CN106126975B - 基于数理统计的基因定量微生物油气勘探方法 - Google Patents
基于数理统计的基因定量微生物油气勘探方法 Download PDFInfo
- Publication number
- CN106126975B CN106126975B CN201610486091.3A CN201610486091A CN106126975B CN 106126975 B CN106126975 B CN 106126975B CN 201610486091 A CN201610486091 A CN 201610486091A CN 106126975 B CN106126975 B CN 106126975B
- Authority
- CN
- China
- Prior art keywords
- oil
- gas
- model
- area
- microbial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 108090000623 proteins and genes Proteins 0.000 title claims abstract description 18
- 230000000813 microbial effect Effects 0.000 title claims abstract description 15
- 238000009826 distribution Methods 0.000 claims abstract description 36
- 230000002159 abnormal effect Effects 0.000 claims abstract description 19
- 238000012417 linear regression Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 108700005443 Microbial Genes Proteins 0.000 claims abstract description 6
- 241000894006 Bacteria Species 0.000 claims description 36
- 244000005700 microbiome Species 0.000 claims description 17
- 239000004215 Carbon black (E152) Substances 0.000 claims description 14
- 229930195733 hydrocarbon Natural products 0.000 claims description 14
- 150000002430 hydrocarbons Chemical class 0.000 claims description 14
- 239000002689 soil Substances 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 10
- 230000002349 favourable effect Effects 0.000 claims description 10
- 230000001186 cumulative effect Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000012113 quantitative test Methods 0.000 claims description 4
- 238000007400 DNA extraction Methods 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000003753 real-time PCR Methods 0.000 claims description 3
- 238000003757 reverse transcription PCR Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 18
- 238000005553 drilling Methods 0.000 abstract description 12
- 238000012360 testing method Methods 0.000 abstract description 5
- 238000009825 accumulation Methods 0.000 abstract description 3
- 238000009412 basement excavation Methods 0.000 abstract description 3
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 22
- 230000001590 oxidative effect Effects 0.000 description 22
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 16
- 239000001294 propane Substances 0.000 description 11
- 238000005070 sampling Methods 0.000 description 8
