基于二维训练图像的高砂地比储层建模:以迪北气田为例

穆浪; 李少华; 李君; 王开宇; 郭申锐

doi:10.12404/j.issn.1671-1815.2501459

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (8) :3271-3281 DOI: 10.12404/j.issn.1671-1815.2501459

石油、天然气工业

基于二维训练图像的高砂地比储层建模:以迪北气田为例

穆浪 ¹ ,
李少华 ¹^,^* ,
李君 ² ,
王开宇 ² ,
郭申锐 ¹

作者信息 +

Modeling of High Sand-to-shale Ratio Reservoirs Based on 2D Training Images: Dibei Gas Field

MU Lang ¹ ,
LI Shao-hua ¹^,^* ,
LI Jun ² ,
WANG Kai-yu ² ,
GUO Shen-rui ¹

Author information +

文章历史 +

摘要

迪北气田位于库车坳陷北部构造带,主要发育阿合组储层。阿合组储层砂地比在80%以上,属于典型的高砂地比储层。阿合组储层以辫状水道为主,砂体厚度大,多期砂体相互叠置切割。传统建模技术难以刻画单砂体的几何形态和叠置样式,进而无法合理再现储层非均质性。以库车河露头剖面为基础,分别采用基于目标和基于二维数字化剖面两种方法构建训练图像。分别应用SNESIM(single normal equations simulation)方法和s2Dcd+DS(sequential bi-dimensional conditioning data+direct sampling)方法建立迪北气田工区三维砂体模型。采用直观分析和变差函数等定量参数结合井抽稀方法对比两种方法的建模效果。结果表明:在高砂地比情况下,采用基于二维数字化剖面的s2Dcd+DS方法构建的三维砂体模型更符合工区实际特征,能更好地表征高砂地比情况下砂体的几何形态和叠置关系,为储层非均质性的精细表征奠定了良好基础。该建模方法为高砂地比情况下的储层非均质性表征、三维砂体建模提供了新的解决思路和方法。

Abstract

Dibei gas field is located in the northern structural belt of the Kuqa Depression, hosts the Ahe Formation as its primary reservoir. The Ahe Formation is characterized by a sand-to-mud ratio exceeding 80%, classifying it as a typical high sand-to-mud ratio reservoir. Dominated by braided channel deposits, the reservoir features thick sand bodies with multi-stage stacking and erosional amalgamation. Conventional modeling techniques struggle to accurately delineate the geometric morphology and stacking patterns of individual sand bodies, leading to inadequate representation of reservoir heterogeneity. The Kuqa River outcrop profile was leveraged to construct two types of training images: object-based and 2D digitized cross-section-based approaches. Correspondingly, the single normal equations simulation (SNESIM) method and the sequential bi-dimensional conditioning data + direct sampling (s2Dcd+DS) method were employed to develop 3D sand body models for the Dibei gas field. The modeling results were evaluated through visual analysis, quantitative variogram parameters, and well data sparseness validation. The results demonstrate that under high sand-to-mud ratio conditions, the s2Dcd+DS method (based on 2D digitized cross-sections) produces 3D sand body models that better align with the actual geological characteristics of the study area. This method effectively captures the geometric configurations and stacking relationships of sand bodies in high sand-to-mud ratio settings, providing a robust foundation for the precise characterization of reservoir heterogeneity. The proposed workflow offers a novel approach for 3D sand body modeling and heterogeneity characterization in high sand-to-mud ratio reservoirs, advancing the integration of geological realism into reservoir models.

Graphical abstract

关键词

迪北气田 / 库车河露头剖面 / 高砂地比储层 / s2Dcd+DS方法 / 模型定量评价

Key words

Dibei gas field / Kuqa River outcrop profile / high sand-to-shale ratio reservoir / s2Dcd+DS method / quantitative model evaluation

引用本文

引用格式 ▾

穆浪, 李少华, 李君, 王开宇, 郭申锐. 基于二维训练图像的高砂地比储层建模:以迪北气田为例[J]. 科学技术与工程, 2026, 26(8): 3271-3281 DOI:10.12404/j.issn.1671-1815.2501459

MU Lang, LI Shao-hua, LI Jun, WANG Kai-yu, GUO Shen-rui. Modeling of High Sand-to-shale Ratio Reservoirs Based on 2D Training Images: Dibei Gas Field[J]. Science Technology and Engineering, 2026, 26(8): 3271-3281 DOI:10.12404/j.issn.1671-1815.2501459

