检索
E-mail
RSS

作者投稿 主编审稿 专家审稿 远程编辑

热带海洋学报 >

2017 , Vol. 36 >Issue 3: 94 - 101

DOI: https://doi.org/10.11978/2016095

珠江口盆地(东部)探明储量影响因素及发展趋势

  • 张为彪 , 1 ,
  • 钟辉 1 ,
  • 郑洁 1 ,
  • 夏弋峻 2 ,
  • 邹清文 1
展开
  • 1. 中海石油(中国)有限公司深圳分公司, 广东 深圳 518054
  • 2. 中海油深圳实验中心, 广东 深圳 518054

作者简介: 张为彪(1987—), 男, 河北省秦皇岛市人, 硕士研究生, 主要从事海域油气勘探研究。E-mail:

收稿日期: 2016-10-11

  要求修回日期: 2016-12-12

  网络出版日期: 2017-06-01

收起

The influence factors and development tendency of proved reserves in the eastern Pearl River Mouth Basin

  • ZHANG Weibiao , 1 ,
  • ZHONG Hui 1 ,
  • ZHENG Jie 1 ,
  • XIA Yijun 2 ,
  • ZOU Qingwen 1
Expand
  • 1. Shenzhen Branch of CNOOC Ltd., Shenzhen 518054, China
  • 2. Shenzhen Experiment Center of CNOOC, Shenzhen 518054, China
Corresponding author: ZHANG Weibiao. E-mail:

Received date: 2016-10-11

  Request revised date: 2016-12-12

  Online published: 2017-06-01

Copyright

热带海洋学报编辑部
Fold

摘要

珠江口盆地(东部)已有39年的勘探历史, 其储量发现过程既有自身的特性, 又有与其他盆地类似的共性。影响其储量发现的因素有内在因素和外在因素两个方面。内在因素包括盆地类型、油气地质特征和特殊的海域勘探环境。外在因素包括勘探所处阶段、勘探投入和理论技术。从研究区的油气地质特征、勘探历史和现状出发, 考虑影响研究区储量发现的各种因素, 通过模型研究与对比分析, 建立了研究区储量发展趋势模型, 研究结果表明: 在保证充足勘探投入和理论技术不断进步的前提下, 研究区的勘探生命历程分为早期阶段(1977—2032年, 探明速度小于0.7%)、高峰阶段(2033—2081年, 探明速度大于0.7%)和萎缩阶段(2082年以后, 探明速度小于0.7%)。早期阶段结束时, 探明程度约为20%, 高峰阶段结束时, 探明程度约为57%, 储量发现峰值年度为2055年左右, 届时探明程度约37%。目前, 研究区处于早期阶段末期, 年探明储量增长较快。

关键词： 珠江口盆地(东部); 探明储量; 影响因素; 基值变化趋势; 预测模型

本文引用格式

张为彪 , 钟辉 , 郑洁 , 夏弋峻 , 邹清文 . 珠江口盆地(东部)探明储量影响因素及发展趋势[J]. 热带海洋学报, 2017 , 36(3) : 94 -101 . DOI: 10.11978/2016095

Abstract

The exploration has lasted for 39 years in the eastern Pearl River Mouth Basin, where the process of reserves discovery, compared with that of other basins, has characteristic features in some ways and similar features in some other ways. The factors affecting reserves discovery in the area include internal factors and external factors. The internal factors are the type and geological characteristics of the basin, and the unique marine exploration environment. The external factors include exploration stage, exploration investment, and theory and technology. Based on the oil and gas geological features, exploration history and current situation of the study area, considering various factors influencing the reserves discovery in the area, and by studying and comparing prediction models, we establish the reserves development trend model of the area. We believe that, on the premise that there is sufficient investment, and that both theory and technology develop constantly, the exploration life course of the area can be divided into early stage (1977-2032, the speed of ascertaining reserves is less than 0.7%), peak stage (2033-2081, the speed of ascertaining reserves is greater than 0.7%) and atrophy stage (1982-, the speed of ascertaining reserves is less than 0.7%). At the end of the early stage, about 20% of the oil and gas resources will be found; and at the end of the peak stage, the number is 57%. The peak year is around 2055 when the number is 37%. At present, the study area is in the final phase of the early stage, and the annual proven reserves increase rapidly. The paper serves as a reference for accurately grasping main factors influencing reserves discovery in the area.