- 238000011002 quantification Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000012136 culture method Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000010998 test method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 230000002906 microbiologic effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000001963 growth medium Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012106 screening analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6888—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms
- C12Q1/689—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms for bacteria
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Organic Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Biophysics (AREA)
- Analytical Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Biotechnology (AREA)
- Molecular Biology (AREA)
- Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Zoology (AREA)
- Evolutionary Biology (AREA)
- Wood Science & Technology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Genetics & Genomics (AREA)
- Strategic Management (AREA)
- Epidemiology (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Animal Husbandry (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioethics (AREA)
Abstract
本发明公开了一种基于数理统计的基因定量微生物油气勘探方法，涉及微生物油气勘探技术领域。本发明包括以下七个具体步骤：样品点布置与采集、样品油气微生物基因定量测试、数据累积频率曲线绘制、分段最优线性回归分析、油气微生物异常等级确定、油气平面分布特征描述、油气藏靶区圈定。本发明基于数理统计方法，提升了基因定量数据的挖掘深度，形成的一套原理完善的基因定量油气勘探技术方法体系，该方法突破了现有技术对钻孔数据的依赖，拓宽了基因定量技术的应用范围，且具有操作性强的特点，大大提升了油气藏靶区范围确定的精确度。
Description
技术领域
本发明涉及微生物油气勘探技术领域，具体涉及一种基于数理统计的基因定量微生物油气勘探方法。
背景技术
地下油气藏的轻烃可垂直运移微渗漏至地表，近地表产生特有的轻烃微生物异常特征，利用这一原理可以微生物预测地下油气藏，称为油气微生物探测技术。该技术被认为是目前最节约成本的油气化探技术。其中，德国Wagner博士研发的MPOG(MicrobialProspection for Oil and Gas)技术和美国Hitzman博士研发的MOST(Microbial OilSurvey Technique)微生物探测技术广泛应用，是较为认可的商业化技术。然而，二者在测试方法和异常体系划分方面，存在如下共性问题：
(一)测试方法：两技术均采用传统培养法检测油气异常烃氧化菌，然而，极大多数轻烃氧化菌不可培养，培养法难以体现原位所有轻烃氧化菌信息。测试结果为定性-半定量，严格而言，该方法只可用以定性回答某点是否可能存在油气藏问题，不可作为量化数据插值预测油气分布特征。另外，培养法对定向控制温度、时间、培养基配比、轻烃气浓度等因素，获取的轻烃微生物与原位信息差异性可能极大。
(二)异常体系划分：测试方法的局限性导致数据结果的可靠性存疑。研究者则常以钻孔资料辅助定量，但钻孔资料数量往往有限，获取连续完整的数据几乎不可能，因此，以该方法确定的微生物异常体系阈值具有极大不确定性，难以精确圈定油气藏靶区范围。且目前异常划分体系对钻孔数据的依赖，限制了微生物油气勘探技术节约成本的技术优势发挥。
近些年，基因定量技术开始被应用于油气勘探，目前，该技术从方法原理和实验室操作方面都已基本趋于成熟，基本突破了传统培养法在定量方面的局限性。但目前异常体系划分方面，仍采用原有技术，未能完全开发定量数据在油气藏预测方面的技术优势。
发明内容
本发明所要解决的技术问题是提供一种基于数理统计的基因定量微生物油气勘探方法。本发明在测试方面已研发验证甲烷氧化菌和丙烷氧化菌基因定量技术可靠性的基础上，重点引入了累积频率，结合其他数理统计方法，极大限度提升了定量化数据的挖掘深度，形成了一套原理完善的基因定量油气勘探技术方法体系，该方法可大大提升油气藏靶区范围确定的精确度。
