the every sample point must strictly correct the depth. Thesample point in the frequent sand mud interbed layers should block to ensure accuracy. Improvingthe identify ability.
7、 Well-logging information is the reflect for the reservoir composition and structure by thedifferent physical detection methods. So in the process of identify the logging diagnenetic facies wo must contrast results by the logging different combination.
8、 The quartz sandstone reservoir are major development in the west basin. In this area.The composition of quartz sandstone is simple. Therefore for this kind of reservoir.we canchoose the method of porosity or chart or compaction and so on. and could identify the loggingdiagnenetic facies effective.
Thie paper has three innovation points:
1、 We defined the concept of logging diagenetic facies,classification scheme andidentifying process.It put forward a new method and theoretical basis for a wide range identifydiagenetic facies in the not cored interval.
2、 Used the method of SEP Well-Logging Diagenetic Facies identification in the differentunits. It can improve accuracy of diagenetic facies which is have multiple solution of loggingcharacteristics.
3、 We difine the clay mineral ratio (R). It can represent the pore fluid acid and alkaline inthe diagenetic process and reflect the diagenetic facies types. Improve the accuracy ofdetermination results.
引文
[1] Raisback L B.Carbonate diagenetic facies in the Upper Pennsylvanian DenniasFormation in lowa[J].Missouri and Kansas Joural of Sedimentary，1984，54(3)：986-999.
[2]钟广法，邬宁芬.成岩岩相分析及其在泌阳凹陷核三下亚段砂岩储层中的初步应用[J].江汉石油学院学报，1995,17(1)：38-40.
[3]季汉成，翁庆萍.鄂尔多斯盆地东部下二叠统山西组山2段成岩相划分及展布[J].古地理学报，2008，10(4)：410-418.
[4]杜业波,季汉成.川西前陆盆地上三叠统须家河组成岩相研究[J].吉林大学学报（地球科学版），2006，36(3)：358-364.
[5]楼章华，曾允孚.扶杨油层孔隙水成因与砂岩成岩相研究[J].沉积学报,1995,(S13):63-70.
[6]袁波,杨俊生.成岩作用效应模拟的应用[J].中国石油大学学报，2009，33(2)：1-6.
[7]孟元林.渤海湾盆地西部凹陷南段成岩相分析与优质储层预测[J].沉积学报，2006，24(2)：185-192.
[8]李弘，王芙蓉.绿泥石膜对储层孔隙度的影响-以鄂尔多斯盆地M油田延长组2段为例[J].岩性油气藏，2008，20(4)：71-74.
[9]徐樟有，魏萍，熊琦华.枣南油田孔店组一、二段成岩作用及成岩相[J].石油学报，1994，(S1)：60-67.
[10]张金亮，司学强，梁杰等.陕甘宁盆地庆阳地区长8油层砂岩成岩作用及其对储层性质的影响[J].沉积学报，2004，22(2)：225-233.
[11]罗平，裘怿楠，贾爱林等.中国油气储层地质研究面临的挑战和发展方向[J].沉积学报，2003，21(1)：142-147.
[12]明海会，金振奎，金之钧等.泌阳凹陷安棚油田深层系油气分布规律及控制因素[J].沉积学报，2005，23(2)：329-336.
[13]谭延栋.测井解释黏土矿物[J].石油钻采工艺，1987，6(4)：1-8.
[14]张小莉，沈英.利用测井资料分析成岩作用对储集层的影响[J].沉积学报，2000，18(1)：127-131.
[15]邹才能，陶士振.成岩相的形成_分类与定量评价方法[J].石油勘探与开发，2008，35(5)：526-540.
[16]谢渊，王剑，李令喜.鄂尔多斯盆地白垩系黏土矿物的分布特征及其沉积-成岩环境意义[J].地质通报，2010，29(1)：93-104.
[17]王建强，薛林福.松辽盆地北部石炭-二叠系油气远景[J].吉林大学学报（地球科学版），2011，(S1)：9-16.
[18]王满.松辽盆地北部上古生界热演化史恢复[D].吉林大学，2010.
[19]程国建，周冠武.概率神经网络方法在岩性判别中的应用[J].微计算机信息，2007，23(6)：288-290.
[20] Pan Bao-Zhi.Xue lin-fu. Evaluation of volcanic reservoirs with the ‘QAPMmineral model’using a genetic algorithm[J] APPLIED GEOPHYSICS，2008，5(1)：1-8.
[21]邢培俊，孙建孟.利用测井资料确定黏土矿物的方法对比[J].中国石油大学学报（自然科学版），2008，32(2)：53-57.
[22]石强.利用自然伽马能谱测井定量计算黏土矿物成分方法初探[J]测井技术，1998，22(5)：349-352.
[23] Schlumberger Wireline and Testing Schlumberger log interpretation charts[M].Houston: schlumberger Education Services，1996，4-30.
[24]钟广法，邬宁芬.成岩岩相分析：一种全新的成岩非均质性研究方法[J].石油勘探与开发，1997，24（5）：62-66.