登录浏览全文

4963

注册一个新账户忘记密码

高砂地比储层是一类以砂质沉积为主的优质储层,广泛分布于高能沉积环境中,是中国含油气盆地中的一类重要储层^[1]。该类储层砂体连片分布、储层连通性强、储集性能优越,是形成高产油气储层和高产油气田的基础。高砂地比储层是在强水动力环境的主导下,经过多期次的沉积叠置作用和区域构造演化作用,形成的砂质含量高、连通性优越的储集体^[2]。在强水动力环境和丰富物源供给的共同作用下,可以形成不同特征的高砂地比储层,如强水动力下的河道型储层、近源高能环境的扇三角洲储层、受季节性洪水影响的湖相沉积储层,以及受潮汐作用控制的海岸与近岸环境沉积储层等^[3-5]。

从辫状河的多分流河道到泛连通体的复合沉积模式,再到砂体连片分布的高能沉积环境,高砂地比储层呈现出复杂的多样性,如中东地区的巨型砂岩储层,北美的致密砂岩气藏,以及中国鄂尔多斯盆地的多期辫状河储层均属于高砂地比储层^[6-8]。在不同的地质背景下,高砂地比储层展现出了卓越的油气富集性和开发前景。尽管高砂地比储层具备诸多优势,其开发过程中仍需应对以下难题:高砂地比储层具有较强的非均质性,局部的泥质夹层和连片的厚层叠置砂体导致了储层内部物性的巨大差异化。因此亟需通过三维砂体建模为其储层非均质性表征、油气分布提供依据^[9]。

近年来,中外学者对高砂地比储层开展了大量研究,对高砂地比储层的砂体叠置样式、构型单元划分、储层非均质性有了进一步的认识。李晨曦等^[10]对尼日尔盆地AKPO油田Z油藏开展储层定量表征研究,对厚层大套叠置砂岩的构型叠置样式、连通性特征进行研究,建立了高砂地比储层砂体的系统表征方法。之后,李晨曦等^[11]又以深水浊积水道油田为例,对高砂地比储层复合水道砂体的泛连通性展开研究。通过“连通系数”定量刻画和衡量砂体间的连通情况,并通过“等效替代”的方法计算了高砂地比储层的连通系数。林小兵等^[12]提出了一种高砂地比辫状河三角洲前缘厚层砂体构型单元划分方法:通过野外露头、测井曲线和钻井取芯资料分析,判断沉积砂体的垂向叠置关系并分析储层沉积模式。付超等^[13]对稀井网-低地震分辨率深水峡谷储层的上、中、下游进行分区-分层建模策略,对中下游连片的高砂地比辫状水道采用基于趋势面的截断高斯模拟方法进行建模,成功刻画了峡谷内部的砂体分布特征。宫越等^[14]以刚果扇盆地为例,对第三系高砂地比叠置水道沉积体系进行研究,揭示了高砂地比储层砂体分布的影响因素。Dou等^[15]以塔里木盆地桑塔木油田TIII油组为例,提出了一种针对高砂地比储层的基于沉积过程的相建模方法,采用基于目标方法和序贯高斯模拟方法,逐级模拟不同微相的岩相及物性三维地质模型。

目前高砂地比储层常用的砂体建模方法主要为多点地质统计学建模方法、基于目标建模方法、序贯指示模拟方法等^[16]。其中,多点地质统计学方法凭借其模拟结果的多解性以及对储层砂体分布特征的强还原性能力,逐渐成为砂体建模的主流方法^[17]。尽管现有方法在相建模领域表现出色,但面对高砂地比储层的复杂性与独特性,仍存在不足。其主要问题在于,高砂地比储层砂体常连片分布,在储层内部多形成泛连通体和厚层的叠置砂岩,致使储层具有极强的非均质性和高度动态的砂体分布特征。常规建模方法难以精细表征单砂体内部的物性变化趋势,如单期次砂体在垂向上的接触关系以及辫状河道中心向两侧的物性变化特征等。主流的多点地质统计学方法必须获取可靠的训练图像,在工区井网稀疏且无地震数据的情况下很难实现^[18]。

为此,以库车坳陷迪北气田为例,采用基于二维训练图像的三维地质模型构建方法s2Dcd+DS(sequential bi-dimensional conditioning data+direct sampling)与多点地质统计学方法SNESIM(single normal equations simulation)对迪北气田进行精细的三维砂体建模,并对比两种建模方法的拟合效果^[19-20]。 s2Dcd+DS方法对于高砂地比条件下的储层建模具有指导意义,为储层三维地质建模研究提供了新的方法与思路。