为解决上述技术问题，本发明所采取的技术方案是：一种基于数理统计的基因定量微生物油气勘探方法，其特征在于：其包括如下步骤：
(1)样品点布置与采集
对于待勘探地区，根据数理统计要求，以网格布点为主布置样品点，对于疑似油气藏的重点区域加密布置样品点，边界控制点不设间距限制布置样品点，然后对各个样品点50cm以下土壤为主进行采集土样；
(2)样品油气微生物基因定量测试
对步骤(1)采集的土样进行包括样品DNA提取和实时荧光定量PCR或RT-PCR检测；
(3)数据累积频率曲线绘制
将步骤(2)的检测数据采用曲线拟合模型进行曲线拟合，以确定衡量参数：显著性系数和相关系数；
(4)分段最优线性回归分析
依据“生储盖圈运保”理论，根据线性回归最优化原则，将累积频率曲线分区间，然后以累积频率曲线法对步骤(2)的检测数据数据逐点最优筛选分析，确定各区间最优线性回归直线；
(5)油气微生物异常等级确定
以步骤(4)中两相邻区间的线性回归直线的交点作为异常等级划分的端点再次纠正分区；
(6)油气平面分布特征描述
对步骤(4)的最优线性回归直线模型进行分析，选择适宜的插值方法，绘制油气平面分布特征图；
(7)油气藏靶区圈定
根据步骤(5)微生物异常等级分区在步骤(6)的油气平面分布特征图中确定有利的油气藏靶区。
进一步的技术方案在于，步骤(2)中针对的微生物为甲烷氧化菌或丙烷氧化菌。
进一步的技术方案在于，步骤(3)中所述曲线拟合模型为线性、二次项、复合、增长、对数、立方、S、指数分布、逆模型、幂、Logistic模型中一种。
进一步的技术方案还在于，所述步骤(4)中区间分为有利、前景、不确定和背景区四区间。
采用上述技术方案所产生的有益效果在于：本发明基于数理统计方法，提升了基因定量数据的挖掘深度，形成的一套原理完善的基因定量油气勘探技术方法体系，该方法突破了现有技术对钻孔数据的依赖，拓宽了基因定量技术的应用范围，且具有操作性强的特点，大大提升了油气藏靶区范围确定的精确度。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是遥感图像上采样点布置图；
图2-a、2-b是累积频率曲线拟合图；
图3-a、3-b是分段最优线性回归分析图；
图4是基于甲烷氧化菌的油气分布特征及油气藏预测图；
图5是基于丙烷氧化菌的油气分布特征及油气藏预测图。
具体实施方式
下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
本发明阐述了一种基于数理统计的基因定量微生物油气勘探技术，其包括以下七个具体步骤：样品点布置与采集、样品油气微生物基因定量测试、数据累积频率曲线绘制、分段最优线性回归分析、油气微生物异常等级确定、油气平面分布特征描述、油气藏靶区圈定。
其包括如下步骤：
(1)样品点布置与采集
对于待勘探地区，根据数理统计要求，以网格布点为主布置样品点，对于疑似油气藏的重点区域加密布置样品点，边界控制点不设间距限制布置样品点，然后对各个样品点50cm以下土壤为主进行采集土样；
其中，采样过程为了防止地表微生物影响，以50cm以下土样为主。
(2)样品油气微生物基因定量测试
对步骤(1)采集的土样进行包括样品DNA提取和实时荧光定量PCR或RT-PCR检测；实现了甲烷氧化菌和丙烷氧化菌两种基因定量测试技术。
(3)数据累积频率曲线绘制
将步骤(2)的检测数据采用线性、二次项、复合、增长、对数、立方、S、指数分布、逆模型、幂、Logistic等曲线拟合模型进行曲线拟合，以确定衡量参数：显著性系数和相关系数；
(4)分段最优线性回归分析
依据“生储盖圈运保”理论，根据线性回归最优化原则，将累积频率曲线分为有利、前景、不确定和背景区四区间间，然后以累积频率曲线法对步骤(2)的检测数据数据逐点最优筛选分析，确定各区间最优线性回归直线；
(5)油气微生物异常等级确定
以步骤(4)中两相邻区间的线性回归直线的交点作为异常等级划分的端点再次纠正分区；
若有钻井数据则可结合验证异常有利、前景、不确定和背景区。
(6)油气平面分布特征描述
对步骤(4)的最优线性回归直线模型进行分析，选择适宜的插值方法，绘制油气平面分布特征图；
(7)油气藏靶区圈定
根据步骤(5)微生物异常等级分区在步骤(6)的油气平面分布特征图中确定有利的油气藏靶区；
其中，根据微生物异常等级划分油气平面分布的有利、前景、不确定和背景区，将有利区定为油气藏靶区。
图1采样布点因研究目的而异，本研究布点类型二：(1)建立研究区微生物异常体系，评价微生物油气勘探技术在该地区的适用性，以已有四口钻井为研究对象，根据实际路线行进难易程度，灵活采用1km-2km不等间距网格布点法，布置样点约30个。(2)框定油气区域范围，寻找油气勘探有利区，以整个坳陷为研究对象，依据人文地理格局和路线进行难易程度，以东西方向穿越法和盆地人文地理格局最大范围控制点法，布置样点约30个。布设过程中充分考虑了经济性问题，部分点为一点多用的兼性点，因此，研究区共布设取样点40个。
样品采样与油气微生物基因定量测试各阶段技术，与现有技术基本相同，可参见相关内容介绍。
图2a和图2b数据累积频率曲线拟合发现，该地区甲烷和丙烷氧化菌含量均满足对数正态分布，且丙烷氧化菌(显著性系数P＝0.000，相关系数R2＝0.983)相对甲烷氧化菌(显著性系数P＝0.000，相关系数R2＝0.962)拟合更佳，这说明，某个由许多影响因素综合作用下产生的地质变量X，当这些因素对X的影响并非都是均匀微小而是个别因素对X的影响显著突出时，变量X将由于不满足于中心极限定量而趋于偏斜，与油气勘探的“生储盖圈运保”理论结合，即在同一“生储盖圈运保”系统过程中产生了目前的油气分布格局，而不同的分布格局，可能存在“生储盖圈运保”六个因素组合差异，形成不同的区间特征。
