黃學斌，李 軍，閆相賓，蔡利學

(中國石化 石油勘探開發(fā)研究院，北京，100083)

圈閉資源量參數(shù)概率分布及有效性檢驗

黃學斌，李 軍，閆相賓，蔡利學

(中國石化 石油勘探開發(fā)研究院，北京，100083)

概率統(tǒng)計法是目前圈閉資源量計算的最有效方法，其計算結(jié)果的大小、精度與合理性受各資源量參數(shù)的概率分布所決定。因此，如何構(gòu)建適合不同地區(qū)、不同領(lǐng)域圈閉的資源量參數(shù)概率分布，并通過合理的有效性檢驗以證明其可靠性，是概率統(tǒng)計法應用的關(guān)鍵?；诳碧斤L險分析思想，建立了圈閉資源量參數(shù)概率分布構(gòu)建及檢驗流程，并給出了相應的資源量參數(shù)不確定性分析方法。其中，有針對性地提出將數(shù)學假設(shè)檢驗方法應用于圈閉資源量參數(shù)模型的有效性檢驗之中，并根據(jù)資源量參數(shù)的地學和數(shù)學特征，建立了相應數(shù)學假設(shè)檢驗流程。最后，以我國東部某預探圈閉為實例，闡述了上述流程和方法的應用過程。實例結(jié)果表明，利用上述方法可以有效地實現(xiàn)資源量參數(shù)概率分布的定量化分析，其資源量計算結(jié)果與該圈閉鉆后預測儲量規(guī)模基本吻合，驗證了上述方法的可靠性與合理性。

不確定性；有效性檢驗；概率分布；資源量計算；勘探風險分析

估算圈閉資源量是開展圈閉評價優(yōu)選的主要任務之一。盡管圈閉所蘊含的油氣體積是客觀存在的，但受到現(xiàn)有技術(shù)和經(jīng)濟條件限制，勘探階段無法直接測量獲得準確的油氣體積，只能依靠間接手段獲得圈閉相關(guān)地質(zhì)參數(shù)，估算圈閉資源量大小。因此，合理地選擇數(shù)學方法和估算參數(shù)，客觀地定量評價圈閉的含油氣規(guī)模是圈閉資源量估算的核心。

從不確定性的角度，圈閉的資源量估算方法可分為確定性方法和不確定性方法[1-4](概率統(tǒng)計法)兩大類。兩者的主要區(qū)別在于前者在計算過程中只取每個參數(shù)的最佳估算值，評估結(jié)果更為主觀；后者將各個資源量參數(shù)視為隨機變量，通過對其不確定性分析，最終得出資源量的概率分布，是一種典型的風險分析方法[5-7]。

在油氣勘探實踐中，受到地質(zhì)認識和資料程度的限制，圈閉資源量參數(shù)存在很大的不確定性[8-13]。為了能更有效地掌控勘探風險,指導油氣勘探?jīng)Q策，采用概率統(tǒng)計法進行圈閉資源量的計算顯然更為客觀。由于資源量計算結(jié)果的不確定性實際受其計算參數(shù)的不確定性支配，因此如何合理地對圈閉資源量參數(shù)開展不確定性分析，構(gòu)建適合不同地區(qū)、不同類型圈閉的資源量參數(shù)概率分布是概率統(tǒng)計法應用的關(guān)鍵。

1 資源量參數(shù)分布的構(gòu)建及檢驗流程

不確定性作為油氣勘探開發(fā)的固有屬性[14]，同樣貫穿于圈閉資源量參數(shù)分布的構(gòu)建之中。為科學、合理地描述資源量計算參數(shù)的不確定性，本文借鑒風險分析技術(shù)[15-16]，提出了一套系統(tǒng)、完整的圈閉資源計算參數(shù)概率分布構(gòu)建及檢驗流程，如圖1所示。相對于傳統(tǒng)方法，該流程更注重參數(shù)概率分布的有效性檢驗。在以地質(zhì)含義為判別依據(jù)的邏輯檢驗之上，進一步加入了基于擬合優(yōu)度檢驗的數(shù)學假設(shè)檢驗方法，從而使建立的參數(shù)概率分布更加準確和客觀。