1 区域地质概况

迪北气田位于塔里木盆地塔中(塔里木盆地中部)隆起以北区域,靠近塔中地区,属于库车坳陷北部构造带(图1)。主力油层为侏罗系的阿合组地层(J₁a),平均埋深4 600~5 100 m,属于深层油气藏^[21-22]。阿合组储层属于典型的高砂地比储层,砂地比达80%以上^[23]。储层内部多发育厚层叠置砂体,非均质性强且工区井网稀疏,条件数据稀缺。为了理清阿合组储层的砂体分布特征,提高建模准确率,选取相同成因下阿合组储层的典型露头-库车河露头剖面作为工区建模的数据支撑。库车河露头剖面约1.6 km²,据迪北气田约70 km,发育完整的阿合组储层。将阿合组地层划分为三段,按照地层沉积先后顺序依次为:下部的下砂砾岩段、中部的上砂砾岩段以及上部的砂砾岩夹泥岩段(图2)。

阿合组储层主要发育辫状河三角洲平原亚相,物源自北向南。其中,以水下分流河道微相为主, 根据河道沉积物粒度、类型将水下分流河道分为砂砾质辫状水道以及砂质辫状水道两类,局部发育支流间湾泥岩沉积^[24]。

侏罗系的阿合组储层为近物源条件下的强水动力环境。河道沉积物粒度粗,不同期河道水动力变化快,导致河道不稳定且容易发生改道,因此沉积的厚层泥岩难以稳定保存。在沉积后期发生构造运动或有河道流经时,细粒沉积物就会被冲刷剥蚀,泥岩沉积不发育,主要作为不同成因、不同期次砂体间的薄层状泥质隔夹层出现,厚度仅有数厘米至十余厘米^[25-26]。砂、砾作为强水动力环境下河流所携带的主要物源,在河道作用下沉积了多套不同期次的厚层砂砾岩、砂岩堆积体,在不同河道期次间多发育薄层泥质隔夹层。

2 训练图像的构建

三维砂体建模使用对比了两种不同的建模策略,分别为基于二维训练图像的s2Dcd+DS方法以及SNESIM方法。这两种建模策略都需要构建工区的训练图像,不同的是训练图像的维度及其来源。具体地,s2Dcd+DS方法采用的是3个互相垂直方向的二维训练图像(分别为平行于xy、xz、yz面的三方向剖面,简称xy、xz、yz剖面)。xyz是三维空间中的坐标轴,其中xy剖面为顺物源的平面剖面,yz剖面为顺物源的垂向剖面,xz剖面为垂直物源的垂向剖面,如图3所示。SNESIM方法采用的是基于目标方法生成的三维训练图像。

本次s2Dcd+DS建模方法所用的二维训练图像通过数字露头剖面结合地质经验手绘得到,通过自编译图像识别代码将png格式的二维训练图像转换为文本文件。同时,还综合应用了无人机数字露头扫描技术,对库车河露头剖面进行高精度的地质信息采集,得到三维数字露头剖面及河道参数(表1)。研究重点关注两种不同类型辫状河道的宽度与厚度特征,并建立了库车河露头精细尺度无人机模型(图4),精度达到3 cm,为迪北气田的砂体建模提供了精确的储层沉积模式。

本次主要研究4级构型单元^[27-29],即对同类型河道(砂砾质辫状水道和砂质辫状水道)进行识别划分。通过数字露头剖面观察,将工区的厚层叠置砂体进行了构型单元细分,得到库车河露头剖面精细的构型解释平面图(图5)。该平面图不仅为储层砂体建模提供了模式指导,也将作为3张二维训练图像中的一张,为后续迪北气田的三维砂体建模提供数据支撑。

在数字化露头剖面分析的基础上,深入调研了库车坳陷阿合组储层的相关文献。在此基础上结合三维数字露头剖面观察得到的河道规模数据及砂体分布特征,融合地质经验手绘得到xy剖面(图6)和xz剖面(图7)的二维训练图像。

基于目标方法构建训练图像所使用的参数(表2)主要来源于三维数字露头剖面和测井数据^[30]。通过对已有的数据进行统计分析,并求取平均值、最大值、最小值,得到本次三维训练图像构建的参数表,并得到如图8所示的三维训练图像。

3 研究区三维模型的建立

基于二维训练图像的三维砂体建模方法主要依赖s2Dcd+DS算法实现,故称为s2Dcd+DS方法。通过识别分析多个二维训练图像,并运用DS算法依据预定义的二维训练图像模拟序列进行模拟,直至实现全部网格的详尽模拟。s2Dcd+DS算法的主要优势之处在于:无论研究区域数据稀缺或丰富,均能保证模拟结果的精准度,使其更贴近真实的地下储层特征^[31-32]。DS模拟待估点步骤为:①在模拟网格中定义数据事件,问号表示待模拟点,两个白色和一个黑色像素代表先前模拟过的点;②使用a、b、c、d数据事件的维度在TI中定义一个搜索模板;③从随机位置开始线性扫描搜索窗口,直到d模拟数据事件得到一个小于阈值的匹配;④将第一个匹配数据事件的中心节点值分配给待模拟节点。DS方法模拟过程如图9所示。