图3a和图3b分段最优线性回归分析，由于该地区甲烷和丙烷氧化菌含量均满足对数正态分布，为同一“生储盖圈运保”系统过程中产生了有规律的油气分布格局，而“生储盖圈运保”六因素不同组合，形成不同的区间。因此，可以累积频率曲线法对数据逐点最优筛选，进行区段线性拟合分析。结果发现，两氧化菌均可分为(显著性系数P＝0.000，回归系数R2＞0.9)的四个区间时具有最优回归结果，其中，丙烷菌在353-534出现数据断层，亦视为一个区间。
油气微生物异常等级确定，钻井确切位置与取样点并非精确对应，从插值线上提取了各钻井所对应的氧化菌的插值范围(表)，结果发现，丙烷氧化菌：苏2＞苏参1＞苏探1＞苏3，甲烷氧化菌：苏2＞苏探1＞苏参1＞苏3，然而钻探揭示，苏2井无油气显示，苏2井插值出现高含量是因为该井所在区域最远端布点范围并没有包含苏2井，属于外插值，苏2井受其北面极高值影响，产生了插值偏差系。因此，以苏参1、苏探1和苏3验证方法适宜性，已由钻探资料显示，油气显示总体上苏参1优于苏探1，而苏3井无明显油气显示，这与丙烷氧化菌结果完全一致，甲烷氧化菌则苏探1含量大于苏参1，从现场勘查结果来看，苏探1所在区域有明显的人类活动，甚至地表零散分布生活垃圾，甲烷氧化菌的高值可能符合了强烈的人类活动因素。本发明方法与传统油气勘探的有利区、前景区、不确定区和背景区恰恰对应，具体等级划分见微生物异常划分统计表。
井群区氧化菌含量(Copy数/g土)
微生物异常划分统计表(Copy/g土)
图4、5油气平面分布特征描述及油气藏靶区圈定，结合建立的具有物理意义的微生物异常指标体系和钻探资料，苏2井无油气显示，而该井所在区域最远端布点范围并没有包含苏2井，所以，结合传统指标划分体系思路，苏2井以背景区域赋值，绘制图件。整体而言，甲烷和丙烷氧化菌分布图空间分布具有相似性，南部为勘探有利和前景区，苏参1、苏探1和苏3组成的井群区域显示为背景区和不确定区，苏2井北部与苏3井南部的17号构造均显示为有利勘探区，这与青海油田祁文珍等以往物探、钻探综合分析结果基本吻合；东部布点稀疏且未见勘探资料，但显示为大面积前景和有利区，这有待于下一步工作提供更详细数据支持。最大差异在于，井群西北部丙烷氧化菌显示分布多为有利-前景区，而甲烷氧化菌显示分布多为不确定区。从布点上来看，由于该区域布点稀疏，SGH39C对区域插值影响较大，而恰恰SGH39C的两种氧化菌在各自划分的异常体系中所处区间不同，因此，造成插值结果差异放大；但也可能是由于油气成分不同造成，从二者图上可以看出，如果叠加甲烷和丙烷氧化菌的有利和前景区，整个17号构造偏西北区域均可覆盖，可能是该区域北部以油为主，丙烷氧化菌含量地表显示较高，南部以气为主，甲烷氧化菌含量地表显示较高，需要说明的是，由于目前本项目分子微生物测定方法并为建立氧化菌与烷烃含量的直接关系，氧化菌叠加不等同于烷烃叠加，从理论上，不排除二者关系不吻合，因此，该说法仅视为推断，有待下一步工作印证。综合而言，将甲烷氧化菌和丙烷氧化菌有利区均定为油气藏靶区范围。
Claims (4)
1.一种基于数理统计的基因定量微生物油气勘探方法，其特征在于：其包括如下步骤：
(1)样品点布置与采集
对于待勘探地区，根据数理统计要求，以网格布点为主布置样品点，对于疑似油气藏的重点区域加密布置样品点，边界控制点不设间距限制布置样品点，然后对各个样品点50cm以下土壤为主进行采集土样；
(2)样品油气微生物基因定量测试
对步骤(1)采集的土样进行包括样品DNA提取和实时荧光定量PCR或RT-PCR检测；
(3)数据累积频率曲线绘制
将步骤(2)的检测数据采用曲线拟合模型进行曲线拟合，以确定衡量参数：显著性系数和相关系数；
(4)分段最优线性回归分析
依据“生储盖圈运保”理论，根据线性回归最优化原则，将累积频率曲线分区间，然后以累积频率曲线法对步骤(2)的检测数据数据逐点最优筛选分析，确定各区间最优线性回归直线；
(5)油气微生物异常等级确定
以步骤(4)中两相邻区间的线性回归直线的交点作为异常等级划分的端点再次纠正分区；
(6)油气平面分布特征描述
对步骤(4)的最优线性回归直线模型进行分析，选择适宜的插值方法，绘制油气平面分布特征图；
(7)油气藏靶区圈定
根据步骤(5)微生物异常等级分区在步骤(6)的油气平面分布特征图中确定有利的油气藏靶区。
2.根据权利要求1所述的基于数理统计的基因定量微生物油气勘探方法，其特征在于：步骤(2)中针对的微生物为甲烷氧化菌或丙烷氧化菌。
3.根据权利要求1所述的基于数理统计的基因定量微生物油气勘探方法，其特征在于：步骤(3)中所述曲线拟合模型为线性、二次项、复合、增长、对数、立方、S、指数分布、逆模型、幂、Logistic模型中一种。
4.根据权利要求1所述的基于数理统计的基因定量微生物油气勘探方法，其特征在于：所述步骤(4)中区间分为有利、前景、不确定和背景区四区间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610486091.3A CN106126975B (zh) | 2016-06-28 | 2016-06-28 | 基于数理统计的基因定量微生物油气勘探方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610486091.3A CN106126975B (zh) | 2016-06-28 | 2016-06-28 | 基于数理统计的基因定量微生物油气勘探方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106126975A CN106126975A (zh) | 2016-11-16 |
| CN106126975B true CN106126975B (zh) | 2020-06-26 |
Family
ID=57266834
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610486091.3A Active CN106126975B (zh) | 2016-06-28 | 2016-06-28 | 基于数理统计的基因定量微生物油气勘探方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106126975B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108048536A (zh) * | 2017-12-22 | 2018-05-18 | 中国地质科学院水文地质环境地质研究所 | 基于数理统计的多维基因定量技术调查石油类污染分布的方法 |
| CN110619927B (zh) * | 2019-03-27 | 2022-06-28 | 北京中科生仪科技有限公司 | 一种实时荧光定量pcr的数据分析方法 |
| CN113702620B (zh) * | 2021-08-02 | 2022-06-07 | 英索油能源科技（北京）有限责任公司 | 一种利用微生物指纹进行烃源判定的方法 |
| CN114048675B (zh) * | 2021-11-01 | 2024-06-18 | 西安航天时代精密机电有限公司 | 一种磁滞电机零组件耦合方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102453746A (zh) * | 2010-10-26 | 2012-05-16 | 中国石油化工股份有限公司 | 一种专性烃氧化菌检测方法 |
| CN102676643A (zh) * | 2011-03-18 | 2012-09-19 | 中国科学院生态环境研究中心 | 一种可应用于油气勘探的有效的微生物检测方法 |
| CN103115908A (zh) * | 2013-02-05 | 2013-05-22 | 中国科学院地质与地球物理研究所 | 一种确定油气运移与成藏期次的新方法 |
| CN103981277A (zh) * | 2014-06-06 | 2014-08-13 | 中国地质科学院水文地质环境地质研究所 | 一种基于轻烃氧化菌异常进行油气勘探的方法 |
| CN104101914A (zh) * | 2014-07-31 | 2014-10-15 | 盎亿泰地质微生物技术（北京）有限公司 | 一种利用分子生态学进行油气资源勘探指示的方法 |
| EP2906723A1 (en) * | 2012-10-10 | 2015-08-19 | Baker Hughes Incorporated | FIELD-BASED qPCR MICROBIAL MONITORING |
-
2016
- 2016-06-28 CN CN201610486091.3A patent/CN106126975B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102453746A (zh) * | 2010-10-26 | 2012-05-16 | 中国石油化工股份有限公司 | 一种专性烃氧化菌检测方法 |
| CN102676643A (zh) * | 2011-03-18 | 2012-09-19 | 中国科学院生态环境研究中心 | 一种可应用于油气勘探的有效的微生物检测方法 |
| EP2906723A1 (en) * | 2012-10-10 | 2015-08-19 | Baker Hughes Incorporated | FIELD-BASED qPCR MICROBIAL MONITORING |
| CN103115908A (zh) * | 2013-02-05 | 2013-05-22 | 中国科学院地质与地球物理研究所 | 一种确定油气运移与成藏期次的新方法 |
| CN103981277A (zh) * | 2014-06-06 | 2014-08-13 | 中国地质科学院水文地质环境地质研究所 | 一种基于轻烃氧化菌异常进行油气勘探的方法 |
| CN104101914A (zh) * | 2014-07-31 | 2014-10-15 | 盎亿泰地质微生物技术（北京）有限公司 | 一种利用分子生态学进行油气资源勘探指示的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 微生物碳酸盐岩油气储层研究现状与展望;罗平等;《沉积学报》;20131031;第31卷(第5期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106126975A (zh) | 2016-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chambers et al. | Bedrock detection beneath river terrace deposits using three-dimensional electrical resistivity tomography | |
| CN106126975B (zh) | 基于数理统计的基因定量微生物油气勘探方法 | |
| Wang et al. | Design-based spatial sampling: Theory and implementation | |
| CN105243204B (zh) | 一种多地质因素定量评价排烃效率方法 | |
| CN105699624B (zh) | 一种基于土壤发生层厚度预测的土壤有机碳储量估算方法 | |
| Greve et al. | Quantifying the ability of environmental parameters to predict soil texture fractions using regression-tree model with GIS and LIDAR data: The case study of Denmark | |
| CN104750884B (zh) | 基于多因素非线性回归的页岩油气富集指数定量评价方法 | |
| Hu et al. | Can soil water measurements at a certain depth be used to estimate mean soil water content of a soil profile at a point or at a hillslope scale? | |
| CN105257284B (zh) | 一种利用元素俘获能谱测井确定凝灰质含量的方法及装置 | |
| Sümegi et al. | The loess-paleosol sequence of Basaharc (Hungary) revisited: Mollusc-based paleoecological results for the Middle and Upper Pleistocene | |
| CN110728402A (zh) | 一种基于地质标本分析的区域矿产资源预测系统 | |
| Ioannidou et al. | Land-cover-based indicator to assess the accessibility of resources used in the construction sector | |
| Trachet et al. | Reassessing Surface Artefact Scatters. The Integration of Artefact‐Accurate Fieldwalking with Geophysical Data at Medieval Harbour Sites Near Bruges (Belgium) | |
| Rosset et al. | Automatic filtering of ERT monitoring data in mountain permafrost | |
| CN104991286A (zh) | 一种基于沉积模式的沉积相表征方法 | |
| Herring et al. | Best practices for using electrical resistivity tomography to investigate permafrost | |
| CN104834006A (zh) | 结构成因沉积参数图的处理方法和装置 | |
| CN106204316A (zh) | 致密油勘探方法和装置 | |
| Zeng et al. | Multilevel source-to-sink (S2S) subdivision and application of an ancient uplift system in South China Sea: Implications for further hydrocarbon exploration | |
| CN104950004A (zh) | 一种定量评价古老碳酸盐岩储层中沥青含量的方法 | |
| Chen et al. | Geological risk mapping and prospect evaluation using multivariate and Bayesian statistical methods, western Sverdrup Basin of Canada | |
| Wang et al. | Prediction of organic carbon content in oil shale based on logging: a case study in the Songliao Basin, Northeast China | |
| CN117744306A (zh) | 基于三维地质模型的山地城市地铁隧道地表沉降预测方法 | |
| Guo et al. | Spatial stratified heterogeneity analysis of field scale permafrost in Northeast China based on optimal parameters-based geographical detector | |
| CN116738227A (zh) | 一种电阻率参数和机器学习的土壤有机污染浓度预测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |