南凡馳，林良彪，余瑜，陳朝兵，慕尚超，王泓波，姬冠華，馬俊民

（1.成都理工大學油氣藏地質(zhì)及開發(fā)工程國家重點實驗室，四川 成都 610059；2.成都理工大學沉積地質(zhì)研究院，四川 成都 610059；3.西安石油大學地球科學與工程學院，陜西 西安 710065；4.陜西省油氣成藏地質(zhì)學重點實驗室，陜西 西安 710065；5.中國石化西北分公司采油一廠，新疆 烏魯木齊 830011；6.中國石油長慶油田分公司第二采氣廠，陜西 榆林 719000）

儲層微觀非均質(zhì)性是指儲層填隙物類型、數(shù)量分布、孔隙結(jié)構(gòu)、孔喉分布特征以及裂縫發(fā)育情況等微觀特征的變化［1］，通常從成巖程度、礦物成分、分選系數(shù)和膠結(jié)物含量等方面來進行表征。儲層微觀非均質(zhì)性對于孔喉連通性、結(jié)構(gòu)表征、油氣富集能力、儲層評價等方面研究具有重要意義，許多專家學者對此做了大量探索和研究工作［2-6］?？偨Y(jié)前人研究成果，目前關于儲層微觀非均質(zhì)性的研究方法主要有3種：①基于鑄體薄片數(shù)據(jù)，以樣品中的礦物含量、膠結(jié)物含量、面孔率、易溶礦物含量等為切入點，建立相應的評價參數(shù)來定量評價儲層微觀非均質(zhì)性［7-9］，如曹江駿提出的膠結(jié)溶蝕指數(shù)和成巖綜合指數(shù)［10-11］，陳朝兵提出的充填指數(shù)和抗溶蝕指數(shù)［12］。②基于高壓壓汞和恒速壓汞等實驗獲得的可以表征儲層相關性質(zhì)的參數(shù)來進行定量評價［7］。其中，高壓壓汞實驗在儲層孔喉結(jié)構(gòu)表征方面可行性較高、成本較低且應用比較成熟，前人基于高壓壓汞實驗相關參數(shù)也提出了一些非均質(zhì)性評價標準［13-14］，如臧士賓基于高壓壓汞相關參數(shù)和曲線形態(tài)提出了均質(zhì)系數(shù)和主要流動空間百分數(shù)［13］。③基于學科交叉并在實驗分析的基礎上，結(jié)合神經(jīng)網(wǎng)絡和Matlab等數(shù)學方法或者編程來定量評價儲層的微觀非均質(zhì)性［15-16］。王衛(wèi)紅利用BP神經(jīng)網(wǎng)絡、多項Logistic回歸、融合評價方法對儲層非均質(zhì)性進行評價［15］；盧晨剛利用Matlab編程，提出鑄體薄片提取面孔率的新方法，進而提出非均質(zhì)指數(shù)U來定量評價儲層非均質(zhì)性［16］。

雖然前人對儲層微觀非均質(zhì)性定量表征做過大量研究，提出了眾多的參數(shù)，但大都集中在用一種參數(shù)或從一種角度出發(fā)對非均質(zhì)性進行定量評價，將諸多因素綜合起來評價儲層微觀非均質(zhì)性的研究較少，或者提出的方案太過復雜，在生產(chǎn)實踐中操作難度較大?；诖?，本文以鄂爾多斯盆地華慶地區(qū)三疊系延長組6段（長6段）和合水地區(qū)長8段為例，以前人提出的儲層微觀非均質(zhì)性定量評價參數(shù)和高壓壓汞數(shù)據(jù)為基礎，利用向后篩選策略分別對兩種儲層進行綜合評價參數(shù)的提取。以此提出綜合性更強、更全面、更準確的儲層微觀非均質(zhì)性定量評價參數(shù)，同時論證數(shù)學方法在解決地質(zhì)問題上的可行性。