Key words： the eastern Pearl River Mouth Basin; proved reserves; influence factors; development tendency of the base value; prediction model

珠江口盆地位于南海北部陆缘, 是一个中、新生代叠合的沉积盆地, 历经39年的勘探, 取得了辉煌的成就, 截至2015年底, 已发现油气储量超过10亿吨油当量。然而, 油气的发现过程不是一帆风顺而是跌宕起伏的。那么, 影响该盆地油气储量发现的因素是什么?油气储量的未来发展趋势又怎样?前人对此尚未进行过系统的研究和总结。本文参照对比中国其他勘探成熟的盆地, 分析总结了影响珠江口盆地(东部)储量发现的因素, 在此基础上, 通过模型研究与对比, 优选出珠江口盆地(东部)储量发展趋势的模型。这些研究成果将有助于我们认清该区域影响储量发现的主要因素、油气勘探所处的阶段和未来发展的趋势, 进而抓准工作重点, 进行合理的勘探开发部署, 编制科学的勘探规划。

1 影响储量发现的因素

1.1 内在因素

1.1.1 盆地类型及油气地质特征
晚白垩世—中始新世, 印度板块高速向北漂移, 其北部的洋壳俯冲于欧亚大陆之下, 西太平洋俯冲带向海方向后撤, 东亚陆缘发生了左行压扭体制向右行张扭体制的巨大变革(刘再生 等, 2014), 大规模裂谷作用开始, 珠江口盆地在此背景下形成, 为陆缘拉张型裂陷盆地, 断裂系统发育, 平面上呈现出三隆三坳的格局, 自北向南分别为北部隆起带、北部坳陷带、中央隆起带、中部坳陷带、南部隆起带和南部坳陷带, 南侧与洋盆直接接触(施和生 等, 2014)(图1)。
Fig. 1 Tectonic framework of the Pearl River Mouth Basin

图1 珠江口盆地构造区划

垂向上, 珠江口盆地具有下陆上海、下断上坳的双层结构。古近系文昌组时期为断陷期, 控洼断裂活动强烈, 湖水较深, 沉积了大面积的中深湖相优质烃源岩, 为研究区主要烃源岩, 其分布受控洼断裂控制; 恩平组时期为断坳转换期, 控洼断裂活动变弱, 湖盆面积扩大, 湖水变浅, 滨浅湖相沉积发育, 为重要烃源岩; 珠海组以后盆地进入坳陷阶段, 沉积物为受相对海平面变化控制的古珠江三角洲-浅海-半深海沉积。沉积演化过程中, 形成多套优质储盖组合。新构造运动导致的活化断裂体系与恩平组陆相、珠海组-珠江组海相大型富砂三角洲体系构成了油气纵、横向高效复合输导网络, 富烃凹陷各层系油气主要为同时期大规模集中成藏, 成藏时间为10Ma (施和生 等, 2014)。
不同的坳陷、凹陷之间, 同一凹陷内不同洼陷之间, 甚至同一洼陷内的不同子洼之间在构造活动史、沉积史、热史等方面均各有特点, 决定了珠江口盆地油气成藏特征的复杂多样。例如, 受地壳由陆向海逐渐减薄影响, 从珠一坳陷至珠二坳陷再到南部坳陷带, 地温梯度逐渐升高(施和生 等, 2014); 在珠一坳陷内, 西江凹陷和惠州凹陷相邻, 但是西江凹陷的西江主洼地温梯度明显低于惠州凹陷, 由于低地温对储层的保护, 使得在西江主洼的4300m深处获得了工业产能; 西江凹陷内的番禺4洼文昌期控洼断层活动强烈, 沉积了巨厚的烃源岩, 晚期断裂比较发育, 将大量油气沟通至珠江组以上成藏, 而处于同一凹陷内的西江主洼, 晚期断裂极不发育, 在珠江组以上圈闭少且地层含砂率高, 至今未获得商业发现。
珠江口盆地的地质条件决定了其具有丰富的油气资源, 但同时也决定了其复杂的油气成藏特征, 这预示着油气发现的道路必定不平坦, 30多年的勘探历史正说明了这一点(图2)。勘探初期, 认识程度低, 一大批构造钻探失利, 随着向富生油凹陷转移, 开始获得较大储量发现, 之后又经历了几番波折, 在勘探陷入低谷之后, 新理论、新认识的出现又会带来储量发现的新高峰, 储量呈现出阶段式增长的特点, 2008年以来储量发现的波动有所减弱。
1.1.2 勘探的地理环境
珠江口盆地所在海域的海底包括陆架和陆坡, 海水深度从50m变化到3000m。海上油气勘探的高投入、高风险、高门槛使得其油气发现速度明显低于陆上, 中石化的东部盆地和珠江口盆地(东部)年均探明储量与资源量和资源丰度的关系(图3)显示, 在资源量或者资源丰度相同的情况下, 珠江口盆地(东部)各凹陷的年均探明储量较低; 渤海湾盆地的济阳坳陷、辽河凹陷及珠江口盆地(东部)储量探明速度与探明程度的关系(图4)表明, 在探明程度为12%之前, 渤海湾盆地的济阳坳陷和辽河凹陷的储量年探明速度基本都在0.7%以上, 而珠江口盆地(东部)基本在0.7%以下。
Fig. 2 The process of the proved reserves discovery in the eastern Pearl River Mouth Basin

图2 珠江口盆地(东部)探明储量发现历程

Fig. 3 Relationship between the averaged proved reserves per year and the geological resources (a) and between the averaged proved reserves per year and the enrichment of resources (b) in the eastern basins of SINOPEC and the eastern Pearl River Mouth Basin

图3 中石化的东部盆地和珠江口盆地(东部)年均探明储量与资源量(a)和资源丰度(b)的关系^正方形点表示中石化东部盆地; 三角形点表示珠江口盆地各主要凹陷

Fig. 4 Relationship between the speed at which the reserves were proved and the proportion of the reserves that had been proved in Jiyang Depression (a), Liaohe Depression (b) and the eastern Pearl River Mouth Basin (c)

图4 济阳坳陷(a)、辽河凹陷(b)及珠江口盆地(东部)(c)储量探明速度与探明程度的关系^实线表示探明速度随探明程度变化的曲线; 虚线表示探明速度为0.7%的水平线

1.2 外在因素

1.2.1 勘探程度
国内外进入勘探后期盆地的勘探历史表明, 勘探程度不同其储量发现具有不同特点。本文根据珠江口盆地(东部)的储量发现历史, 借鉴其他勘探成熟地区的储量发现历程, 通过模型对比优选, 建立了研究区探明储量发展模型(建立过程见第2部分)(图5)。据该模型, 目前研究区整体处于邻近勘探高峰期的阶段, 年探明储量增长较快, 但会出现一定程度的波动, “十二五”期间多个新区、新领域获得了勘探突破, 指示了研究区良好的勘探前景。分开来看, 研究区浅水区和深水区的油气勘探发现不同: 浅水区以原油勘探为主, 勘探比较成熟, 探明程度较高, 处于勘探高峰阶段, 探明速度较大, 波动较小, 但增长较慢; 而深水区油气并生, 探明程度较低, 处于勘探早期阶段, 探明速度较小, 波动较大, 但增长较快。
Fig. 5 The development tendency model of proved reserves in the eastern Pearl River Mouth Basin

图5 珠江口盆地(东部)储量发展趋势模型^红色趋势线表示累计探明储量; 蓝色趋势线表示年探明储量

1.2.2 勘探投入
对比研究区历年勘探工作量与油气探明储量的变化曲线(图6), 其中二维和三维地震工作量的对应年度都向后移动两年: 1997年之前, 探明储量与二维工作量之间具有较好的相关关系; 1997年之后, 探明储量与三维工作量之间具有较好的相关关系。在整个勘探历史中, 除去2001—2005年, 探明储量与钻井工作量之间都具有较好的相关关系。因此认为在1997年以前二维和钻井的工作量很大程度上影响了储量的发现, 而随着三维地震勘探应用的日益普及, 在1997年之后其和钻井的工作量在很大程度上影响了储量的发现。
Fig. 6 Relationship between proved reserves and the quantity of 2D seismic (a), between proved reserves and 3D seismic (b), and between proved reserves and exploration wells (c) in the eastern Pearl River Mouth Basin in each calendar year