2 資源量參數(shù)概率分布的構(gòu)建

圈閉資源量參數(shù)概率分布的構(gòu)建，其本質(zhì)是一個以資源量參數(shù)樣本為基礎(chǔ)，從局部到全體的推論過程。該過程可以通過資源量參數(shù)樣本數(shù)字特征計算、概率分布模型的選擇以及概率分布模型的不確定性賦值三個步驟實現(xiàn)。

2.1 參數(shù)樣本數(shù)字特征的計算

參數(shù)樣本數(shù)字特征是指從統(tǒng)計學的角度，用于描述圈閉資源量參數(shù)樣本的特征值。這些描述性的特征值是進行參數(shù)分布模型選擇、有效性檢驗和不確定性 賦值的基礎(chǔ)。常用的參數(shù)樣本數(shù)字特征包括衡量數(shù)據(jù)集中趨勢的眾數(shù)、中位數(shù)，確定性方法中常用的平均數(shù)，衡量數(shù)據(jù)離散程度的方差以及樣本的P10、P90值等。

2.2 概率分布模型的選擇

2.2.1 資源量參數(shù)的概率分布模型

概率分布模型是用以表述隨機變量取值的概率規(guī)律理論模型。在圈閉資源量計算中，應根據(jù)樣本的統(tǒng)計情況，選擇最能反映客觀實際的參數(shù)概率分布模型。本文結(jié)合各種圈閉資源量參數(shù)的地學和數(shù)學特征，總結(jié)了圈閉資源量參數(shù)常用的概率分布模型及其適用性，如表1所示。

2.2.2 概率分布模型的選擇方法

圈閉資源量參數(shù)概率分布模型的選擇應以表1所示的常用概率分布模型為基礎(chǔ)，結(jié)合目標圈閉的實際情況，從中優(yōu)選出最適合的模型。其具體的選擇方法如下：

1) 實際觀測值法

當圈閉資源量參數(shù)樣本達到一定數(shù)量時(例如正態(tài)分布通常要求樣品數(shù)量至少達到15個)，可以通過構(gòu)建實際觀測數(shù)據(jù)的頻率直方圖，直接判斷參數(shù)模型的最優(yōu)分布。由于地質(zhì)勘探通常存在高度的不確定性，因此若樣本的數(shù)量能夠滿足要求，且具有較好的代表性，使用實際觀測值構(gòu)建參數(shù)模型最能反映圈閉資源量參數(shù)的客觀情況。

圖1 資源量參數(shù)分布的構(gòu)建及檢驗流程Fig.1 Establishment and validation workflow of resources parameter distribution

分布模型分布曲線模型參數(shù)表達公式性質(zhì)適用參數(shù)正態(tài)分布?均值:μ?標準差:σf(x)=12πσe-(x-μ)2/(2σ2)?大多自然現(xiàn)象服從的分布?均值兩側(cè)具有對稱性?眾數(shù)、均值、中值相同?面積?有效厚度?孔滲飽等參數(shù)對數(shù)正態(tài)分布?位置:L?均值:μ?標準差:σf(x,L,μlog,σ2log)=1σ2π(x-L)e[ln(x-L)-μlog]2/(2σ2log)?油氣勘探領(lǐng)域最常用的分布?正偏斜式分布?均值>中值>眾數(shù)?面積?有效厚度?孔滲飽等參數(shù)Beta分布?最大值:Max?最小值:Min?Alpha:α?Beta:βf(x)=z(α-1)(1-z)(β-1)β(α,β)z=x-MinMax-Min其中:?分布在0～1范圍內(nèi)?描述百分數(shù)的理想分布?充滿系數(shù)?孔滲飽等參數(shù)BetaPERT分布?最大值:Max?最小值:Min?最可能值:Likeliestf(x)=(x-Min)α-1(Max-x)β-1B(α,β)(Max-Min)α+β-1α=6μ-MinMax-Min(),β=6Max-μMax-Min,其中:μ=Min+4×Likeliest+Max6?利用Beta分布方程代替眾數(shù)兩側(cè)的線性外推?類似三角分布,但峰值下降得更平滑?面積?有效厚度?孔滲飽等參數(shù)三角分布?最大值:Max?最小值:Min?最可能值:Likeliest?h=2Max-Minf(x)=h(x-Min)Likeliest-Min(Min