[25]昝灵，王顺华，张枝焕.砂砾岩储层研究现状[J].长江大学学报(自然科学版)，2011，8(3)：63-67.
[26]王祝文，刘菁华，许延清.大庆深部致密砂砾岩含气储层产能预测[J].吉林大学学报(地球科学版)，2003，33(4)：485-489.
[27]甘孟光.海拉尔盆地乌南地区复杂岩性判别方法、储层分类研究[D].吉林大学，2010.
[28]孟凡顺，徐会君，朱焱，等.基于主成分分析的距离判别分析方法在岩性判别中的应用[J].石油工业计算机应用，2011，3(1)：24-28.
[29]胡松，张超谟，胡瑶，等.基于主成分分析的砂砾岩储层孔隙度计算方法研究[J].石油天然气学报，2010，32(3)：100-104.
[30]鲁国明.东营凹陷深层砂砾岩岩性测井综合判别技术[J].测井技术，2010，34(2)：168-171.
[31] Matthias Jungmann.Margarete Kopal.Multi-class superv-ised classification ofelectrical borehole wall images using texturefeatures[J].Computers&Geosciences，2011，37：541-553.
[32]李建红，周伦先.东营凹陷砂砾岩自然伽马测井响应特征研究及应用[J].石油天然气学报，2008，30(1)：88-91.
[33]张翔，肖小玲，严良俊，等.基于模糊支持向量机方法的岩性判别[J].石油天然气学报，2009，31(6)：115-118.
[34]钟仪华，李榕.基于主成分分析的最小二乘支持向量机岩性判别方法[J].测井技术，2009，33(5)：425-429.
[35]张莹，潘保芝.支持向量机与微电阻率成像测井判别火山岩岩性[J].物探与化探，2011，35(5)：634-642.
[36]宋延杰，张剑风.基于支持向量机的复杂岩性测井判别方法[J].大庆石油学院学报，2007，5(31)：18-20.
[37]李盼池，许少华.支持向量机及其在复杂水淹层判别中的应用[J].计算机应用，2004，24(9)：147-149.
[38]蔡磊，程国建，潘华贤.极限学习机在岩性判别中的应用[J].计算机工程与设计，2010，31(9)：2010-2012
[39]王博，阎建业，刘浪，等.灰色关联法判别地层岩性应用研究[J].重庆科技学院学报(自然科学版)，2010，12(6)：25-27.
[40]李洪奇，谭锋奇，许长福，等.基于决策树方法的砾岩油藏岩性判别—以克拉玛依油田六中区克下组油藏为例[J].石油天然气学报，2010，32(3)：16-21.
[41]王英武，洪涛，雪冰，等.模糊联想记忆法在海拉尔盆地贝尔凹陷储层岩性判别中的应用[J].世界地质，2010，29(3)，473-478.
[42]谭伏霖，王志章，隆山，等.样品扩充法判别火成岩[J].中国石油大学学报(自然科学版)，2010，34(6)：45-49.
[43]蒋良孝.朴素贝叶斯分类器及其改进算法研究[D].中国地质大学，2009.
[44]姜素华，林红梅.陡坡带砂砾岩扇体油气成藏特征——以济阳坳陷为例[J].石油物探，2003，42(3)：313-317.
[45] Huang Guang-bin.Zhu Qin-Yu.Siew Chee-Khcong.Extre-me learning machine:anew learning scheme of feedfo-rward neural network[C].Budapest. Huangary:Proceedi-ngs of International Joint Conference on Neural Networ-ks，2004.
[46] Huang G B.Zhu Q Y.Siew C K.Extreme learning machine:Theory andapplications[J]. Neurocomputing，2006，70(1-3)：489-501.
[47] Christopher M.Gifford.Arvin Agah.Collaborative Multi Agent Rock FaciesClassification from Wireline Well Log Data[J].Engineering Applications ofArtificial Intellige-nce，2010，(23)：1158-1172
[48]张莹.火山岩岩性判别和储层评价的理论与技术研究[D].吉林大学，2010.
[49]陈春强.东营凹陷古近系层序阁架内储层成岩作用研究[D].中国地质大学（北京），2006.
[50]于均民.鄂尔多斯盆地三叠系延长组长6段超低渗透储层特征[D].中国地质大学（北京），2012.
[51]刘小洪.鄂尔多斯盆地上古生界砂岩储层的成岩作用研究与孔隙成岩演化分析[D].西北大学，2008.
[52]许岩.海拉尔盆地火山碎屑岩、含片钠铝石砂岩与普通砂岩的成岩作用及其比较研究[D].吉林大学，2005.
[53]何东博.苏里格气田复杂储层控制因素和有效储层预测[D].中国地质大学（北京），2005.
[54]初广震.塔里木盆地寒武—奥陶系碳酸盐岩微相与成岩作用研究[D].中国地质大学（北京），2010.
[55] Sehmoker J.W. Gautler.D.L. Snadstone Porsyt as function of thermal matutity anapproach to porosity comparision and prediction.Geology，1988，16(11):1697-1703.