图6 珠江口盆地(东部)历年探明储量与二维地震(a)、三维地震(b)和探井(c)工作量的相关关系

1.2.3 理论技术条件
回顾珠江口盆地(东部)的勘探历程, 理论技术的不断进步对储量发现起到了巨大的推动作用: 在地球物理采集技术方面, 大面积三维地震的普及促进了多个地区的勘探突破, 典型例子就是恩平凹陷油气勘探的突破(刘丽华 等, 2011); 在地球物理处理技术方面, 大面积三维地震数据体拼接技术的应用极大地促进了凹陷的结构、构造、沉积和成藏研究, 叠前深度偏移(PSDM)技术的应用提升了资料的品质, 使得构造圈闭更加落实(刘道理 等, 2013), 亮点技术指引了番禺—流花天然气群的发现, 属性技术、叠后地震反演、叠前地震反演等地球物理技术推动了地层岩性圈闭勘探取得突破; 在地质理论方面, 经历了近源勘探理论→构造脊+长距离运移及礁勘探地质理论→短距离运移+滚动勘探理念→层序地层学的成功运用→复式油气藏勘探理念的发展历程(刘军 等, 2007; 庞雄 等, 2007; 刘从印 等, 2009), 推动了储量发现的一波又一波高峰; 在地质作业技术方面, 低油气比、弱荧光、低阻油气层识别的勘探作业技术、半潜水钻井船油气层测试的螺杆泵补偿技术、碳酸盐油气藏的勘探作业技术等解决了研究区的多个勘探难题, 推动了勘探的进一步发展。总之, 珠江口盆地(东部)的勘探取得今天的成就, 离不开理论技术条件的不断进步创新。

2 未来探明储量增长趋势预测

影响盆地储量发现的内在因素是先天存在的, 是无法改变的。珠江口盆地复杂的油气地质特征、海洋勘探环境以及勘探前期地质认识的不足, 使得在短期的未来储量发现仍会呈现出波动的特点, 只是波动幅度可能有所减弱。影响盆地储量发现的外在因素是不断变化的。目前, 研究区勘探程度较低, 未探明资源量仍较大, 近些年在新区和新领域获得了多个突破, 使得我们对在未来实现探明储量的进一步增长充满信心, 但前提是要保证充足的勘探投入和理论技术的不断进步创新。在该前提下, 对研究区未来储量增长趋势进行了预测, 由于影响储量发现的因素比较复杂, 因此, 只能预测未来发现储量的基值, 实际储量应以其为中心呈现上下振荡的形态, 采用的主要模型如表1。
Tab. 1 Evaluation of application effect of reserves prediction models in the study area

表1 储量预测模型及其在研究区的应用效果评价

模型类别 模型名称 模型表达式 模型特点 相关系数 与实际的吻合情况 结论
生命模型: 适用于对生命总量有限体系(如矿产产量)的产生、发展和消亡过程的描述和预测 广义翁氏模型 A类
非对称模型		 0.041 预测最终探明储量远大于盆地资源量 不适用
Logistic模型 B类
对称模型		 0.991 年探明储量随时间变化呈对称形态, 与实际不符 不适用
龚帕兹模型 B类
非对称模型		 0.995 与历史数据吻合好, 预测峰值储量合理 适用
胡-陈模型 B类
非对称模型		 0.985 与历史数据吻合差, 预测峰值储量低于多个历史数据, 不符合实际 不适用
胡-陈-张模型 B类
非对称模型		 0.994 与历史数据吻合好, 预测峰值储量合理 适用
随机模型: 盆地的年探明储量随时间的变化与一些随机分布的密度函数类似, 利用这些分布的密度函数就可以建立年探明储量与时间的关系模型 威布尔模型 既可表示为A类, 也可表示为B类非对称模型 0.97 与历史数据吻合差, 预测峰值
储量低于多个历史数据, 不符
合实际		 不适用
对数正态模型 A类
非对称模型		 0.751 与历史数据吻合差, 预测最终探明储量明显小于盆地资源量, 预测峰值储量低于多个历史数据, 不符合实际 不适用
瑞利模型 既可表示为A类, 也可表示为B类非对称模型 0.991 与历史数据吻合好, 预测峰值储量稍微偏低 适用
灰色系统模型: 针对非典型分布、非平稳过程和有色噪音, 用数据生成的方法整理数据, 将杂乱无章的数据整理成规律较强的数列 费尔哈斯模型 在盆地总地质资源量已知的情况下:
 B类
对称模型		 0.987 年探明储量随时间变化呈对称形态, 与实际不符 不适用
其他模型 递减曲线模型 有多种 A类 单调递减
模型		 适用于进入勘探后期储量发现逐年下降地区, 不适用于研究区 不适用
油藏规模序列法、帚状模型 无法用一个关系式表达 需对储量数据作一些处理, 对数据要求较严格 在研究区应用, 未得到合理的
结果		 不适用