在使用s2Dcd+DS算法拟合工区三维地质模型的过程中,除二维训练图像数量、质量等客观因素外,影响本次三维砂体建模模拟结果的参数还包括以下三种:最大邻域数n(用于定义模型的局部相关性)、接受阈值t(用于判断输出结果是否符合预期)、TI最大扫描分数f(用于限制算法在数据中搜寻可能的异常点或模式的范围)。此类型参数均为剖面参数,可针对不同方向的二维训练图像采用不同的模拟参数,且每个方向间的参数相互独立、互不影响,最大程度的保证了各方向模拟结果的准确率。从每个参数的功能定义出发,对每个方向剖面采取控制变量法,依次得到适合此方向剖面的最优参数设置,经过多次调试后,得到3个方向剖面的三类参数设置如表3所示。

图10为 s2Dcd+DS算法示意图。研究区获得的基于数字露头剖面的二维训练图像(yz方向剖面)的数据资料可以真实、直观地反映露头剖面的沉积相变化、砂体展布等特征。其他两个方向的二维训练图像是依据地质认识结合三维数字露头剖面手绘所得。通过二维训练图像切片的组合交线划分条件数据,具体步骤如下。

(1)先以基于数字露头剖面的yz方向二维训练图像切片为初始模拟切片,后以手工绘制的xy方向切片作为次输入切片,这样y坐标轴方向上的切片交线将作为第一条件数据。

(2)然后以xz方向输入切片与yz方向切片的z轴交线数据点作为第二条件数据。

(3)xz方向切片与xy方向切片在x轴方向上的交线数据作为第三条件数据。

以非交线数据作为模拟数据,交线数据根据优先度作为条件数据完成模型模拟。本次三维砂体建模在迪北气田工区6口井井数据的约束下进行,沿着定义序列执行DS算法的二维多点模拟,直至模拟完所有网格节点,最终得到了如图11(a)所示的三维地质模型。

使用多点地质统计学方法进行三维砂体建模时,同样以井数据为硬数据约束,以基于目标方法构建的三维模型作为工区的三维训练图像。微相比例采用粗化后的测井数据比例,通过多点地质统计学中的SNIESIM方法拟合得到工区的三维地质模型,如图11(b)所示。

4 结果对比分析

本次模型评价主要从定量角度出发,通过相比例、单河道砂体规模、变差函数等定量对比参数以及井抽稀方法,对比分析基于二维训练图像的s2Dcd+DS建模方法的实际应用效果。

4.1 单砂体发育比例及规模

从图12所示的相比例可以看出,两种方法得到的相比例整体差异不大。s2Dcd+DS方法得到的模拟结果更符合研究区微相的垂向发育模式,能更好地表征单河道砂体的形态、规模以及展布特征,对于多期河道在垂向上的切叠关系也有较好的表征。基于目标方法得到的相模拟结果在垂向上分布比较随机,韵律性复杂且噪点相对普遍。

通过人工解释方法对井上剖面以及模型切片单砂体的厚度及宽度进行统计,得到两种方法模拟后的单砂体发育规模,如表4所示。在缺乏岩心数据且测井资料有限的条件下,人工解释单砂体边界需聚焦于测井曲线特征分析、岩性突变和砂体宽厚比的协同驱动。首先基于稀疏测井曲线识别砂岩段垂向突变点,划分单砂体潜在垂向界面;其次通过井间砂岩厚度梯度变化和岩性突变推测横向延伸极限;然后结合沉积模式参数(河道宽厚比、砂体展布规律)及露头规模等数据;最后通过岩性突变点与宽厚比预测边界的空间耦合性模型,实现少井条件下“硬数据锚定骨架,软规律填充细节”的单砂体规模划定。以s2Dcd+DS建模方法得到的三维砂体模型为例,具体统计方法如下。

(1)使用petrel软件对模型进行平面、垂向上的细分,得到三维砂体模型的若干二维切片。

(2)依据地质认识对二维切片上的连片叠置砂体进行河道边界划分,得到单河道砂体。测量统计平面、垂向上切片的单河道砂体厚度及宽度,如图13(a)、图13(b)所示,直至统计完所有切片上的单砂体发育规模。