2) 類比統(tǒng)計法

當目標圈閉資源量參數(shù)缺乏樣本數(shù)據(jù)，或者樣本數(shù)據(jù)較少，無法反映目標客觀情況時，可以通過研究與目標圈閉處于同一地區(qū)的已開發(fā)類比圈閉，統(tǒng)計類比圈閉資源量或儲量計算參數(shù)的分布規(guī)律，代替目標圈閉的參數(shù)模型。油氣勘探早中期的圈閉參數(shù)模型大多通過此種方法建立。

3) 經(jīng)驗模型法

在圈閉資源量參數(shù)缺乏樣本數(shù)據(jù)，也無法找到合適的類比圈閉情況下，可以借鑒經(jīng)驗的統(tǒng)計模型，開展參數(shù)模型的選擇。大量統(tǒng)計表明，圈閉含油氣面積、有效厚度總體上符合對數(shù)正態(tài)分布或正態(tài)分布，孔隙度、飽和度、采收率通常符合Beta分布或?qū)?shù)正態(tài)分布。

此外，在參數(shù)模型的選擇過程中，可以充分利用概率分布的數(shù)學性質(zhì)輔助模型的選擇。例如當隨機過程由多個個別因素組成，根據(jù)中心極限定理可以認為其分布是正態(tài)的；多個正態(tài)分布相加，結(jié)果仍符合正態(tài)分布；多個對數(shù)正態(tài)分布相乘，結(jié)果仍符合對數(shù)正態(tài)分布等[17]。而圈閉資源量計算的過程本身就可以看成是多個資源量參數(shù)相乘的結(jié)果。

2.3 參數(shù)模型的不確定性賦值

參數(shù)模型的不確定賦值是指利用已知的樣本數(shù)據(jù)或人為設(shè)置的分位數(shù)，對選擇好的參數(shù)模型進行賦值，以得到最終的參數(shù)概率分布。

2.3.1 參數(shù)不確定性賦值的方式

參數(shù)不確定性賦值的方式可分為兩大類，即模型參數(shù)法和分位數(shù)法。模型參數(shù)法首先通過樣本數(shù)字特征計算，得到模型理論表達式中的各項參數(shù)(各模型對應的參數(shù)見表1，例如正態(tài)分布的模型參數(shù)為均值μ和標準差σ)，再利用其對分布模型進行賦值。而分位數(shù)法是通過設(shè)置若干分位數(shù)(例如P10,P50,P90等)值，利用分位數(shù)值間接計算模型理論表達式中的各項參數(shù)，已達到最終賦值的目的。

2.3.2 不確定性賦值方式的選擇

參數(shù)不確定性賦值方式的選擇，應綜合考慮樣本的數(shù)量和取樣情況。一般來說，在樣本數(shù)量較多的情況下，應優(yōu)先考慮模型參數(shù)法。該方法可以充分發(fā)揮樣本的數(shù)量優(yōu)勢，直接通過樣本信息計算模型參數(shù)值，獲得較為精確的概率分布。但在其樣本數(shù)字特征計算過程中，應考慮到樣本的取樣情況。例如，勘探早期成功的鉆井取樣可能帶有傾向性，此類樣品比例過高，可能導致樂觀的預測結(jié)果[18]。在樣本數(shù)量較少的情況下，可以優(yōu)先選擇分位數(shù)法。該方法簡單方便，對樣本數(shù)量要求不高，但由于模型參數(shù)是通過兩至三個樣本分位數(shù)值間接計算，因此如果分位數(shù)值設(shè)置不當，可能導致誤差相對較大。

此外，在不同資源量參數(shù)賦值過程中，還應考慮到參數(shù)之間的相關(guān)性。通常，忽略參數(shù)之間的已存在的相關(guān)性，會導致計算結(jié)果的不確定性偏低。

3 參數(shù)模型的有效性檢驗

參數(shù)模型的有效性檢驗作用主要有兩方面。一是為主觀選擇的參數(shù)模型進行客觀的檢驗，驗證參數(shù)模型的有效性；二是當模型選擇比較困難時，借助有效性檢驗的指標值與假設(shè)模型進行對比，得到最優(yōu)的分布模型。參數(shù)模型的有效性檢驗分為數(shù)學假設(shè)檢驗和地質(zhì)含義檢驗兩種。