1 區(qū)域地質(zhì)概況

鄂爾多斯盆地面積約25×104km2［17］，伊陜斜坡是鄂爾多斯盆地內(nèi)分布范圍最廣的構(gòu)造單元，位于盆地中部，內(nèi)部構(gòu)造作用比較弱。華慶地區(qū)和合水地區(qū)位于伊陜斜坡的西南部（圖1），發(fā)育有大量的東西向鼻狀隆起［18］。鄂爾多斯盆地上三疊統(tǒng)延長組自下而上可分為長10段—長1段。在長10段—長1段沉積期，內(nèi)陸湖盆演化階段經(jīng)歷了湖盆擴張—縮小—消亡的水進—水退過程［19］。長8段沉積期（長8期）湖盆繼續(xù)擴張，但長8中期-末期湖盆經(jīng)歷了先縮減而后繼續(xù)擴張的發(fā)育階段，因此在長8中期-末期，三角洲體系相對發(fā)育，砂體沉積厚度大［20］。湖盆縮減階段主要發(fā)生在長6—長4+5期，長6期為湖盆開始萎縮的早期階段，湖盆中心（包括華慶地區(qū)）仍處于三角洲-湖泊環(huán)境，砂體沉積規(guī)模大，形成了有利的油氣儲集體［21-23］。

圖1 華慶地區(qū)和合水地區(qū)構(gòu)造位置Fig.1 Map showing the structural locations of Huaqing and Heshui areas

2 儲層特征

2.1 巖石學特征

根據(jù)Folk的砂巖分類標準［24］，華慶地區(qū)長6段儲層（長6儲層）巖性主要為淺灰色、灰褐色巖屑長石砂巖和長石巖屑砂巖，其次為巖屑砂巖、石英砂巖和長石砂巖。合水地區(qū)長8儲層巖性主要為淺灰色、灰褐色長石巖屑砂巖和巖屑長石砂巖（圖2）。

圖2 鄂爾多斯盆地長6和長8儲層測井曲線及巖心特征Fig.2 Logging curves and core photos showing the characteristics of Chang 6 and 8 reservoirs，Ordos Basin

華慶地區(qū)長6儲層碎屑顆粒以次棱角狀為主，分選中等-好，成分成熟度差-中等，接觸方式以點-線接觸為主。膠結(jié)物類型以孔隙式膠結(jié)和加大孔隙式膠結(jié)為主，還包括少量薄膜-孔隙、孔隙-基底、壓嵌-孔隙式膠結(jié)。合水地區(qū)長8儲層顆粒接觸方式以線接觸為主，其次為點-線接觸、點接觸，凹-凸接觸（占1.70%）與縫合線接觸（占0.80%）發(fā)育極少。碎屑顆粒磨圓以次棱角狀為主（占91.58%）。分選中等-好，成分成熟度差-中等。膠結(jié)物類型以孔隙式膠結(jié)和加大孔隙式膠結(jié)為主，還包括少量薄膜-孔隙、孔隙-基底、壓嵌-孔隙式膠結(jié)。

華慶地區(qū)長6儲層孔隙類型主要包括粒間孔、溶蝕孔、晶間微孔和微裂隙（圖3）。其中粒間孔體積分數(shù)主要分布在0～15.00%，平均體積分數(shù)為1.52%；溶蝕孔主要包括粒間溶孔、長石溶孔和巖屑溶孔，其中粒間溶孔體積分數(shù)較小，分布在0～3.00%，平均體積分數(shù)為0.07%，長石溶孔體積分數(shù)的分布范圍較大，分布在0～6.20%，平均體積分數(shù)為0.66%；巖屑溶孔體積分數(shù)主要分布在0～2.00%，平均體積分數(shù)為0.12%。

合水地區(qū)長8儲層平均面孔率為2.56%，孔隙類型主要包括粒間孔、溶蝕孔、晶間孔和微裂隙。其中粒間孔平均體積分數(shù)為1.57%，溶蝕孔主要包括粒間溶孔、長石溶孔和巖屑溶孔，其中粒間溶孔體積分數(shù)較小，平均體積分數(shù)為0.05%；長石溶孔體積分數(shù)較大，平均體積分數(shù)為0.86%；巖屑溶孔平均體積分數(shù)為0.79%。

受成巖作用影響，華慶地區(qū)長6儲層和合水地區(qū)長8儲層還發(fā)育有少量成巖縫（圖3）。

圖3 華慶地區(qū)長6儲層和合水地區(qū)長8儲層孔隙類型鏡下特征照片F(xiàn)ig.3 Thin section images showing the microscopic characteristics of pores in diverse types in the Chang 6 and 8 reservoirs in Huaqing and Heshui areas，respectively