(3)井上剖面为真实深度,按照网格数量对单砂体的厚度进行统计,垂向上单个网格厚度为1 m,如图13(c)所示。

通过数据对比发现由两种方法得到的砂体模型均能在一定程度上反应迪北气田工区储层砂体的发育规模,且和三维数字露头得到的地质认识具有一致性。较SNESIM方法得到的砂体模型而言,s2Dcd+DS方法构建的模型的砂体发育规模更符合三维数字露头得到的河道参数。单砂体的宽度、厚度等参数与模拟前的整体差异性更小,更接近迪北气田真实的储层砂体展布特征,具体如表4所示。

4.2 井抽稀方法

迪北气田工区共有7口探井,其中符合建模所需测井、分层等资料的探井共6口。由于工区井数量有限,因此每次只选取五口井的测井解释数据进行条件约束建模,以此检验剩余一口井的砂体模型与测井解释资料之间的符合率,依次循环,直到完成6次条件模拟。如图14所示,如果测井解释成果[F1(U)]与模型模拟结果[F2(U)]一致,则F3呈现绿色,反之F3为蓝色。经统计结果表明,模型与测井解释数据的匹配度高达93.2%,证明使用s2Dcd+DS方法模拟的模型具有较低的不确定性,可以据此反映高砂地比储层的砂体分布规律。

4.3 变差函数方法

变差函数能够表征空间变量在某个具体方向上空间结构变化的相关性,是评价模型质量的重要指标,通过模型模拟前后训练图像与模型之间变差函数的空间结构形态差异,可以反映出建模方法的可行性。为精确评价s2Dcd+DS方法和SNESIM方法在高砂地比储层的应用能力,分别计算两种方法的训练图像与三维地质模型在x、y、z三方向复合砂体的变差函数,结果如图15所示。

基于目标方法与基于数字露头剖面方法得到的训练图像与相模型在空间结构趋势变化上具有高度一致性。当变差函数曲线在变程较小时,都呈现快速上升趋势,且上升幅度相当。在变程较大时,趋于平稳的态势也较为一致,这表明它们在总体形态上具有相似性。s2Dcd+DS方法在模拟前后的变差函数曲线在细节处的拟合程度会更好。在大趋势吻合的基础上,小趋势和部分节点也具有高度吻合性,且同变程下两条曲线的变差函数差值会更小,最大时不超过0.063。基于目标方法得到的两条变差函数曲线会出现小趋势不吻合的情况,且同变程下部分节点的变差函数差值较大,最大处可达0.085。

各向异性是地质建模中沉积规律的空间数字化表达,其合理刻画可显著提升模型地质真实性,尤其在井控数据不足时,需通过“模式主导”实现平衡。各向异性在模型中主要体现在不同方向的连续性差异。s2Dcd+DS和SNESIM方法在x、y、z三方向变差函数的变程分别为300和295、100和100、14和9。在顺物源的x方向,模型的连续性最好,准确再现水道砂体沿古水流方向的带状延展特征,符合高能河道持续迁移沉积机理;在垂直物源的y方向,模型的连续性次之,表征河道侧向摆动形成的复合席状砂边界,反映低能期泥质充填导致的非均质隔挡;在垂直平面的z方向,模型的连续性最差,主要为复合砂体,揭示多期河道叠置形成的复合砂体结构,因冲刷-充填旋回界面模糊导致单砂体垂向分界不明,需借助沉积旋回分析细化单元划分。

通过对两种方法进行多个定量指标对比发现,基于二维训练图像的s2Dcd+DS方法模拟前后的变差函数空间结构相似性更高,整体趋势吻合度更高。岩相比例、单河道砂体规模也更加符合工区的砂体分布模式。证明了采用的s2Dcd+DS方法建立的砂体模型能很好的表征高砂地比情况下储层的单砂体分布特征,有效降低了随机建模方法带来的不确定性,可以根据三维砂体模型表征高砂地比情况下储层的非均质性。

5 结论

以库车坳陷迪北气田为例,对比s2Dcd+DS方法和多点地质统计学两种建模方法在高砂地比情况下的三维砂体建模效果。通过相比例、单砂体规模、变差函数等定量参数以及井抽稀方法对比两种方法的建模效果。结果表明,s2Dcd+DS方法对高砂地比情况下储层的沉积模式具有较高的还原度。由此方法建立的三维地质模型较好的表征了多期河道砂体在垂向上的切叠关系、沉积模式,对于单河道砂体在平面上的形态、规模、展布特征也有较好的表征,能据此表征高砂地比储层的非均质性。除高砂地比储层外,该三维砂体建模方法在其他复杂地质环境中也有较好的应用,可据此表征复杂沉积环境下的储层非均质性,指导储层的开发勘探。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	张荣虎, 杨海军, 魏红兴, 等. 塔里木盆地库车坳陷北部构造带中东段中下侏罗统砂体特征及油气勘探意义[J]. 天然气地球科学, 2019, 30(9): 1243-1252.