3.1 數(shù)學假設(shè)檢驗

3.1.1 參數(shù)模型的擬合優(yōu)度檢驗

參數(shù)模型數(shù)學假設(shè)檢驗方法是以統(tǒng)計學中的擬合優(yōu)度檢驗為基礎(chǔ)。所謂擬合優(yōu)度檢驗，是指統(tǒng)計學中用來檢驗來自總體中的一類數(shù)據(jù)其分布是否與某種理論分布相一致的統(tǒng)計方法[19-20]。相對于基于樣本統(tǒng)計直方圖的粗略判斷，利用擬合優(yōu)度檢驗等數(shù)學假設(shè)檢驗方法具有較為可靠的數(shù)學理論基礎(chǔ)。將擬合優(yōu)度檢驗應用到圈閉資源量參數(shù)的概率分布模型檢驗中，可以獲得更加客觀、準確和定量化的參數(shù)分布結(jié)論。

統(tǒng)計學中的擬合優(yōu)度檢驗方法有很多種，不同檢驗方法的檢驗側(cè)重點各有不同，適用于不同的應用領(lǐng)域。結(jié)合資源量參數(shù)的特點，從各類擬合優(yōu)度檢驗方法中優(yōu)選出K-S檢驗、A-D檢驗、χ2檢驗作為圈閉資源參數(shù)概率模型的檢驗方法，并對其優(yōu)缺點和適用性進行了總結(jié)，如表2所示。

表2 資源量參數(shù)分布模型常用數(shù)學假設(shè)檢驗方法及適用條件Table 2 Common mathematic hypothesis validation methods and their application conditions of resources parameter distribution models

在上述3種擬合優(yōu)度檢驗方法中，K-S檢驗的綜合效果最好。該方法的基本原理是將樣本觀測值的累計頻率與假設(shè)的理論概率分布相比較，如果偏差超過一定限度，則認為假設(shè)有誤[9]。假設(shè)檢驗某圈閉孔隙度的n個樣本是否符合N(0.5,0.25)的對數(shù)正態(tài)分布，其過程如下：首先假設(shè)該組孔隙度樣本數(shù)為n，按觀測數(shù)據(jù)由小到大排列，可得其分段累計頻率如下：

(1)

式中:x1，x2，…,xn為排列后的孔隙度樣本數(shù)據(jù);Sn(x)為其累計頻率階梯曲線;F0(x)為N(0.5,0.25)的正態(tài)分布理論分布曲線。

在此基礎(chǔ)之上，K-S檢驗的步驟為：

1) 提出假設(shè)

H0∶Sn(x)=F0(x)，H1∶Sn(x)≠F0(x)

(2)

2) 計算統(tǒng)計量

Dmax=max|Sn(x)-F0(x)|

(3)

3) 查找臨界值

根據(jù)給定的樣本數(shù)據(jù)個數(shù)n和顯著性水平α， 對照K-S檢驗統(tǒng)計量表，可以得到臨界值Dα。

4) 作出判定

若Dmax≥Dα，則在α水平上，拒絕H0，即孔隙度樣本不符合N(0.5,0.25)的正態(tài)分布；若Dmax

3.1.2 參數(shù)模型的數(shù)學檢驗流程

以優(yōu)選出的K-S檢驗、A-D檢驗、χ2檢驗為基礎(chǔ)，設(shè)計了圈閉資源量參數(shù)的數(shù)學檢驗流程(圖2)。該檢驗流程綜合考慮了資源量參數(shù)的地學特征、參數(shù)樣本的數(shù)量，以及不同假設(shè)檢驗方法的數(shù)學特性。

首先，在目標圈閉或者類比圈閉有較多樣品的情況下(如類比區(qū)為已開發(fā)的老油田)，可以考慮優(yōu)先使用χ2檢驗，發(fā)揮其在大樣本擬合度測試中的優(yōu)勢。如果目標圈閉或者類比圈閉樣品較少，則可以采用K-S檢驗，充分利用其分布無關(guān)性以及適用于小樣本的特點。但由于K-S檢驗的敏感性較差，在模型優(yōu)選時中經(jīng)常出現(xiàn)兩種假設(shè)Dmax值相同的情況，因此如果假設(shè)分布為正態(tài)分布等特定分布，可以進一步采用敏感性更強的A-D檢驗。