注: Q代表年探明储量; t代表计算年度与勘探起始年度的差; S代表累计探明储量; R代表盆地总地质资源量; a、b和c表示参数。A类模型是指年探明储量与时间的关系模型; B类模型是指累计探明储量与时间的关系模型。模型特点一栏加粗字体描述的是年探明储量与时间的关系特点, 即非对称模型是指年探明储量随时间变化呈非对称形态

生命模型、随机模型、灰色系统模型以及递减曲线模型表现为年探明储量(A类模型)或累计探明储量(B类模型)与时间的关系式(翁文波, 1984; 陈元千, 1999; 邓聚龙, 2002; 朱杰 等, 2008), 而油藏规模序列法和帚状模型则要对数据做一些复杂的处理, 对数据要求也比较严格。
递减曲线模型适用于进入勘探后期储量发现逐年下降的地区, 在研究区并不适用。油藏规模序列法先将一个地区的油藏按照规模从大到小排序, 要求油藏的储量大小与序号之间满足帕雷托定律(周总瑛 等, 2005), 研究区油藏数目比较少, 经验证, 并不符合帕雷托定律, 故无法应用此方法。帚状模型考虑了一个地区的勘探程度(探井密度)、储量探明程度和已发现的油藏个数等因素(高磊 等, 2002), 但是在本地区的应用未能取得合理的拟合结果, 分析认为该模型对数据要求过于严格, 而研究区储量数据少, 波动较大, 不能应用此模型。
研究区处于勘探前期, 历史年探明储量随时间变化波动较大(图7), 应用年探明储量与时间的关系模型进行拟合, 相关性可能较差, 而采用累加的数据生成方式得到的历年累计探明储量随时间变化显示出了一定的规律性(图7, 1993—1995年的储量数据未使用, 因为这几年工作量很少, 储量数据没有代表性, 接下来进行模型拟合时,也没有使用这几年的数据), 应用累计探明储量与时间的关系模型进行拟合, 相关性可能较好, 而且累计探明储量与时间的关系模型可加入研究区总地质资源量作为约束, 因此, 累计探明储量与时间的关系模型比年探明储量与时间的关系模型更适用于研究区, 实际计算结果证实了这一点, 见表1。
Fig. 7 The data building method — accumulation transforms the annual proven reserves that have bigger fluctuations into the cumulative proved reserves that have certain statistical law

图7 累加的数据生成方式将波动较大的年探明储量(a)转变为具有一定规律性的累计探明储量(b)

Fig. 8 The development tendency of proved reserves predicted by Logistic model (a), Rayleigh model (b) and H-C-Z model (c) in the study area