[2]	Zhang Ronghu, Yang Haijun, Wei Hongxing, et al. Sand body characteristics and significance for oil and gas exploration of the middle-lower Jurassic in the middle-eastern segment of the northern structural belt in Kuqa Depression, Tarim Basin[J]. Natural Gas Geoscience, 2019, 30(9): 1243-1252.

[3]	王羽君, 靳亚勤, 郭金兰. 构造-沉积耦合格架下深层砂体展布及储层特征——以东濮凹陷古近系沙三段中亚段为例[J]. 科学技术与工程, 2023, 23(5): 1912-1922.

[4]

Wang Yujun, Jin Yaqin, Guo Jinlan. Distribution of deep sand bodies and reservoir characteristics under the tectonic-sedimentarycoupling framework: a case study of the middle submember of the third member of Paleogene Shahejie Formation in Dongpu Sag[J]. Science Technology and Engineering, 2023, 23(5): 1912-1922.

[5]	刘迎宝, 李元昊, 翟文彬, 等. 极缓坡湖盆浅水三角洲前缘砂体类型及成因模式——以鄂尔多斯盆地郝滩地区三叠系长8₁亚段为例[J]. 计算机工程与应用, 2025, 61(1): 153-164.

[6]	Liu Yingbao, Li Yuanhao, Zhai Wenbin, et al. Sand body types and genetic models of shallow-water delta front in extremely gentle slope lacustrine basin: taking the Chang 8₁ submember of triassic in Haotan area, Ordos Basin as an Example[J]. Lithologic Reservoirs, 2025, 61(1): 153-164.

[7]	李积永, 张平, 胡光明, 等. 一种单砂体多因素分类评价方法——以柴达木盆地扎11井区下油砂山组为例[J]. 科学技术与工程, 2021, 21(10): 4005-4010.

[8]	Li Jiyong, Zhang Ping, Hu Guangming, et al. A multi-factor classification and evaluation method for single sand bodies: a case study of the lower Youshashan Formation in the Zha 11 well area, Qaidam Basin[J]. Science Technology and Engineering, 2021, 21(10): 4005-4010.

[9]	Zavala Carlos, 潘树新. 异重流成因和异重岩沉积特征[J]. 岩性油气藏, 2018, 30(1): 1-18.

[10]	Zavala Carlos, Pan Shuxin. origin of density currents and sedimentary characteristics of density flow deposits[J]. Lithologic Reservoirs, 2018, 30(1): 1-18.

[11]	潘海滨, 赵丽娅. 沙特阿拉伯油气地质特征及资源现状[J]. 海洋地质前沿, 2017, 33(6): 40-45.

[12]	Pan Haibin, Zhao Liya. Petroleum geological characteristics and resource status of Saudi Arabia[J]. Marine Geology Frontiers, 2017, 33(6): 40-45.

[13]	吕恒宇, 胡望水. 三角洲平原水上分流河道砂体识别与刻画——以大牛地气田大47-大70井区山西组为例[J]. 科学技术与工程, 2019, 19(1): 84-89.

[14]	Lü Hengyu, Hu Wangshui. Identification and characterization of subaerial distributary channel sand bodies in delta plains: a case study of the Shanxi Formation in the Da 47-Da 70 well area, Daniudi gas field[J]. Science Technology and Engineering, 2019, 19(1): 84-89.

[15]	康博韬, 杨莉, 张迎春, 等. 深水浊积砂岩油田开发指标预测新方法: 以尼日尔三角洲盆地Akpo油田为例[J]. 科学技术与工程, 2019, 19(35): 153-159.

[16]	Kang Botao, Yang Li, Zhang Yingchun, et al. A new method for predicting development indices in deep-water turbidite sandstone oilfields: a case study of the Akpo Oilfield in the Niger Delta Basin[J]. Science Technology and Engineering, 2019, 19(35): 153-159.

[17]	李渊, 丁熊, 王兴志, 等. 鄂尔多斯盆地延长组长8段浅水三角洲砂体结构特征[J]. 天然气地球科学, 2021, 32(1): 57-72.

[18]	Li Yuan, Ding Xiong, Wang Xingzhi, et al. Structural characteristics of shallow-water delta sand bodies in member Chang 8 of Yanchang Formation, Ordos Basin[J]. Natural Gas Geoscience, 2021, 32(1): 57-72.