圖2 資源量參數(shù)模型的數(shù)學檢驗流程Fig.2 Mathematic check workflow of resources parameter models

3.2 地質(zhì)含義檢驗

地質(zhì)含義檢驗是利用圈閉資源量參數(shù)的地質(zhì)含義，對參數(shù)模型的有效性性進行評判的一類方法。端值檢驗法、類比檢驗法和P10/P90檢驗法是3種常用的地質(zhì)含義檢驗手段。

3.2.1 端值檢驗法

在假設(shè)分布模型基礎(chǔ)之上，利用求得的樣本數(shù)字特征，可以推出計算參數(shù)的P1和P99值。該P1和P99值不應超出資源量參數(shù)理論上可能的范圍。例如求得的含油氣面積P1值若已超出圈閉的閉合面積，則意味著應該對此假設(shè)模型進行調(diào)整。

3.2.2 類比檢驗法

以假設(shè)模型為基礎(chǔ)，計算出最終的圈閉資源量分布后，將其與同一地區(qū)相似圈閉的資源量或者類似油氣藏的儲量類比，或者與所在地區(qū)油氣田(藏)規(guī)模分布進行類比，若兩者差異較大，則有必要對假設(shè)的參數(shù)模型進行檢查。

3.2.3P10/P90檢驗法

通常用P10與P90的比值來反映資源量參數(shù)或結(jié)果的不確定性。P10與P90的比值越高，說明不確定性越大。對于有效孔隙度、含油(氣)飽和度等資源量參數(shù)分布的P10/P90值一般應低于10，否則應考慮樣本是來自不同的地質(zhì)相或樣本數(shù)目過少。而對于資源量的P10/P90值，不確定性較小的圈閉一般在2到5之間，預探井等風險較高的目標可能會達到25左右。如果利用假設(shè)的參數(shù)模型得出的資源量P10/P90值過高，或者與圈閉的風險程度差距過大，則有理由懷疑所選參數(shù)概率分布的正確性。

除了利用P10/P90值，對于某些特定的分布，還可以利用其自身的數(shù)學特征來進行分位數(shù)比值的檢驗。例如假設(shè)樣本服從對數(shù)正態(tài)分布，則其P10/P50與P50/P90的值應大致相等。

4 應用實例

利用上述方法，對位于渤海灣盆地某洼陷東北翼的A圈閉進行資源量參數(shù)概率分布的構(gòu)建。

4.1 地質(zhì)背景

該圈閉是由兩條斷層共同控制的斷鼻構(gòu)造，主要目的層為沙河街組三段中亞段(沙三中)的5-6砂組，整個洼陷帶油源條件好，目的層之上發(fā)育穩(wěn)定厚層鹽巖。洼陷東、西兩側(cè)的主體構(gòu)造上已發(fā)現(xiàn)多塊含油構(gòu)造，與A圈閉鄰近的洼陷西翼斷塊構(gòu)造已完鉆探井4口，均在沙三中獲得工業(yè)油流。目前A圈閉所在區(qū)域已被三維地震覆蓋，并完成了構(gòu)造精細解釋，如圖3所示。

4.2 資源量參數(shù)概率分布的建立

由于A圈閉缺乏鉆井數(shù)據(jù)，因此各資源量參數(shù)概率分布的建立主要依據(jù)圈閉地震解釋成果以及洼陷內(nèi)勘探程度較高的可類比油藏相關(guān)數(shù)據(jù)。各參數(shù)概率分布的建立方法以類比法為主，其建立的過程如表3所示。

以有效孔隙度概率分布的建立過程為例，由于圈閉A缺乏孔隙度相關(guān)資料，其建立的依據(jù)為洼陷西翼類比圈閉的4口探井數(shù)據(jù)。統(tǒng)計樣本采用4口探井目的層孔隙度測井解釋成果等間距取樣，共計218個，樣本數(shù)字特征為均值12.55%，方差8.90。通過建立樣本統(tǒng)計直方圖(圖4)，確定待選概率分布模型為正態(tài)分布、Beta分布和對數(shù)正態(tài)分布。在模型的有效性檢驗過程中，首先數(shù)學假設(shè)檢驗結(jié)果顯示Beta分布相對最符合樣本數(shù)字特征(表4)；之后進行地質(zhì)含義檢驗，端值檢驗結(jié)果P1(17.21%)與P99(5.36%)值均在可信范圍，同時P10/P90檢驗值(1.84)也較為合理，最終確定孔隙度概率分布模型采用Beta分布。在此基礎(chǔ)之上，采用模型參數(shù)法(Alpha=5.20,Beta=2.22)對其進行不確定性賦值，得到最終概率分布如圖5所示。

