简介：1980年代中期一晚期，埃克森勘探公司开展了一系列全球性的区域地质综合研究项目，并发现了多个大油气田。根据这些研究成果，埃克森勘探公司开始实施积极获取勘探区块的战略，及早参与所识别出的高含油气潜力盆地中勘探区块的公开投标。埃克森美孚从一个在安哥拉海域刚果盆地没有任何勘探区块的公司迅速变成了拥有安哥拉最大深水勘探区域的公司。15区块属于安哥拉政府提供的第一批深水招标区块，以埃克森关孚的子公司安哥拉（15区块）埃索勘探公司为首的一个承包商集团中标了该区块，该子公司为经营者。首先在重要的区域采集了2一D地震资料，然后又采集了4000km。的高品质3-D地震资料用于构造走向带编图。1997-2002年间钻了一些初探井，在500-1400m的深水区域获得了13个新发现。该区块估计拥有35×10^8桶油当量以上的可采石油储量，此外还有巨大的待发现潜在资源量。该区块的石油重度为24°～35°API。基松巴（Kizomba）大油田由四个油气发现构成，它们分别是洪古（Hungo）、乔卡霍（Chocalho）、基桑吉（Kissanje）和迪坎kL（Dikanza），其可采石油储量超过20×10^8桶。每一口发现井都钻遇了多层叠置的优质深水河道砂岩，油一水界面受构造溢出点、裂缝渗漏以及顶密封失效的控制，油柱高度近1000m。油层位于海床面之下500～1900m。圈闭类型为构造-地层复合圈闭。北倾的大型构造都是渐新世-中新世伸展构造作用及伴生的阿普第期盐运动的产物，这些构造运动以中中新世至近代的底辟作用而终结。西倾的大型河道复合体边缘的储集岩相的尖灭和上超构成了油藏的侧向封闭。上覆废弃河道岩相或前积斜坡页岩构成了顶部封闭。储集岩的时代为早-中中新世，主要是在中、下陆坡河道复合体中沉积的浊积岩和相关的岩屑流，储集�

简介：由于油气勘探开发问题已变得十分复杂，已无法只依靠一个学科来解决，同时我们又处在信息爆炸的时代，所以油气行业的多学科分析方法和数据发掘工作也就显得越来越必要，已远远超出了职业好奇心。为了解决我们所面临的困难问题，需要为传统学科(例如石油工程学、地质学、地球物理学和地球化学)拆除我们所构建的隔墙，同时寻找真正的多学科解决办法。因此，我们今天基于结果的“综合”将不得不让位于一种新的综合形式，这就是学科综合。此外，为了解决复杂问题，还需要超越标准的数学技术。为此，需要用一些新兴的成套方法和软计算技术(例如专家系统、人工智能、神经网络、模糊逻辑、遗传算法、概率推理和并行处理技术)来补充常规的分析方法。软计算与常规(硬)计算的区别，表现在软计算可以接受模糊性、不确定性和局部真实。软计算还具有易于使用、功能强大、可靠有效和成本低廉的特点。在这篇综述性论文中，我们要特别强调软计算对油气藏智能描述和勘探的作用。

简介：在1-3．6moL／L盐酸质中，加NaF和苦杏仁酸掩敝主要干扰离子(Sn、Fe等)。显色剂水杨基萤光酮(SAF)与锗在阳离子表面活性剂溴化十六烷基三甲胺(CTMAB)存在下，形成稳定的胶束三元络合物，于505nm处有最大吸收，表观摩尔吸光系数为1．90×105，标准系列线性范围0-5μgCe／25mL，该方法与经典方法(蒸馏分离苯基萤光酮比色)对比结果较满意。

简介：为了识别三维地震数据和生产测井数据之间的非线性关系和映射，开发出了的一种综合方法。该方法在一个在产油田得到了应用。它采用了诸如地质统计和传统的模式识别等常规技术，并结合现代的软计算(softcomputing)技术(神经计算学、模糊逻辑学、遗传计算学和概率推理学等)。我们的一个重要研究目的，是在三维地震数据和现有的生产测井数据的基础上，利用聚类(clustering)技术确定最佳的新井井位。采用三种方法进行分类：(1)k-平均聚类；(2)模糊c-平均聚类；(3)识别相似数据体的神经网络聚类。在井筒周围可以识别聚类组(duster)与生产测井数据的关系，所得结果用于在远离并筒方向上重建和外插生产测井数据。这种先进的三维地震和测井数据分析与解释技术可用于：(1)确定生产数据和地震数据之间的映射；(2)在多属性分析的基础上预测油藏连续性；(3)预测产层；(4)优化井位。

简介：在为特定的油藏管理问题寻求最佳解决方法的过程中，正规的优化策略一般都要评价数百种乃至数千种方案。如果用地下的数值模拟模型来预测这些方案的效果，那么这一过程就会耗费大量时间。为了在某些优化技术[例如遗传算法(GA)或模拟退火(SA)]所主导的搜寻求解的过程中取代此类模拟模型，可以采用训练人工神经网络(ANN)的做法。可以从一个有代表性的模拟样本出发来训练神经网络，而这一样本则构成了解决许多不同管理问题所需的可反复使用的知识库。这些概念已被应用于BP公司彭帕那(Pompano)油田的一个注水项目。这里的管理问题是确定1—4口注水井的组合位置，它将使彭帕那油田今后七年的简单纯利获得最大化。利用石油行业的一个标准油藏模型，为取样于25个潜在注水井井位不同组合的550次模拟创建了一个知识库。首先要查询这个知识库，以回答三年和七年内使简单纯利最大化的最优方案问题。有关的答案表明，如能将仅依靠改变现有生产井的注水扩大为新钻三至四口注水井，就可能实现利润的可观增加，但资本费用也会增加。当这一知识库用作人工神经网络训练和测试的样本来源时，可以获得更好的答案。训练人工神经网络是为了预测最高注水量以及开始注水后三年和七年的油、气产量。人工神经网络对这些数量的快速估算可以用于纯利润计算中，而遗传算法又可以利用这一计算来评估不同注水井组合方案的效果。遗传算法的探索扩展了求解的空间，它含有的新方案在纯利润上超过了仅查询上述知识库所找到的最佳方案。为了评估预测误差对求解质量的影响，可以将人工神经网络预测油、气产量时所得出的最佳方案，与油藏模拟模型本身预测油、气产量时找到的最佳方案加以对比。虽然完成基于模拟模型的方案�

简介：美国国内天然气的短缺和全球石油的供应不足将会在美国落基山脉地区引起能源工业的迅猛发展。目前的高油价能持续多久？是暂时的还是一个新的客观现实问题？我们将在某些地区和全球范围内进行勘探以控制今后油价的这种变化，并对当前直至本世纪中期的油价趋势做出一个评价。替代能源的出现将会怎样影响石油和天然气的价格及能源工业的发展呢？风险和机会是什么？我们又能从过去的工作中学到些什么？靠传统方法在落基山脉地区勘探和开发石油天然气有诸多困难，但廉价的个人计算机将会促进世界级新技术和新方法的快速发展，改变我们在能源工业方面的政策和策略。