2.2 孔喉結(jié)構(gòu)特征

在高壓壓汞毛管壓力數(shù)據(jù)的基礎上，計算儲層孔喉半徑和進汞梯度，繪制儲層孔喉半徑分布圖（圖4a，b）。華慶地區(qū)長6儲層孔喉半徑存在兩個峰值，主要分布在0.01～0.05μm和0.08～0.20μm兩個區(qū)間；合水地區(qū)長8儲層孔喉半徑存在一個峰值，主要分布在0.08～0.30μm。

華慶地區(qū)長6儲層孔隙度均值為9.6%，合水地區(qū)長8儲層孔隙度均值為10.9%；這兩套儲層的滲透率都主要分布在小于0.5×10-3μm2的區(qū)間，只有少量樣品的滲透率大于0.5×10-3μm2。華慶地區(qū)長6儲層樣品的滲透率較合水地區(qū)長8儲層更多地分布在小于0.5×10-3μm2的區(qū)間，而在滲透率大于0.5×10-3μm2的區(qū)間，合水地區(qū)長8儲層則分布更多（圖4c，d）。

圖4 華慶地區(qū)長6儲層和合水地區(qū)長8儲層孔喉半徑及物性分布Fig.4 Map showing distributions of pore throat radius，porosity and permeability of the Chang 6 and 8 reservoirs in Huaqing and Heshui areas，respectively

3 綜合評價參數(shù)的提出

向后篩選策略是變量不斷被剔除出回歸方程，并對剩余變量再次進行檢驗，以此反復，直到確定最優(yōu)參數(shù)組合并建立回歸方程的過程。本文主要基于薄片、掃描電鏡、高壓壓汞等實驗手段獲得儲層的巖石礦物成分、孔隙類型、毛管壓力和汞飽和度等數(shù)據(jù)，利用SPSS軟件，提出相關參數(shù)用于對儲層微觀非均質(zhì)性進行定量表征。對于華慶地區(qū)長6儲層，利用相關數(shù)據(jù)，對前人提出的儲層微觀非均質(zhì)性定量評價參數(shù)進行厘定；之后利用SPSS軟件對各參數(shù)進行因子分析，優(yōu)選出能夠較好反映儲層微觀非均質(zhì)性的參數(shù)；最后采用向后篩選策略，建立回歸方程，確定綜合評價參數(shù)以定量表征儲層微觀非均質(zhì)性。對于合水地區(qū)長8儲層，則利用高壓壓汞參數(shù)采用向后篩選策略分別對滲透率和孔隙度建立回歸方程，確定綜合評價參數(shù)以定量表征儲層微觀非均質(zhì)性。

3.1 長6儲層回歸方程的建立

在前人對儲層微觀非均質(zhì)性評價的基礎上，對現(xiàn)有部分參數(shù)的計算公式進行了統(tǒng)計（表1）。通過SPSS軟件對9個參數(shù)與孔隙度和滲透率的相關性開展研究，可以給出檢驗統(tǒng)計量的值落在不同分布中的概率值P（無量綱），若顯著性水平（α）為0.05，當P≤0.05，則認為非均質(zhì)性參數(shù)對孔隙度和滲透率產(chǎn)生了顯著影響。以Pearson相關性和顯著性（雙側(cè)）概率P值作為標準，對已有表征儲層非均質(zhì)性的參數(shù)進行厘定，認為同時滿足在0.01水平（雙側(cè)）上顯著相關和概率P≤0.05的參數(shù)與儲層非均質(zhì)性有較強的相關性。篩選出中值壓力、分選系數(shù)、顆粒非均質(zhì)性、膠結(jié)溶蝕指數(shù)、成巖綜合指數(shù)、充填指數(shù)和抗溶蝕指數(shù)等7個參數(shù)（表2）。

表1 儲層微觀非均質(zhì)性評價方法參數(shù)統(tǒng)計Table 1 Statistics of parameters for microscopic reservoir heterogeneity evaluation

表2 華慶地區(qū)長6儲層微觀非均質(zhì)性評價參數(shù)與孔隙度、滲透率相關性Table 2 Correlation between parameters of microscopic reservoir heterogeneity evaluation and porosity，permeability of the Chang 6 reservoir in Huaqing area