图8 在研究区应用Logistic模型(a)、瑞利模型(b)和胡-陈-张模型(c)预测的探明储量发展趋势

累计探明储量与时间的关系模型又可以分为两类: 对称模型和非对称模型。这里的“对称”指的是应用累计探明储量与时间的关系模型计算出的年探明储量随时间的变化呈对称形态, 如Logistic模型(图8a), 非对称模型则有瑞利模型和胡-陈-张模型(图8c)等(年度不包含1993—1995年, 下同)。研究区油气资源丰富, 在储量上升期, 未钻有利圈闭较多, 择优钻探, 成功率较高, 储量增加较快, 储量下
降期, 对盆地油气地质特征的认识更加深入, 技术手段更加先进, 生产设施增多, 会降低一部分圈闭的经济门槛, 故储量下降会较慢, 因此储量变化曲线应是非对称形态, 故非对称模型更合适。
表示累计探明储量与时间的关系的非对称模型有胡-陈模型、威布尔模型、龚帕兹模型、胡-陈-张模型、瑞利模型等。其中胡-陈模型和威布尔模型在研究区应用, 拟合相关系数较低, 与历史数据吻合差, 预测峰值储量低于多个历史储量数据, 不符合实际(表1)。龚帕兹模型、胡-陈-张模型和瑞利模型的拟合相关系数较高, 与历史数据吻合较好。应用龚帕兹模型和胡-陈-张模型推算出的年探明储量与时间的关系曲线形态相似, 而与瑞利模型则有明显区别(图8、图9): 龚帕兹模型和胡-陈-张模型在勘探初期年探明储量增长较慢, 后来逐渐加快, 在进入高峰阶段后, 储量增长速度又减慢, 而瑞利模型在一开始年探明储量增加最快, 后来逐渐减慢。珠江口盆地复杂的油气地质条件和勘探地理环境决定了一开始其探明储量增长速度会比较慢, 随着认识的深入和理论技术的进步, 探明储量增长速度会逐渐增加, 但由于油气资源总量有限, 在进入高峰阶段后探明储量增长速度又会下降, 因此, 龚帕兹模型和胡-陈-张模型更适用于研究区。在不考虑计算误差的情况下, 这两个模型在研究区的预测结果是一样的, 拟合相关系数都达到了0.995左右, 依据研究区的总地质资源量、历年探明储量、目前所处的勘探阶段和良好的勘探形势等信息综合分析, 认为这两个模型是目前条件下最适用于研究区的储量增长趋势预测模型, 图9展示了龚帕兹模型的预测结果与实际数据的对比情况。
Fig. 9 The development tendency of proved reserves predicted by Gompertz model in the study area

图9 在研究区应用龚帕兹模型预测的探明储量发展趋势

从研究区的油气地质特征、勘探历史和现状出发, 考虑影响研究区储量发现的各种因素, 主要依
据龚帕兹模型和胡-陈-张模型, 综合参考其他模型, 建立了研究区的储量发展趋势模型(图5), 认为在保证充足的勘探投入和理论技术不断进步的前提下, 研究区的生命历程分为早期阶段(1977—2032年, 探明速度小于0.7%)、高峰阶段(2033—2081年, 探明速度大于0.7%)和萎缩阶段(2082年以后, 探明速度小于0.7%), 早期阶段结束时, 探明程度约为20%, 高峰阶段结束时, 探明程度约57%, 储量发现峰值年度为2055年左右, 届时探明程度约37%。

3 结论

1) 影响珠江口盆地(东部)储量发现的因素包括内在因素和外在因素两个方面。内在因素包括盆地类型、油气地质特征和特殊的海域勘探环境; 外在因素包括勘探所处阶段、勘探投入和理论技术。
2) 在保证充足的勘探投入和理论技术不断进步的前提下, 研究区生命历程分为早期阶段(1977— 2032年, 探明速度小于0.7%)、高峰阶段(2033— 2081年, 探明速度大于0.7%)和萎缩阶段(2082年以后, 探明速度小于0.7%), 早期阶段结束时, 探明程度约20%, 高峰阶段结束时, 探明程度约为57%, 储量发现峰值年度为2055年左右, 届时探明程度约37%。
3) 目前, 研究区处勘探高峰来临的前期阶段, 具有良好的发展前景, 勘探相关人员应坚定信心, 对盆地的油气地质特征继续进行深入研究, 不断提高理论水平, 发展新的理论技术, 同时要加大勘探投入, 确保年探明储量的持续增长。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
陈元千, 1999. 油气藏工程实用方法[M]. 北京: 石油工业出版社: 1-124.

[2]
邓聚龙, 2002. 灰理论基础[M]. 武汉: 华中科技大学出版社: 1-496.

[3]
高磊, 郭元岭, 宗国洪, 等, 2002. 探明储量增长“帚状”预测模型——以济阳坳陷为例[J]. 石油勘探与开发, 29(6): 45-47.

GAO LEI, GUO YUANLING, ZONG GUOHONG, et al, 2002. A broom-type model for predicting incremental proved reserves[J]. Petroleum Exploration and Development, 29(6): 45-47 (in Chinese).