由表3建立的A圈閉各資源量參數(shù)最終概率分布如圖5—圖8所示，其中，含油氣面積均值為1.36 km2，有效厚度均值為16.85 m，有效孔隙度均值為12.55%，含油飽和度均值為58.85%。

4.3 資源量分布計算

以上述資源量參數(shù)概率分布為基礎(chǔ)，采用容積法資源量計算公式，經(jīng)蒙特卡洛模擬1 000次，得到圈閉A的資源量概率分布如圖9所示，其資源量均值為122.67×104t，資源量的P10/P90檢驗值為7.1，處于合理范圍之內(nèi)。該圈閉后經(jīng)鉆井證實，獲得工業(yè)油流，預測儲量規(guī)模達到106.52×104t，與本次計算的資源量概率分布結(jié)果基本符合，驗證了本文所建立方法的正確性。

5 結(jié)論

1) 受地質(zhì)資料和認識程度限制，圈閉資源量參數(shù)存在極大不確定性。概率統(tǒng)計法是計算圈閉資源量的有效方法,其計算結(jié)果的大小、精度與合理性受圈閉資源量參數(shù)的概率分布所決定。

資源量參數(shù)概率分布建立依據(jù)概率分布模型賦值方式含油面積/km2A圈閉面積(地震解釋);洼陷內(nèi)各圈閉含油面積系數(shù)概率分布對數(shù)正態(tài)分布P10=2.5,P90=0.5有效厚度/mA圈閉儲層預測等厚圖(地震解釋);洼陷西翼鄰近圈閉探井解釋有效厚度對數(shù)正態(tài)分布P10=25,P90=10有效孔隙度/%洼陷西翼鄰近圈閉4口探井解釋結(jié)果Beta分布α=5.20,β=2.22,Max=17.81,Min=0.22含油飽和度/%洼陷西翼鄰近圈閉4口探井解釋結(jié)果正態(tài)分布μ=58.5,σ=5.5原油體積系數(shù)本地區(qū)經(jīng)驗值常數(shù)1.079原油密度/(g·cm-3)本地區(qū)經(jīng)驗值常數(shù)0.81

圖4 A圈閉有效孔隙度樣本概率統(tǒng)計直方圖Fig.4 Probability statistics histogram of effective porosity samples of Trap A

假設(shè)檢驗方法概率K-S檢驗A-D檢驗χ2檢驗Beta分布0.03990.427717.1560正態(tài)分布0.08391.793536.9725對數(shù)正態(tài)分布0.10563.226547.2744

圖5 A圈閉有效孔隙度概率分布Fig.5 Probability distribution of effective porosity of Trap A

圖6 A圈閉含油飽和度概率分布Fig.6 Probability distribution of oil saturation of Trap A

2) 構(gòu)建適合不同地區(qū)、不同領(lǐng)域圈閉的資源量參數(shù)概率分布，并進行科學的有效性檢驗，是準確評估圈閉資源量概率分布關(guān)鍵。如果草率地為圈閉資源量參數(shù)選擇概率模型并賦值，不僅無法發(fā)揮概率法的優(yōu)勢,更將導致圈閉資源量分布的極大誤判。

圖7 A圈閉含油面積概率分布Fig.7 Probability distribution of oil-bearing area of Trap A

圖8 A圈閉有效厚度概率分布Fig.8 Probability distribution of effective thickness of Trap A

圖9 A圈閉資源量概率分布Fig.9 Probability distribution of resources of Trap A

3) 圈閉資源量參數(shù)模型的有效性檢驗是獲得最優(yōu)分布模型的重要途徑。將K-S檢驗、A-D檢驗等數(shù)學假設(shè)檢驗方法應用于圈閉資源量參數(shù)的構(gòu)建，并根據(jù)相關(guān)參數(shù)的地學、數(shù)學特征合理地設(shè)計檢驗流程，可以獲得更加客觀、準確和定量化的參數(shù)分布結(jié)論。

4) 實例研究表明，通過樣本數(shù)字特征計算、分布模型的選擇和不確定性賦值、概率分布的數(shù)學及地質(zhì)含義檢驗，可以客觀地量化資源量參數(shù)的不確定性，構(gòu)建合理的資源量參數(shù)分布，進而科學地利用概率法計算圈閉資源量，為勘探開發(fā)決策提供可靠依據(jù)。

[1] 李潔梅,譚學群，許華明,等.概率法儲量計算在CLFS項目中的應用[J].石油與天然氣地質(zhì)，2012，33(6)：944-950. Li Jiemei,Tan Xuequn,Xu Huaming,et al.Application of probabilistic method in reserve calculation for the CLFS oilfield project[J].Oil & Gas Geology,2012，33(6)：944-950.

[2] 文環(huán)明,肖慈殉,李薇.蒙特卡洛法在油氣儲量估算中的應用[J].成都理工學院學報，2002，29(5)：487-492. Wen Huanming,Xiao Cixun,Li Wei.Applications of the Monte-Carlo method to the petroleum reserves estimation[J].Journal of Chengdu University of Technology,2002，29(5)：487-492.

[3] 賈成業(yè),賈愛林,鄧懷群,等.概率法在油氣儲量計算中的應用[J].天然氣工業(yè)，2009,29(11)：83-85. Jia Chengye,Jia Ailin,Deng Huaiqun,et al.Application of the stochastic method to oil and gas reserves estimation[J].Natural Gas Industry,2009,29(11)：83-85.

[4] 王艷妮,劉剛,潘源敦,等.特爾菲與蒙特卡羅聯(lián)合方法在油氣資源預測評價中的應用[J].天然氣勘探與開發(fā),2011，34(3)：24-30. Wang Yanli,Liu Gang,Pan Yuandun,et al.Application of both Delphi and Monte Carlo methods to evaluation of hydrocarbon resources[J].Natural Gas Exploration and Development,2011，34(3)：24-30.

[5] 楊通佑，范尚炯，陳元千.石油及天然氣儲量計算方法[M].北京：石油工業(yè)出版社，1998：218-219. Yang Tongyou,Fan Shangjiong,Chen Yuanqian,et al.Oil and gas reserve calculation method[M].Beijing:Petroleum Industry Press,1998：218-219.

[6] 王永祥，張君峰，畢海濱,等.油氣儲量評估方法(第二版)[M].北京：石油工業(yè)出版社，2012：8-9. Wang Yongxiang,Zhang Junfeng,Bi Haibin,et al.Determination of oil and gas reserves(2nd edition)[M].Beijing:Petroleum Industry Press,2012：8-9.

[7] 謝寅符，陳和平，馬中振,等.概率法油氣儲量評估及其與確定法的差異比較[J].石油實驗地質(zhì)，2014，36(1):117-122. Xie Yinfu,Chen Heping,Ma Zhong Zhen,et al.Probabilistic estimation of reserves and difference between probabilistic and determine methods[J].Petroleum Geology & Experiment，Petroleum Geology & Experiment，2014，36(1):117-122.

[8] 冷濟高,龐雄奇,蘇棟,等.圈閉含油氣性評價研究進展[J].油氣地質(zhì)與采收率.2010,17(2),37-41. Leng Jigao,Pang Xiongqi,Su Dong,et al.Re-search progress of eva-luation on oil and gas in reservoir[J].Petroleum Geology and Re-covery Efficiency,2010,17(2),37-41.

[9] 程樂利,曹林,劉小國,等.圈閉地質(zhì)評價技術(shù)在海拉爾盆地中部南屯組的應用[J].廣東化工，2013,40(6)：19-20. Cheng Leli,Cao Lin,Liu Xiaoguo et al.The application of trap geological evaluation techniques in the central of Hailar Basin in Nantun Group[J].Guangdong Chemical Industry,2013,40(6)：19-20.

[10] Xie H.Prediction of petroleum exploration risk and subterranean spatial distribution of hydrocarbon accumulations[J].Petroleum Science.2011,8(1):17-23.

[11] Beha A.A general method for the consistent volume assessment of complex hydrocarbon traps[J].Journal of Petroleum Geology,2012,35(1):85-97.

[12] 楊登維，周慶凡，郭寶申，等.油氣資源地質(zhì)風險分析與管理[M].北京：石油工業(yè)出版社，2009:21-158. Yang Dengwei,Zhou Qingfan,Guo Baoshen,et al.Geological risk analysis and management of petroleum resources[M].Beijing:Petroleum Industry Press,2009:21-158.

[13] Peter R,Rose.油氣勘探項目的風險分析與管理[M].北京:石油工業(yè)出版,2002：6-50. Peter R,Rose.Risk analysis and management of petroleum exploration ventures[M].Beijing:Petroleum Industry Press,2002：6-50.

[14] 胡允棟.基于不確定性分析的油氣儲量分類與評估方法[D].中國地質(zhì)大學(北京)，2007：5-6. Hu Yundong.Oil and gas reserve classification and estimation on the basis of uncertainty analysis[D].China University of Geosciences(Beijing)，2007：5-6.

[15] 米立軍，張厚和，陳蓉.中海油勘探投資組合管理理念與實踐[J].中國石油勘探，2011,16(1):70-74. Mi Lijun,Zhang Houhe,Chen Rong.Management idea and practice of exploration portfolio of CNOOC[J].China Petroleum Exploration，2011,16(1):70-74.

[16] 高林.油氣勘探風險評價[J].勘探地球物理進展,2003,26(5-6),402-406. Gao Lin.Risk assessment in oil and gas exploration[J].Progress in Exploration Geophysics,2003,26(5-6),402-406.

[17] 徐振邦,婁元仁.數(shù)學地質(zhì)基礎(chǔ)[M].北京:北京大學出版社,1994：27-28. Xu Zhenbang,Lou Yuanren.Fundamental of mathematical geology[M].Beijing:Peking University Press,1994：27-28.

[18] 陽正熙,吳塹虹,彭直興.地學數(shù)據(jù)分析教程[M].北京:科學出版社,2008：24-25. Yang Zhengxi,Wu Qianhong,Peng Zhixing.Geoscience data analysis tutorial[M].Beijing:Science Press,2008：24-25.

[19] 楊振海.擬合優(yōu)度檢驗[M].北京：科學出版社，2011：1-36. Yang Zhenhai.Goodness of fit test[M].Beijing:Science Press,2011：1-36.

[20] 黃克中,毛善培.隨機方法與模糊數(shù)學應用[M].上海 :同濟大學出版社,1987：130-134. Huang Kezhong,Mao Shanpei.Stochastic methods and fuzzy mathematics[M].Shanghai:Tongji University Press,1987：130-134.

(編輯 張亞雄)

Probability distribution of parameters for trap resources assessment and its validation

Huang Xuebin,Li Jun,Yan Xiangbin,Cai Lixue

(PetroleumExploration&ProductionResearchInstitute,SINOPEC,Beijing100083,China)

Probabilistic statistics method is the most effective way to estimate trapped petroleum resources.However,the precision and rationality of the estimates depend on the probability distributions of parameters used for resources calculation.Therefore,establishing the probability distributions of the resources parameters suitable for traps of different types in different areas and making the rational validation check to prove their reliability have become the key points of the application of the probabilistic method.Based on risk analysis of exploration,this paper presented a workflow to establish and check probability distribution of the trap resources parameters,and an analytical method for determining the uncertainty of corresponding parameters.Meanwhile,the mathematical hypothesis check method was used to be applied into the validation check of the trap resources parameter models.According to the geologic and mathematic characteristics of the resources parameters,a corresponding mathematical hypothesis test workflow was also established.Finally,a pre-exploration trap in the east of China was taken as an example for illustrating the workflow and the application process of the method.The results show that the method can effectively realize quantitative analysis of the resources parameters.And the calculation results match well with the post-drilling predicted reserves,validating the reliability and the rationality of this method.

uncertainty,validation test,probability distribution,resources calculation,exploration risk analysis

2014-02-20;

2014-06-30。

黃學斌(1966—)，男，高級工程師，油氣資源、儲量評估。E-mail:huangxb.syky@sinopec.com。

0253-9985(2014)04-0577-08

10.11743/ogg201419

TE155

A