[19]	李晨曦, 王亚青, 杨希濮, 等. 深水浊积水道储层构型叠置关系定量表征探索[J]. 西南石油大学学报(自然科学版), 2020, 42(4): 37-46.

[20]	Li Chenxi, Wang Yaqing, Yang Xipu, et al. Exploration on the quantitative characterization of stacking patterns of deepwater turbidite channel reservoir architecture[J]. Journal of Southwest Petroleum University (Science & Technology Edition), 2020, 42(4): 37-46.

[21]	李晨曦, 康博韬, 张旭, 等. 深水浊积水道型储层砂体连通性定量表征探索[J]. 西南石油大学学报(自然科学版), 2022, 44(6): 10-20.

[22]	Li Chenxi, Kang Botao, Zhang Xu, et al. Exploration on the quantitative characterization of the connectivity of sand bodies in deepwater turbidite channel-type reservoirs[J]. Journal of Southwest Petroleum University (Science & Technology Edition), 2022, 44(6): 10-20.

[23]	林小兵, 王壮生, 范峻铭, 等. 一种高砂地比厚层辫状河三角洲前缘砂体构型构建方法: CN202210285930.0[P]. 2024-11-05.

[24]	Lin Xiaobing, Wang Zhuangsheng, Fan Junming, et al. A construction method for the architecture of thick braided river delta front sand bodies with high sand-to-sand ratio: CN202210285930.0[P]. 2024-11-05.

[25]	付超, 谢玉洪, 宋来明, 等. 基于沉积模拟的虚拟井建立与深水峡谷相控建模策略——以琼东南盆地中央峡谷陵水段为例[J]. 海相油气地质, 2023, 28(4): 413-424.

[26]

Fu Chao, Xie Yuhong, Song Laiming, et al. Establishment of virtual wells based on sedimentary simulation and facies-controlled modeling strategy for deepwater canyon: a case study of the Lingshui section of the central canyon in Qiongdongnan Basin[J]. Marine Origin Petroleum Geology, 2023, 28(4): 413-424.

[27]	宫越, 郭荣涛, 张忠民, 等. 刚果扇盆地深水沉积体系及控制因素——以渐新统-中新统为例[J]. 沉积学报, 2025, 43(4): 1446-1460.

[28]	Gong Yue, Guo Rongtao, Zhang Zhongmin, et al. Deepwater sedimentary systems and controlling factors in the Congo Fan Basin: a case study of the Oligocene-Miocene[J]. Acta Sedimentologica Sinica, 2025, 43(4): 1446-1460.

[29]	Dou M J, Li S H, Chang L J, et al. Combined synchronous simulation of discrete and continuous variables under high net-to-gross ratio reservoir[J]. Geoenergy Science and Engineering, 2023, 229: 8910.

[30]	张文彪, 段太忠, 刘彦锋, 等. 定量砂体建模技术应用现状与发展趋势[J]. 地质科技情, 2019, 38(3): 264-275.

[31]	Zhang Wenbiao, Duan Taizhong, Liu Yanfeng, et al. Application status and development trends of quantitative sand body modeling technology[J]. Geological Science and Technology Information, 2019, 38(3): 264-275.

[32]	吴胜和, 李文克. 多点地质统计学——理论、应用与展望[J]. 古地理学报, 2005(1): 137-144.

[33]	Wu Shenghe, Li Wenke. Multiple-point geostatistics: theory, applications, and prospects[J]. Journal of Palaeogeography, 2005(1): 137-144.

[34]	尹艳树, 张昌民, 李玖勇, 等. 多点地质统计学研究进展与展望[J]. 古地理学报, 2011, 13(2): 245-252.

[35]	Yin Yanshu, Zhang Changmin, Li Jiuyong, et al. Research progress and prospects of multiple-point geostatistics[J]. Journal of Palaeogeography, 2011, 13(2): 245-252.

[36]	Li Y, Li S, Zhang B. Constructing of 3D fluvial reservoir model based on 2D training images[J]. Applied Sciences-Basel, 2023, 13: 7497.

[37]	Strebelle S. Reservoir modeling using multiple-point statistics: SPE 71324[R]. Richardson: SPE, 2001.

[38]	宋金鹏, 郇志鹏, 田盼盼, 等. 超深致密砂岩储层特征及影响因素——以库车坳陷阳霞凹陷侏罗系为例[J]. 断块油气田, 2021, 28(5): 592-597.