[56] Jone C.Maxwell.influence of depth temperature and geologie age on porosity ofguartzose sandstone.AAPG，1964，48（5）：697-705.
[57] Scherer M.Parameters influencing porosity in sandstone: A model for sandstoneporosity predicition.AAPG，1987，71（7）：485-491.
[58] V.Schmidt and D.A.McDonald.Texture and recognition of secondly porosity insandstones.SEPM Spec.Pub.1979，NO，26，209-225.
[59] Ronald C， Surdam,Laura J， et al.Heasler.Organic-inorganic and sandstonediagenesis[J]. AAPG Bulletin，Jan1989，73：1-23.
[60] Ronald C，Surdam，Ken O，et al.Diagenesis and maturation of hydrocarbons inthe Monterey Formation，Pismo Syncline,California[M].(in A guidebook to thestratigraphic， tectonic， thermal， and diagenetic histories of the MontereyFormation，Pismo and Huasna Basin，California,Surdam) SEPM Guidebook，1984，2：84-94.
[61] Surdam R C，Boles J R.Diagenesis of volcanic sandstones[M].(in Aspects ofdiagenesis)Special Publication-Society of Economic Paleontologists andMineralogists (March1979)，(26)：227-242.
[62]黄思静，杨俊杰.不同温度条件下乙酸对长石溶蚀过程的实验研[J].沉积学报，1995，13(1)：7-17.
[63] Salman Bloch，Stephen G.Franks Preservation of shallow plagioclase dissolutionporosity during burial，implications for porosity predictionand aluminum massbalance[J].AAPG Bulletin，Sep，1993，77：1488-1501.
[64]黄思静，武文慧，刘洁，等.大气水在碎屑岩次生孔隙形成中的作用-多斯盆地三叠系延长组为例[J].地球科学：中国地质大学学报，2003，28(4)：419-424.
[65]张明禄，达世攀，陈调胜.苏里格气田二叠系盒8段储集层的成岩作用及孔隙演化[J].天然气工业，2002，22(6)：13-16.
[66] Salman Bloch，Robert H，Lander，Linda Bonnell.Anomalously high porosity andpermeability in deeply buried sandstone reservoirs： Origin andpredictability[J].AAPG Bulletin，2002，86(2)：301-328.
[67] Lundegard P D，Land L S.Carbon dioxide and inorganic acids：their role inporosity enhancement and cementation，Paleogene of the Texas Gulf Coast[A].inGautier D L.ed.Roles of organic matter in sediment diagenesis[C].SEPM SpecialPublication，1986，38：129-146.
[68] Hillier S.Porelining Chlorites in siliciclastic reservoir sandstones:Electronmicroprobe，SEM and XRD data，and implications for their rigin[J].ClayMinerals，1994，29：665-679.
[69] Pittman E.Dlarese.Compaction of lithic sands:Experimental results andapplication[J].AAPG Bulletin，1991，75：1279-1298.
[70] Aase N E.P A Bjqrkum.P H Nadeau.The effect of grain-coating microquartz onpreservation of reservoir porosity[J].AAPG Bulletin，1996，80：1654-1673.
[71]李忠，费卫红，寿建峰等，华北东淮凹陷异常高压与流体活动及其对储集砂岩成岩作用的制约[J].地质学报，2003，01：126-134.
[72]周东升，刘光祥，叶军.深部砂岩异常孔隙的保存机制研究[J].石油实验地质，2004，01：40-45.
[73] Willson H H.“Frozen-in”hydrocarbon accumulations or diagenetic trapstargets[J].AAPG Bulletin，1977，61：483-491.
[74]罗静兰，刘小洪，林憧等，成岩作用与油气侵位对鄂尔多斯盆地延砂岩储层物性的影响[J].地质学报，2006，5（80）：665-673.
[75]冯增昭，王英华，刘焕杰，等.中国沉积学[M].北京：石油工业出版社，1994：199-237.
[76]赵澄林，朱筱敏.沉积岩石学(第三版)[M].北京：石油工业出版社，2001：44-47.
[77]地质矿产部情报研究所编译.国外沉积成岩作用[M].北京：地质出版社，1988：1-24.
[78]苏楠.鄂尔多斯盆地苏里格气田东区下石盒子组盒8段沉积相和储层特征研究[D].成都理工大学，2011.
[79]黄勇.鄂尔多斯盆地苏里格气田上古生界气藏储层特征研究[D].成都理工大学，2003.
[80]鄂尔多斯盆地子长南部下石盒子组储层特征和损害因素研究[D].西北大学，2011.
[81]杨华，付金华，等.苏里格大型致密砂岩气藏形成条件及勘探技术[J].石油学报，2012，33（S1），27-36.
[82]林文姬.苏里格地区盒8段低渗储层特征及其成因[D].中国地质大学（北京），2009.
[83]王峰，田景春，等.苏里格地区上古生界盒8砂岩储层控制因素[J].成都理工大学学报（自然科学版），2009，36（4），367-372.