在數(shù)據(jù)分析中，一個樣本通常會用很多變量來描述，而且這些變量之間往往存在某種聯(lián)系，如儲層微觀非均質(zhì)性定量評價通常包括填隙物含量、碎屑顆粒成分、成巖作用等多種參數(shù)。因子分析就是要找出各變量之間的聯(lián)系，進而減少變量個數(shù)，是降維所采用的主要方法之一。在減少變量的同時，又不會有大量信息的丟失，有利于對多維數(shù)據(jù)的理解［25-27］。

因子分析產(chǎn)生的碎石圖的理想模型是Cattell在1966年提出來的［28］。它是由幾段折線組合而成，從頭到尾，折線不同部位的曲率逐漸降低，一般保留曲線在開始變陡之前的那些因子［29-30］。碎石圖解方法以特征值為縱軸，成分為橫軸，將每個成分所解釋的方差按照從大到小的順序排列起來，顯著性下降或產(chǎn)生斷裂的“拐角”點，稱之為曲線的“肘”。利用碎石圖可以直觀評估保留的因素包含的原始信息量。也就是說，前面陡峭的部分說明特征值大，包含的信息多，后面平坦的部分意味著特征值小［31-38］。華慶地區(qū)長6儲層孔隙度和滲透率碎石圖顯示，當評價參數(shù)分別為2，3，4個時，曲線均發(fā)生明顯的轉(zhuǎn)折（圖5），說明主成分個數(shù)為2，3，4個時，均能對儲層孔隙度和滲透率進行較好的評價。

圖5 華慶地區(qū)長6儲層孔隙度和滲透率碎石圖Fig.5 Scree plot showing the porosity and permeability of Chang 6 reservoir in Huaqing area

為了明確不同數(shù)量的參數(shù)組合對非均質(zhì)性的影響，同時考慮到影響儲層非均質(zhì)性的因素包括碎屑顆粒大小、分選性、成巖程度、膠結(jié)物含量及類型等，以7個參數(shù)為一組，利用向后篩選策略經(jīng)過6步完成回歸方程的建立，在此過程中建立了6個回歸模型，最終方程為第六個模型。在向后篩選的過程中，分選系數(shù)、顆粒非均質(zhì)性、中值壓力、膠結(jié)溶蝕指數(shù)、成巖綜合指數(shù)的概率P值遠大于0.05，軟件從模型中剔除這5個參數(shù)，剩余2個參數(shù)。

線性回歸中的相關系數(shù)R2（無量綱）可以表征回歸直線對觀測值的擬合程度，衡量的是預測值對真值的擬合程度，其值越接近1越好。隨著篩選的進行，標準估計誤差逐漸減小，調(diào)整的R2逐漸增大，第六次標準估計的誤差最小。向后篩選策略是變量不斷被軟件剔除出回歸方程的過程，通過SPSS軟件自動完成相關變量的選擇，最后建立回歸模型［39-40］。首先，所有變量全部引入回歸方程，并對回歸方程進行各種檢驗。然后，在回歸系數(shù)顯著性檢驗不顯著的一個或多個變量中，剔除t檢驗值最小的變量，并重新建立回歸方程和進行各種檢驗。以此類推，對導入的參數(shù)全部進行檢驗，最后，若新建回歸方程中所有變量的回歸系數(shù)檢驗都顯著，則回歸方程建立結(jié)束。從用向后篩選策略建立方程的過程看，隨著解釋變量的不斷減少，回歸方程的擬合優(yōu)度不斷提高［41-45］。

利用向后篩選策略共經(jīng)過6步完成回歸方程的建立，依次剔除不顯著的變量，保留常量、填隙物充填指數(shù)C（無量綱）和抗溶蝕指數(shù)K（無量綱）。這與前文碎石圖所表征的參數(shù)個數(shù)相對應。各方程系數(shù)如表3示，最終選擇模型6對儲層微觀非均質(zhì)性進行綜合評價，評價方程為：

表3 華慶地區(qū)長6儲層各回歸模型中各參數(shù)對應系數(shù)統(tǒng)計Table 3 Statistics of parameter coefficients in each regression model of Chang 6 reservoir in Huaqing area

式中：N為儲層微觀非均質(zhì)性綜合定量評價參數(shù)，無量綱。

利用生成的綜合評價指數(shù)N與長6儲層滲透率做相關性分析，相關系數(shù)為0.947，兩者為顯著相關，相關性較單個參數(shù)評價儲層微觀非均質(zhì)性明顯提高，說明與單個參數(shù)比，綜合評價指數(shù)N對儲層滲透率具有更好的評價意義。

3.2 長8儲層回歸方程的建立

利用SPSS軟件對高壓壓汞實驗的10個參數(shù)與孔隙度和滲透率的相關性開展分析，挑選出α在0.01條件下雙側(cè)相關的參數(shù)，與孔隙度顯著相關的參數(shù)有孔隙體積、孔喉半徑均值、分選系數(shù)、中值壓力、中值半徑、排驅(qū)壓力和退汞效率；與滲透率顯著相關的參數(shù)有孔喉半徑均值、分選系數(shù)、中值壓力、中值半徑和排驅(qū)壓力。采用向后篩選策略對相關參數(shù)與孔隙度、滲透率分別做線性回歸分析，最終確定的模型與孔隙度和滲透率具有較好的相關性，相關系數(shù)分別為0.735和0.745。

采用向后篩選策略，針對合水地區(qū)長8儲層，利用高壓壓汞相關參數(shù)，以孔隙度為參考標準建立了儲層微觀非均質(zhì)性綜合評價參數(shù)Gk（無量綱），模型為：

以滲透率為參考依據(jù)，利用高壓壓汞數(shù)據(jù)建立了儲層微觀非均質(zhì)性綜合評價參數(shù)為Gs（無量綱），模型為：

3.3 參數(shù)應用和推廣

3.3.1 參數(shù)N的適用性

利用華慶地區(qū)長6儲層大量數(shù)據(jù)對上述得出的綜合評價指數(shù)N與滲透率的關系做驗證。N與本次研究所用樣品整體滲透率的相關性呈明顯的三段S形特征（圖6a），每一段與滲透率都具有較好的相關性，相關系數(shù)分別為0.981 2，0.949 6和0.772 4。第一段表征的綜合評價指數(shù)N的范圍在0.58～0.69，滲透率介于（0.026～0.25）×10-3μm2（圖6b）；第二段表征的綜合評價指數(shù)N的范圍在0.69～0.71，滲透率范圍在（0.25～8.59）×10-3μm2（圖6c）；第三段表征的綜合評價指數(shù)N的范圍在0.71～0.73，滲透率介于（8.59～10.11）×10-3μm2（圖6d）。

圖6 華慶地區(qū)長6儲層綜合評價指數(shù)N與滲透率關系Fig.6 Relationship between comprehensive evaluation index N and permeability of Chang 6 reservoir in Huaqing area

根據(jù)綜合評價指數(shù)N將儲層微觀非均質(zhì)性劃分為3個等級：當綜合評價指數(shù)N小于0.69時，儲層為強微觀非均質(zhì)性；當綜合評價指數(shù)N介于0.69～0.71時，儲層為中等微觀非均質(zhì)性；當綜合評價指數(shù)N大于0.71時，儲層為弱微觀非均質(zhì)性。據(jù)統(tǒng)計，華慶地區(qū)長6儲層綜合評價指數(shù)N的最大值為0.48，屬于第一段，為強微觀非均質(zhì)性。

3.3.2 參數(shù)Gk和Gs的適用性

利用華慶地區(qū)長6儲層和合水地區(qū)長8儲層大量樣品數(shù)據(jù)，分別對Gk和Gs進行驗證，兩者相關性均較好。其中，華慶地區(qū)長6儲層孔隙度與Gk的相關系數(shù)為0.892 5，滲透率與Gs的相關系數(shù)為0.938 8；合水地區(qū)長8儲層孔隙度與Gk的相關系數(shù)為0.567 0，滲透率與Gs的相關系數(shù)為0.718 7（表4）。說明兩個參數(shù)可以分別與孔隙度和滲透率建立關系，進而對儲層的非均質(zhì)性做出較為準確的評價。

表4 鄂爾多斯盆地儲層微觀非均質(zhì)性綜合評價參數(shù)Gk和Gs檢驗表Table 4 Test of Gk and Gs，parameters for comprehensive evaluation of microscopic reservoir heterogeneity

根據(jù)不同數(shù)據(jù)點在圖中的分布，將儲層的微觀非均質(zhì)性劃分為3類：當Gs<-2，Gk<6時，儲層為強非均質(zhì)性；當Gs=-2～5，Gk=6～14時，儲層為中等非均質(zhì)性；當Gs>5，Gk>14時，儲層為弱非均質(zhì)性。