[39]	Song Jinpeng, Huan Zhipeng, Tian Panpan, et al. Characteristics and influencing factors of ultradeep tight sandstone reservoirs: a case study of the Jurassic in Yangxia Sag, Kuqa Depression[J]. Fault-Block Oil and Gas Field, 2021, 28(5): 592-597.

[40]	雷刚林, 谢会文, 张敬洲, 等. 库车坳陷克拉苏构造带构造特征及天然气勘探[J]. 石油与天然气地质, 2007(6): 816-820, 835.

[41]	Lei Ganglin, Xie Huiwen, Zhang Jingzhou, et al. Structural characteristics and natural gas exploration of the Kelasu Structural Belt in the Kuqa Depression[J]. Oil & Gas Geology, 2007(6): 816-820, 835.

[42]	王华超, 韩登林, 欧阳传湘, 等. 库车坳陷北部阿合组致密砂岩储层特征及主控因素[J]. 岩性油气藏, 2019, 31(2): 115-123.

[43]	Wang Huachao, Han Denglin, Ouyang Chuanxiang, et al. Characteristics and main controlling factors of tight sandstone reservoirs in the Ahe Formation of northern Kuqa Depression[J]. Lithologic Reservoirs, 2019, 31(2): 115-123.

[44]	袁纯, 张惠良, 王波. 大型辫状河三角洲砂体构型与储层特征——以库车坳陷北部阿合组为例[J]. 岩性油气藏, 2020, 32(6): 73-84.

[45]	Yuan Chun, Zhang Huiliang, Wang Bo. Architecture of large braided river delta sand bodies and reservoir characteristics: a case study of the Ahe Formation in northern Kuqa Depression[J]. Lithologic Reservoirs, 2020, 32(6): 73-84.

[46]	高志勇, 冯佳睿, 石雨昕, 等. 干旱气候下冲积扇-冲积平原曲流河沉积演化过程与展布——以新疆库车河现代沉积为例[J]. 沉积学报, 2023, 41(6): 1954-1969.

[47]	Gao Zhiyong, Feng Jiarui, Shi Yuxin, et al. Sedimentary evolution process and distribution of alluvial fan-alluvial plain meandering river under arid climate: a case study of modern sediments in Kuqa River, Xinjiang[J]. Acta Sedimentologica Sinica, 2023, 41(6): 1954-1969.

[48]	王清华, 张荣虎, 杨宪彰, 等. 库车坳陷东部迪北地区侏罗系阿合组致密砂岩气勘探重大突破及地质意义[J]. 石油学报, 2022, 43(8): 1049-1064.

[49]	Wang Qinghua, Zhang Ronghu, Yang Xianzhang, et al. Major breakthrough in exploration and geological significance of tight sandstone gas in the Jurassic Ahe Formation of Dibei area, eastern Kuqa Depression[J]. Acta Petrolei Sinica, 2022, 43(8): 1049-1064.

[50]	吴胜和, 翟瑞, 李宇鹏. 地下储层构型表征: 现状与展望[J]. 地学前缘, 2012, 19(2): 15-23.

[51]	Wu Shenghe, Zhai Rui, Li Yupeng. Architecture characterization of subsurface reservoirs: current status and prospects[J]. Earth Science Frontiers, 2012, 19(2): 15-23.

[52]	国景星, 李钧, 王泽, 等. 孤岛油田南区馆上段辫状河储层构型表征[J]. 科学技术与工程, 2023, 23(19): 8148-8161.

[53]	Guo Jingxing, Li Jun, Wang Ze, et al. Architectural characterization of braided river reservoirs in the upper Guantao Formation, southern district of Gudao Oilfield[J]. Science Technology and Engineering, 2023, 23(19): 8148-8161.

[54]	Miall A D. Architectural-elements anlysis: a new method of facies anlysis applied to fluvial deposits[J]. Earth Science Reviews, 1985, 22(4): 261-3.

[55]	尹舒祚, 喻思羽, 李少华, 等. 基于平均熵值的多点地质统计建模参数优选方法[J]. 科学技术与工程, 2021, 21(29): 12447-12453.

[56]	Yin Shuzuo, Yu Siyu, Li Shaohua, et al. A parameter optimization method for multipoint geostatistical modeling based on average entropy value[J]. Science Technology and Engineering, 2021, 21(29): 12447-12453.

[57]	Mariethoz G, Caers J. Multiple-point geostatistics: stochastic modeling with training images[M]. Hoboken: John Wiley International Publishing Group, 2015.

[58]	Mariethoz G, Renard P, Strabhaar J. The direct sampling method to perform multiple-point geostatistical simulations[J]. Water Resources Research, 2010, 46(11): 1-14.