[84]张文忠.苏里格地区上古生界气田异常低压成因研究[D].中国地质大学（北京），2009.
[85]张海涛.苏里格地区有效储层测井判别方法研究[D].西北大学，2010.
[86]成志刚，宋子齐，等.苏里格东区致密气储层成岩储集相分类及特征[J].断块油气田，2012，19（5），577-582.
[87]魏红红，李文厚，等.苏里格庙地区二叠系储层特征及影响因素分析[J].矿物岩石，2002，22（3），42-46.
[88]刘锐娥，李文厚，等.苏里格庙地区盒8段高渗储层成岩相研究[J].西北大学学报（自然科学版），2002，32（6），667-671.
[89]杨斌虎，刘小洪，等.鄂尔多斯盆地苏里格气田东部优质储层分布规律[J].石油实验地质，2008，30（4），333-339.
[90]陈兆荣.鄂尔多斯盆地苏里格气田北部盒8段和山1段储层特征研究[D].成都理工大学，2009.
[91]苏海斌.鄂尔多斯盆地鄂托克旗地区盒8、山1段储层特征及其控气性研究[D].西安石油大学，2010.
[92]李仲东.鄂尔多斯盆地北部上古生界压力异常与天然气成藏关系研究[D].成都理工大学，2006.
[93]侯明才，窦伟坦，等.鄂尔多斯盆地苏里格气田北部盒8、山1段成岩作用及有利储层分布[J].矿物岩石，2009，29（4），66-74.
[94]李文厚，魏红红，等.苏里格气田碎屑岩储集层特征与天然气富集规律[J].石油与天然气地质，2002，23（4），387-396.
[95]许磊，于兴河，等.苏里格南部地区盒8段致密砂岩储层成岩作用及成岩相划分[J].地质勘探，2012，32（7），15-20.
[96]王素荣，李国华，等.苏里格南部地区上古生界储层特征及影响因素分析[J].石油化工应用，2011，30（4），55-58.
[97]韩登林，李忠，等.库车坳陷白垩系砂岩储层石英溶蚀非均质性特征及其主控因素[J].地质学报，2011，85（2），256-261.
[98] Raisback.L. B.1984. Carbonate diagenetic facies in the Upper PennsylvanianDennias Formation in lowa, Missouri and Kansas Joural of Sedimentary.54(3):986-999
[99]蔺宏斌，侯明才，等.鄂尔多斯盆地苏里格气田北部下二叠统山1段和盒8段物源分析及其地质意义[J].地质通报，2009，28（4）：483-492.
[100]刘锐蛾，黄月明，卫孝锋，等.鄂尔多斯盆地北部晚古生代物源区分析及其地质意义[J].矿物岩石，2003，23（23）：82-86.
[101]罗顺社，朱珊珊.苏里格地区下石盒子组盒8段物源分析[J].石油天然气学报.2012，34（9）：193-194.
[102]王冰.苏里格气田盒8储层沉积物物源方向探讨[J].石油化工应用，2010，29（11）：38-41.
[103]董桂玉.苏里格气田上古生界气藏主力含气层段有效储集砂体展布规律研究[D].成都理工大学，2009.
[104]王康东，李贤庆，等.苏里格大气田上古生界储层流体包裹体特征及天然气成藏意义[J].天然气地球科学.2011，22（6）：961-968.
[105]张文忠，郭彦如，等.苏里格气田上古生界储层流体包裹体特征及成藏期次划分[J].石油学报.2009，30（5）：685-691.
[106]赵卫卫，郭峰，等.苏里格地区下古生界储层流体包裹体特征及其成藏作用[J].兰州大学学报.2011，47（1）：6-11.
[107]张新新，赵靖舟，等.苏里格气区盒8段地层古今构造特征及其对气水分布的控制作用[J].西安石油大学学报，2011，26（3）：14-20.
[108]陈全红.鄂尔多斯盆地上古生界沉积体系及油气富集规律研究[D].西北大学，2007.
[109]王欣，薛林福，遇运良，白烨.压实法石英砂岩成岩相识别及其应用[J].测井技术，2012，36（4）：387-391.
[110] Joanna M Ajdukiewicz， Robert H. Lander. Sandstone reservoir qualityprediction:The state of the art[J].AAPG Bulletin.V94.NO8.P1083-1091.
[111] Sandstone diagenesis and reservoir quality prediction:Model,myths,and reality[J].AAPG Bulletin. V94.NO8.P1093-1132.
[112]陈淑惠.分类方法在中医辨证诊断应用中的比较研究[D].广州中医药大学，2008.
[113]孙苟.基于混沌理论的短期股市可预测性及预测方法的研究[D].苏州大学，2009.
[114]曹志峰.基于人工神经网络的空调系统控制策略研究[D].西华大学，2005.
[115]王丽华.基于熵聚类的RBF神经网络训练算法研究[D].重庆大学，2008.