綜合來看，本文提出的綜合評價參數(shù)N，Gk和Gs均能較好地定量評價儲層微觀非均質(zhì)性，相較單因素評價參數(shù)，與孔隙度或滲透率的相關性均有較大幅度的提升，說明因子分析和向后篩選策略等數(shù)學方法在解決地質(zhì)問題上具有較好的可行性。從利用華慶地區(qū)長6儲層數(shù)據(jù)對綜合評價參數(shù)N，Gk和Gs的驗證結(jié)果來看，以填隙物充填指數(shù)和抗溶蝕指數(shù)為基礎提取的綜合指數(shù)N相較于以高壓壓汞參數(shù)為基礎提取的綜合評價參數(shù)Gk和Gs，對儲層微觀非均質(zhì)性的評價更加準確，同時也說明要解決地質(zhì)問題的復雜性和不確定性，利用簡單的單因素分析法很難達到目的。

儲層微觀非均質(zhì)性通常受沉積相、砂體厚度、隔夾層發(fā)育程度、巖石成分、礦物含量、膠結(jié)物含量、孔隙結(jié)構(gòu)和孔喉分布特征等多種因素控制，定量評價儲層微觀非均質(zhì)性難度較大。本文主要依托于薄片數(shù)據(jù)和高壓壓汞數(shù)據(jù)，采用數(shù)學方法綜合評價儲層微觀非均質(zhì)性，利用軟件對相應參數(shù)進行整合，減小了人為主觀因素的影響，使評價參數(shù)更加客觀，評價結(jié)果更加準確。雖然對缺少相應數(shù)據(jù)的區(qū)域應用較為有限，但是基于儲層微觀非均質(zhì)性評價的復雜性，這些數(shù)據(jù)的獲取又是不可或缺的，通過對這些數(shù)據(jù)的處理來提高儲層微觀非均質(zhì)性評價的準確性是非常有必要的。目前該方法在地質(zhì)上的應用還處于初步探索階段，只適用于已有相關數(shù)據(jù)的區(qū)域，對于缺少相關數(shù)據(jù)的區(qū)域還需要利用更易獲得的數(shù)據(jù)進行更深入的研究。

4 結(jié)論

1）華慶地區(qū)長6儲層和合水地區(qū)長8儲層巖石類型均以巖屑長石砂巖和長石巖屑砂巖為主，儲集空間以粒間孔和溶蝕孔為主。華慶地區(qū)長6儲層孔喉半徑存在2個峰值，主要分布在0.01～0.05μm和0.08～0.20μm兩個區(qū)間，孔隙度均值為9.6%；合水地區(qū)長8儲層孔喉半徑存在1個峰值，主要分布在0.08～0.30μm，孔隙度均值為10.9%。滲透率主要分布區(qū)間小于0.5×10-3μm2。

2）針對華慶地區(qū)長6儲層，利用向后篩選策略提出綜合評價指數(shù)N，用于對儲層微觀非均質(zhì)性進行評價。將儲層微觀非均質(zhì)性劃分為3個等級：當N<0.69時，儲層為強微觀非均質(zhì)性；當N=0.69～0.71時，儲層為中等微觀非均質(zhì)性；當N>0.71時，儲層為弱微觀非均質(zhì)性。華慶地區(qū)長6儲層綜合評價指數(shù)N的最大值為0.48，為強微觀非均質(zhì)性。

3）基于高壓壓汞參數(shù)，針對合水地區(qū)長8儲層，采用向后策略對相關參數(shù)與孔隙度和滲透率的相關性分別做線性回歸分析，將儲層的微觀非均質(zhì)性劃分為3類：當Gs<-2，Gk<6時，儲層為強非均質(zhì)性；當Gs=-2～5；Gk=6～14時，儲層為中等非均質(zhì)性；當Gs>5，Gk>14時，儲層為強非均質(zhì)性。

4）綜合評價參數(shù)N，Gk和Gs與儲層的孔隙度和滲透率均有較好的相關性，相關性較單個評價參數(shù)明顯增強，可以用來定量評價儲層微觀非均質(zhì)性，總體而言N的評價效果較Gk和GS更好。向后篩選策略在華慶地區(qū)長6儲層和合水地區(qū)長8儲層微觀非均質(zhì)性定量評價中的應用取得了較為理想的結(jié)果，進而印證了數(shù)學方法在解決地質(zhì)問題上的可行性。