[4]
刘从印, 周平兵, 曾驿, 等, 2009. 番禺4洼地区新近系油气成藏主控因素分析[J]. 中国海上油气, 21(2): 91-94.

LIU CONGYIN, ZHOU PINGBING, ZENG YI, et al, 2009. An analysis of the main controls on Neogene hydrocarbon accumulation in Panyu 4 sag[J]. China Offshore Oil and Gas, 21(2): 91-94 (in Chinese).

[5]
刘道理, 汪瑞良, 秦成岗, 等, 2013. 利用特色叠前深度偏移技术消除崎岖海底影响——以珠江口盆地番禺—流花地区应用为例[J]. 海相油气地质, 18(1): 67-70.

LIU DAOLI, WANG RUILIANG, QIN CHENGGANG, et al, 2013. Special pre-stack depth migration technology removing influences of rough seafloor: an example of application in Panyu-Liuhua sea area, Pearl River Mouth Basin[J]. Marine Origin Petroleum Geology, 18(1): 67-70 (in Chinese).

[6]
刘军, 施和生, 杜家元, 等, 2007. 东沙隆起台地生物礁、滩油藏成藏条件及勘探思路探讨[J]. 热带海洋学报, 26(1): 22-27.

LIU JUN, SHI HESHENG, DU JIAYUAN, et al, 2007. Forming conditions and exploration direction of reef oil-gas pool in carbonate platform of Dongsha Massif[J]. Journal of Tropical Oceanography, 26(1): 22-27 (in Chinese).

[7]
刘丽华, 陈胜红, 于水明, 等, 2011. 恩平凹陷成藏条件分析及商业性突破[J]. 中国海上油气, 23(2): 76-80.

LIU LIHUA, CHEN SHENGHONG, YU SHUIMING, et al, 2011. Analyzing conditions of hydrocarbon accumulation and a commercial breakthrough in Enping sag, Pearl River Mouth basin[J]. China Offshore Oil and Gas, 23(2): 76-80 (in Chinese).

[8]
刘再生, 施和生, 杨少坤, 等, 2014. 南海东部海域自营勘探实践与成效[J]. 中国海上油气, 26(3): 1-10.

LIU ZAISHENG, SHI HESHENG, YANG SHAOKUN, et al, 2014. The practice of self-operated exploration and its achievements in the eastern South China Sea[J]. China Offshore Oil and Gas, 26(3): 1-10 (in Chinese).

[9]
庞雄, 陈长民, 彭大钧, 等, 2007. 南海珠江深水扇系统的层序地层学研究[J]. 地学前缘, 14(1): 221-229.

PANG XIONG, CHEN CHANGMIN, PENG DAJUN, et al, 2007. Sequence stratigraphy of Pearl River deep-water fan system in the South China Sea[J]. Earth Science Frontiers, 14(1): 221-229 (in Chinese).

[10]
施和生, 何敏, 张丽丽, 等, 2014. 珠江口盆地(东部)油气地质特征、成藏规律及下一步勘探策略[J]. 中国海上油气, 26(3): 11-22.

SHI HESHENG, HE MIN, ZHANG LILI, et al, 2014. Hydrocarbon geology, accumulation pattern and the next exploration strategy in the eastern Pearl River Mouth basin[J]. China Offshore Oil and Gas, 26(3): 11-22 (in Chinese).

[11]
翁文波, 1984. 预测论基础[M]. 北京: 石油工业出版社: 79-86.

[12]
周总瑛, 白森舒, 何宏, 2005. 成因法与统计法油气资源评价对比分析[J]. 石油实验地质, 27(1): 67-73.

ZHOU ZONGYING, BAI SENSHU, HE HONG, 2005. Comparison of genetic and statistical methods for petroleum resource assessment[J]. Petroleum Geology & Experiment, 27(1): 67-73 (in Chinese).

[13]
朱杰, 车长波, 刘成林, 等, 2008. 储量增长预测模型的对比分析[J]. 西安石油大学学报(自然科学版), 23(5): 21-23.

ZHU JIE, CHE CHANGBO, LIU CHENGLIN, et al, 2008. Contrastive analysis of reserves increasing prediction models[J]. Journal of Xi’an Shiyou University (Natural Science Edition), 23(5): 21-23 (in Chinese).

Options
文章导航

/

〈 〉