[116]安治国.径向基函数模型在板料成形工艺多目标优化设计中的应用[D].重庆大学，2009.
[117]徐山.神经网络集成技术及其在矿产预测中的应用研究[D].吉林大学，2007.
[118]黄丽.BP神经网络算法改进及应用研究[D].重庆师范大学，2008.
[119]桂现才.BP神经网络在MATLAB上的实现与应用[J].湛江师范学院学报，2004，25（3）：83.
[120]徐伟民.缓冲特性曲线BP神经网络在Matlab上的方便实现[J].包装工程，2004，25（3）：181-182.
[121]童飞.基于BP神经网络的水上交通事故预测及MATLAB实现[D].武汉理工大学，2005.
[2]钟广法，邬宁芬.成岩岩相分析及其在泌阳凹陷核三下亚段砂岩储层中的初步应用[J].江汉石油学院学报，1995,17(1)：38-40.
[3]季汉成，翁庆萍.鄂尔多斯盆地东部下二叠统山西组山2段成岩相划分及展布[J].古地理学报，2008，10(4)：410-418.
[4]杜业波,季汉成.川西前陆盆地上三叠统须家河组成岩相研究[J].吉林大学学报（地球科学版），2006，36(3)：358-364.
[5]楼章华，曾允孚.扶杨油层孔隙水成因与砂岩成岩相研究[J].沉积学报,1995,(S13):63-70.
[6]袁波,杨俊生.成岩作用效应模拟的应用[J].中国石油大学学报，2009，33(2)：1-6.
[7]孟元林.渤海湾盆地西部凹陷南段成岩相分析与优质储层预测[J].沉积学报，2006，24(2)：185-192.
[8]李弘，王芙蓉.绿泥石膜对储层孔隙度的影响-以鄂尔多斯盆地M油田延长组2段为例[J].岩性油气藏，2008，20(4)：71-74.
[9]徐樟有，魏萍，熊琦华.枣南油田孔店组一、二段成岩作用及成岩相[J].石油学报，1994，(S1)：60-67.
[10]张金亮，司学强，梁杰等.陕甘宁盆地庆阳地区长8油层砂岩成岩作用及其对储层性质的影响[J].沉积学报，2004，22(2)：225-233.
[11]罗平，裘怿楠，贾爱林等.中国油气储层地质研究面临的挑战和发展方向[J].沉积学报，2003，21(1)：142-147.
[12]明海会，金振奎，金之钧等.泌阳凹陷安棚油田深层系油气分布规律及控制因素[J].沉积学报，2005，23(2)：329-336.
[13]谭延栋.测井解释黏土矿物[J].石油钻采工艺，1987，6(4)：1-8.
[14]张小莉，沈英.利用测井资料分析成岩作用对储集层的影响[J].沉积学报，2000，18(1)：127-131.
[15]邹才能，陶士振.成岩相的形成_分类与定量评价方法[J].石油勘探与开发，2008，35(5)：526-540.
[16]谢渊，王剑，李令喜.鄂尔多斯盆地白垩系黏土矿物的分布特征及其沉积-成岩环境意义[J].地质通报，2010，29(1)：93-104.
[17]王建强，薛林福.松辽盆地北部石炭-二叠系油气远景[J].吉林大学学报（地球科学版），2011，(S1)：9-16.
[18]王满.松辽盆地北部上古生界热演化史恢复[D].吉林大学，2010.
[19]程国建，周冠武.概率神经网络方法在岩性判别中的应用[J].微计算机信息，2007，23(6)：288-290.
[20] Pan Bao-Zhi.Xue lin-fu. Evaluation of volcanic reservoirs with the ‘QAPMmineral model’using a genetic algorithm[J] APPLIED GEOPHYSICS，2008，5(1)：1-8.
[21]邢培俊，孙建孟.利用测井资料确定黏土矿物的方法对比[J].中国石油大学学报（自然科学版），2008，32(2)：53-57.
[22]石强.利用自然伽马能谱测井定量计算黏土矿物成分方法初探[J]测井技术，1998，22(5)：349-352.
[23] Schlumberger Wireline and Testing Schlumberger log interpretation charts[M].Houston: schlumberger Education Services，1996，4-30.
[24]钟广法，邬宁芬.成岩岩相分析：一种全新的成岩非均质性研究方法[J].石油勘探与开发，1997，24（5）：62-66.
[25]昝灵，王顺华，张枝焕.砂砾岩储层研究现状[J].长江大学学报(自然科学版)，2011，8(3)：63-67.
[26]王祝文，刘菁华，许延清.大庆深部致密砂砾岩含气储层产能预测[J].吉林大学学报(地球科学版)，2003，33(4)：485-489.
[27]甘孟光.海拉尔盆地乌南地区复杂岩性判别方法、储层分类研究[D].吉林大学，2010.
[28]孟凡顺，徐会君，朱焱，等.基于主成分分析的距离判别分析方法在岩性判别中的应用[J].石油工业计算机应用，2011，3(1)：24-28.
[29]胡松，张超谟，胡瑶，等.基于主成分分析的砂砾岩储层孔隙度计算方法研究[J].石油天然气学报，2010，32(3)：100-104.
[30]鲁国明.东营凹陷深层砂砾岩岩性测井综合判别技术[J].测井技术，2010，34(2)：168-171.
[31] Matthias Jungmann.Margarete Kopal.Multi-class superv-ised classification ofelectrical borehole wall images using texturefeatures[J].Computers&Geosciences，2011，37：541-553.
[32]李建红，周伦先.东营凹陷砂砾岩自然伽马测井响应特征研究及应用[J].石油天然气学报，2008，30(1)：88-91.
[33]张翔，肖小玲，严良俊，等.基于模糊支持向量机方法的岩性判别[J].石油天然气学报，2009，31(6)：115-118.
[34]钟仪华，李榕.基于主成分分析的最小二乘支持向量机岩性判别方法[J].测井技术，2009，33(5)：425-429.
[35]张莹，潘保芝.支持向量机与微电阻率成像测井判别火山岩岩性[J].物探与化探，2011，35(5)：634-642.
[36]宋延杰，张剑风.基于支持向量机的复杂岩性测井判别方法[J].大庆石油学院学报，2007，5(31)：18-20.
[37]李盼池，许少华.支持向量机及其在复杂水淹层判别中的应用[J].计算机应用，2004，24(9)：147-149.
[38]蔡磊，程国建，潘华贤.极限学习机在岩性判别中的应用[J].计算机工程与设计，2010，31(9)：2010-2012
[39]王博，阎建业，刘浪，等.灰色关联法判别地层岩性应用研究[J].重庆科技学院学报(自然科学版)，2010，12(6)：25-27.
[40]李洪奇，谭锋奇，许长福，等.基于决策树方法的砾岩油藏岩性判别—以克拉玛依油田六中区克下组油藏为例[J].石油天然气学报，2010，32(3)：16-21.
[41]王英武，洪涛，雪冰，等.模糊联想记忆法在海拉尔盆地贝尔凹陷储层岩性判别中的应用[J].世界地质，2010，29(3)，473-478.
[42]谭伏霖，王志章，隆山，等.样品扩充法判别火成岩[J].中国石油大学学报(自然科学版)，2010，34(6)：45-49.
[43]蒋良孝.朴素贝叶斯分类器及其改进算法研究[D].中国地质大学，2009.
[44]姜素华，林红梅.陡坡带砂砾岩扇体油气成藏特征——以济阳坳陷为例[J].石油物探，2003，42(3)：313-317.
[45] Huang Guang-bin.Zhu Qin-Yu.Siew Chee-Khcong.Extre-me learning machine:anew learning scheme of feedfo-rward neural network[C].Budapest. Huangary:Proceedi-ngs of International Joint Conference on Neural Networ-ks，2004.
[46] Huang G B.Zhu Q Y.Siew C K.Extreme learning machine:Theory andapplications[J]. Neurocomputing，2006，70(1-3)：489-501.
[47] Christopher M.Gifford.Arvin Agah.Collaborative Multi Agent Rock FaciesClassification from Wireline Well Log Data[J].Engineering Applications ofArtificial Intellige-nce，2010，(23)：1158-1172
[48]张莹.火山岩岩性判别和储层评价的理论与技术研究[D].吉林大学，2010.
[49]陈春强.东营凹陷古近系层序阁架内储层成岩作用研究[D].中国地质大学（北京），2006.
[50]于均民.鄂尔多斯盆地三叠系延长组长6段超低渗透储层特征[D].中国地质大学（北京），2012.
[51]刘小洪.鄂尔多斯盆地上古生界砂岩储层的成岩作用研究与孔隙成岩演化分析[D].西北大学，2008.
[52]许岩.海拉尔盆地火山碎屑岩、含片钠铝石砂岩与普通砂岩的成岩作用及其比较研究[D].吉林大学，2005.
[53]何东博.苏里格气田复杂储层控制因素和有效储层预测[D].中国地质大学（北京），2005.
[54]初广震.塔里木盆地寒武—奥陶系碳酸盐岩微相与成岩作用研究[D].中国地质大学（北京），2010.
[55] Sehmoker J.W. Gautler.D.L. Snadstone Porsyt as function of thermal matutity anapproach to porosity comparision and prediction.Geology，1988，16(11):1697-1703.
[56] Jone C.Maxwell.influence of depth temperature and geologie age on porosity ofguartzose sandstone.AAPG，1964，48（5）：697-705.
[57] Scherer M.Parameters influencing porosity in sandstone: A model for sandstoneporosity predicition.AAPG，1987，71（7）：485-491.
[58] V.Schmidt and D.A.McDonald.Texture and recognition of secondly porosity insandstones.SEPM Spec.Pub.1979，NO，26，209-225.
[59] Ronald C， Surdam,Laura J， et al.Heasler.Organic-inorganic and sandstonediagenesis[J]. AAPG Bulletin，Jan1989，73：1-23.
[60] Ronald C，Surdam，Ken O，et al.Diagenesis and maturation of hydrocarbons inthe Monterey Formation，Pismo Syncline,California[M].(in A guidebook to thestratigraphic， tectonic， thermal， and diagenetic histories of the MontereyFormation，Pismo and Huasna Basin，California,Surdam) SEPM Guidebook，1984，2：84-94.
[61] Surdam R C，Boles J R.Diagenesis of volcanic sandstones[M].(in Aspects ofdiagenesis)Special Publication-Society of Economic Paleontologists andMineralogists (March1979)，(26)：227-242.
[62]黄思静，杨俊杰.不同温度条件下乙酸对长石溶蚀过程的实验研[J].沉积学报，1995，13(1)：7-17.
[63] Salman Bloch，Stephen G.Franks Preservation of shallow plagioclase dissolutionporosity during burial，implications for porosity predictionand aluminum massbalance[J].AAPG Bulletin，Sep，1993，77：1488-1501.
[64]黄思静，武文慧，刘洁，等.大气水在碎屑岩次生孔隙形成中的作用-多斯盆地三叠系延长组为例[J].地球科学：中国地质大学学报，2003，28(4)：419-424.
[65]张明禄，达世攀，陈调胜.苏里格气田二叠系盒8段储集层的成岩作用及孔隙演化[J].天然气工业，2002，22(6)：13-16.
[66] Salman Bloch，Robert H，Lander，Linda Bonnell.Anomalously high porosity andpermeability in deeply buried sandstone reservoirs： Origin andpredictability[J].AAPG Bulletin，2002，86(2)：301-328.
[67] Lundegard P D，Land L S.Carbon dioxide and inorganic acids：their role inporosity enhancement and cementation，Paleogene of the Texas Gulf Coast[A].inGautier D L.ed.Roles of organic matter in sediment diagenesis[C].SEPM SpecialPublication，1986，38：129-146.
[68] Hillier S.Porelining Chlorites in siliciclastic reservoir sandstones:Electronmicroprobe，SEM and XRD data，and implications for their rigin[J].ClayMinerals，1994，29：665-679.
[69] Pittman E.Dlarese.Compaction of lithic sands:Experimental results andapplication[J].AAPG Bulletin，1991，75：1279-1298.
[70] Aase N E.P A Bjqrkum.P H Nadeau.The effect of grain-coating microquartz onpreservation of reservoir porosity[J].AAPG Bulletin，1996，80：1654-1673.
[71]李忠，费卫红，寿建峰等，华北东淮凹陷异常高压与流体活动及其对储集砂岩成岩作用的制约[J].地质学报，2003，01：126-134.
[72]周东升，刘光祥，叶军.深部砂岩异常孔隙的保存机制研究[J].石油实验地质，2004，01：40-45.
[73] Willson H H.“Frozen-in”hydrocarbon accumulations or diagenetic trapstargets[J].AAPG Bulletin，1977，61：483-491.
[74]罗静兰，刘小洪，林憧等，成岩作用与油气侵位对鄂尔多斯盆地延砂岩储层物性的影响[J].地质学报，2006，5（80）：665-673.
[75]冯增昭，王英华，刘焕杰，等.中国沉积学[M].北京：石油工业出版社，1994：199-237.
[76]赵澄林，朱筱敏.沉积岩石学(第三版)[M].北京：石油工业出版社，2001：44-47.
[77]地质矿产部情报研究所编译.国外沉积成岩作用[M].北京：地质出版社，1988：1-24.
[78]苏楠.鄂尔多斯盆地苏里格气田东区下石盒子组盒8段沉积相和储层特征研究[D].成都理工大学，2011.
[79]黄勇.鄂尔多斯盆地苏里格气田上古生界气藏储层特征研究[D].成都理工大学，2003.
[80]鄂尔多斯盆地子长南部下石盒子组储层特征和损害因素研究[D].西北大学，2011.
[81]杨华，付金华，等.苏里格大型致密砂岩气藏形成条件及勘探技术[J].石油学报，2012，33（S1），27-36.
[82]林文姬.苏里格地区盒8段低渗储层特征及其成因[D].中国地质大学（北京），2009.
[83]王峰，田景春，等.苏里格地区上古生界盒8砂岩储层控制因素[J].成都理工大学学报（自然科学版），2009，36（4），367-372.
[84]张文忠.苏里格地区上古生界气田异常低压成因研究[D].中国地质大学（北京），2009.
[85]张海涛.苏里格地区有效储层测井判别方法研究[D].西北大学，2010.
[86]成志刚，宋子齐，等.苏里格东区致密气储层成岩储集相分类及特征[J].断块油气田，2012，19（5），577-582.
[87]魏红红，李文厚，等.苏里格庙地区二叠系储层特征及影响因素分析[J].矿物岩石，2002，22（3），42-46.
[88]刘锐娥，李文厚，等.苏里格庙地区盒8段高渗储层成岩相研究[J].西北大学学报（自然科学版），2002，32（6），667-671.
[89]杨斌虎，刘小洪，等.鄂尔多斯盆地苏里格气田东部优质储层分布规律[J].石油实验地质，2008，30（4），333-339.
[90]陈兆荣.鄂尔多斯盆地苏里格气田北部盒8段和山1段储层特征研究[D].成都理工大学，2009.
[91]苏海斌.鄂尔多斯盆地鄂托克旗地区盒8、山1段储层特征及其控气性研究[D].西安石油大学，2010.
[92]李仲东.鄂尔多斯盆地北部上古生界压力异常与天然气成藏关系研究[D].成都理工大学，2006.
[93]侯明才，窦伟坦，等.鄂尔多斯盆地苏里格气田北部盒8、山1段成岩作用及有利储层分布[J].矿物岩石，2009，29（4），66-74.
[94]李文厚，魏红红，等.苏里格气田碎屑岩储集层特征与天然气富集规律[J].石油与天然气地质，2002，23（4），387-396.
[95]许磊，于兴河，等.苏里格南部地区盒8段致密砂岩储层成岩作用及成岩相划分[J].地质勘探，2012，32（7），15-20.
[96]王素荣，李国华，等.苏里格南部地区上古生界储层特征及影响因素分析[J].石油化工应用，2011，30（4），55-58.
[97]韩登林，李忠，等.库车坳陷白垩系砂岩储层石英溶蚀非均质性特征及其主控因素[J].地质学报，2011，85（2），256-261.
[98] Raisback.L. B.1984. Carbonate diagenetic facies in the Upper PennsylvanianDennias Formation in lowa, Missouri and Kansas Joural of Sedimentary.54(3):986-999
[99]蔺宏斌，侯明才，等.鄂尔多斯盆地苏里格气田北部下二叠统山1段和盒8段物源分析及其地质意义[J].地质通报，2009，28（4）：483-492.
[100]刘锐蛾，黄月明，卫孝锋，等.鄂尔多斯盆地北部晚古生代物源区分析及其地质意义[J].矿物岩石，2003，23（23）：82-86.
[101]罗顺社，朱珊珊.苏里格地区下石盒子组盒8段物源分析[J].石油天然气学报.2012，34（9）：193-194.
[102]王冰.苏里格气田盒8储层沉积物物源方向探讨[J].石油化工应用，2010，29（11）：38-41.
[103]董桂玉.苏里格气田上古生界气藏主力含气层段有效储集砂体展布规律研究[D].成都理工大学，2009.
[104]王康东，李贤庆，等.苏里格大气田上古生界储层流体包裹体特征及天然气成藏意义[J].天然气地球科学.2011，22（6）：961-968.
[105]张文忠，郭彦如，等.苏里格气田上古生界储层流体包裹体特征及成藏期次划分[J].石油学报.2009，30（5）：685-691.
[106]赵卫卫，郭峰，等.苏里格地区下古生界储层流体包裹体特征及其成藏作用[J].兰州大学学报.2011，47（1）：6-11.
[107]张新新，赵靖舟，等.苏里格气区盒8段地层古今构造特征及其对气水分布的控制作用[J].西安石油大学学报，2011，26（3）：14-20.
[108]陈全红.鄂尔多斯盆地上古生界沉积体系及油气富集规律研究[D].西北大学，2007.
[109]王欣，薛林福，遇运良，白烨.压实法石英砂岩成岩相识别及其应用[J].测井技术，2012，36（4）：387-391.
[110] Joanna M Ajdukiewicz， Robert H. Lander. Sandstone reservoir qualityprediction:The state of the art[J].AAPG Bulletin.V94.NO8.P1083-1091.
[111] Sandstone diagenesis and reservoir quality prediction:Model,myths,and reality[J].AAPG Bulletin. V94.NO8.P1093-1132.
[112]陈淑惠.分类方法在中医辨证诊断应用中的比较研究[D].广州中医药大学，2008.
[113]孙苟.基于混沌理论的短期股市可预测性及预测方法的研究[D].苏州大学，2009.
[114]曹志峰.基于人工神经网络的空调系统控制策略研究[D].西华大学，2005.
[115]王丽华.基于熵聚类的RBF神经网络训练算法研究[D].重庆大学，2008.
[116]安治国.径向基函数模型在板料成形工艺多目标优化设计中的应用[D].重庆大学，2009.
[117]徐山.神经网络集成技术及其在矿产预测中的应用研究[D].吉林大学，2007.
[118]黄丽.BP神经网络算法改进及应用研究[D].重庆师范大学，2008.
[119]桂现才.BP神经网络在MATLAB上的实现与应用[J].湛江师范学院学报，2004，25（3）：83.
[120]徐伟民.缓冲特性曲线BP神经网络在Matlab上的方便实现[J].包装工程，2004，25（3）：181-182.
[121]童飞.基于BP神经网络的水上交通事故预测及MATLAB实现[D].武汉理工大学，2005.
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |