CN106568918B - 页岩有机碳含量toc预测方法 - Google Patents
页岩有机碳含量toc预测方法 Download PDFInfo
- Publication number
- CN106568918B CN106568918B CN201510646052.0A CN201510646052A CN106568918B CN 106568918 B CN106568918 B CN 106568918B CN 201510646052 A CN201510646052 A CN 201510646052A CN 106568918 B CN106568918 B CN 106568918B
- Authority
- CN
- China
- Prior art keywords
- toc
- shale
- logging
- mathematical relationship
- parameter
- 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
Images
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种页岩有机碳含量TOC预测方法,包括以下步骤:对页岩岩样进行物理测试分析,获得页岩岩样的岩石参数,基于岩石参数,获得岩样TOC与多个测井参数中的每一个测井参数的第一数学关系;进行测井分析,基于测井分析结果,获得TOC与每一个测井参数的第二数学关系;针对每一个测井参数,判断第一数学关系与第二数学关系的一致性;针对每一个测井参数,当判断第一数学关系与第二数学关系具有一致性时,基于第一数学关系或第二数学关系,计算TOC与测井参数的相似度;选择具有最大相似度值的测井参数作为预测参数;基于预测参数的值以及TOC与预测参数之间的第一数学关系或第二数学关系,预测页岩的TOC。
Description
技术领域
本公开涉及非常规页岩气勘探与开发领域,特别涉及一种基于岩石物理及测井分析的页岩有机碳含量TOC预测方法。
背景技术
页岩气是指以甲烷为主要成分,以游离态及吸附态为主要形式蕴藏于高碳泥岩或者暗色(黑色)泥岩中的天然气,游离性和吸附性是页岩气主要的表现特征。页岩的TOC是页岩气富集的关键因素,是非常规气藏有别于常规气藏的标志性参数之一,TOC的预测是地球物理技术面临的新课题。
影响页岩气富集的因素较多,包括页岩厚度(规模)、TOC、热演化程度、地层压力等。其中TOC是重要的因素之一,TOC越高,气藏富集程度越高。斯伦贝谢公司对北美页岩气盆地研究认为,页岩气藏页岩有机碳含量最低标准原则上应大于2.0%。因此,有机碳含量是页岩气藏质量评价中的重要指标,它既是页岩生气的物质基础,决定页岩的生烃强度;也是页岩吸附气的载体之一,决定页岩的吸附气大小;还是页岩孔隙空间增加的重要因素之一,决定页岩新增游离气能力。
目前,在页岩(或页岩气储层)特征及预测技术理论方面的研究较少或者正处于初期阶段,许多试验性的研究或者探索也局限于实验室内部。在页岩TOC预测方面,Passey等(1990)提出一种计算页岩中有机碳含量的测井评价方法,主要利用电阻率曲线和声波测井曲线重叠进行计算;金强等(2003)考虑TOC对电阻率、声波、密度的影响,提供了一个更加通用的模型公式;Loseth等(2011)提出可以通过交会分析的方法寻求波阻抗与TOC的关系从而达到计算有机碳含量的目的;孙建孟等(2012)发现TOC与密度曲线有很好的对应关系。
但是,页岩具有区域差异性、特征差异性,例如中国和美国的页岩虽然都很发育,但是在地质特征方面差异较大,主要表现在页岩分布地区的地质构造条件、页岩沉积类型、页岩沉积年代、热演化条件、页岩的成熟期以及成熟度、埋藏深度、保存条件等方面,因此以上提出的方法不具有普遍性,对于目标选区的页岩是否适用值得商榷。
发明内容
本公开的目的是提供一种普遍适用于各种地质特征的页岩有机碳含量TOC预测方法。
本公开所采用的解决方案如下:
一种页岩有机碳含量TOC预测方法,包括以下步骤:
对页岩岩样进行物理测试分析,获得所述页岩岩样的岩石参数,基于所述岩石参数,获得岩样TOC与多个测井参数中的每一个测井参数的第一数学关系;
进行测井分析,基于测井分析结果,获得TOC与所述每一个测井参数的第二数学关系;
针对所述每一个测井参数,判断所述第一数学关系与所述第二数学关系的一致性;
针对所述每一个测井参数,当判断所述第一数学关系与所述第二数学关系具有一致性时,基于所述第一数学关系或所述第二数学关系,计算TOC与所述测井参数的相似度;
选择具有最大相似度值的测井参数作为预测参数;
基于所述预测参数的值以及TOC与所述预测参数之间的第一数学关系或第二数学关系,预测页岩的TOC。
优选地,所述预测方法还包括针对所述每一个测井参数,判断所述第一数学关系和所述第二数学关系的合理性。
优选地,所述预测参数是密度。
优选地,所述岩石参数是密度、纵波速度、横波速度的至少其中之一。
优选地,所述测井参数是密度、纵横波速比、自然伽马、含气量的至少其中之一。
优选地,通过地震参数反演方法确定所述预测参数的值。
优选地,通过交会分析方法统计所述第一数学关系和所述第二数学关系。
本公开的优点是综合应用页岩岩样与测井资料,通过页岩岩样物理测试建立TOC与测井参数的数学关系,同时对比利用测井数据分析得出的TOC与测井参数的数学关系,确定预测页岩TOC的预测参数和数学关系式,从而实现页岩TOC的预测,使得预测更具有针对性和普遍性。
附图说明
通过结合附图对本公开示例性实施方式进行更详细的描述,本公开的上述以及其它目的、特征和优势将变得更加明显。
图1显示根据示例性实施例对页岩岩样进行物理测试分析得到的TOC与密度参数的交会分析图;
图2显示根据示例性实施例对页岩岩样进行物理测试分析得到的TOC与纵横波速比参数的交会分析图;
图3显示根据示例性实施例通过选区实地勘探过程中的测井分析得到的页岩TOC与密度参数的交会分析图;
图4显示根据示例性实施例通过选区实地勘探过程中的测井分析得到的页岩TOC与纵横波速比参数的交会分析图;
图5显示根据示例性实施例通过选区实地勘探过程中的测井分析得到的页岩TOC与自然伽马参数的交会分析图;
图6显示针对选区应用示例性实施例中提出的方法预测的过w1和w2井的TOC剖面图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式,然而应该理解,可以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本发明综合应用页岩岩样以及测井资料两种数据,分别获得页岩有机碳含量TOC与测井参数之间的数学关系。在判断通过两种数据所获得的数学关系具有一致性的情况下,选择与TOC相似度最高的测井参数作为预测参数,预测页岩TOC。本发明创新性地应用页岩岩样以及测井资料进行页岩TOC综合分析,是一种基于岩石物理测试及测井分析的页岩TOC预测方法,使得预测更具有针对性和普遍性。
本公开提供一种页岩有机碳含量TOC预测方法,包括以下步骤:
步骤1:在实际钻井中获得实际页岩岩样,通过岩石物理测试仪器测试岩样的TOC含量以及密度、纵波速度、横波速度等。基于这些岩石参数,利用交会分析软件或Excel工具交会统计出TOC与密度、TOC与纵横波速比、TOC与自然伽马等测井参数之间的数学关系。
步骤2:测井人员在页岩气勘探过程中进行测井分析,基于测井分析结果,统计出TOC与密度、TOC与纵横波速比、TOC与自然伽马等测井参数之间的数学关系。
步骤3:针对每一个测井参数——密度、纵横波速比、自然伽马,对比步骤1和步骤2中获得的数学关系,判断TOC与该测井参数之间数学关系的一致性,即对于每一个测井参数,判断在步骤1中获得的TOC与该测井参数之间的数学关系与在步骤2中获得的TOC与该测井参数之间的数学关系是否一致。
步骤4:此外,为了提高预测的准确性,还可以针对每一个测井参数,判断在步骤1中获得的TOC与该测井参数之间的数学关系和在步骤2中获得的TOC与该测井参数之间的数学关系的合理性。在实施过程中,此步骤是可选的。
步骤5:针对每一个测井参数,如果具有上述一致性和合理性,则基于在步骤1或步骤2中获得的TOC与该测井参数的数学关系,计算TOC与该测井参数的相似度;如果在一致性和/或合理性判断中,判断结果是否定的,即在步骤1或步骤2中获得的TOC与该测井参数的数学关系不一致和/或不合理,那么不计算TOC与该测井参数的相似度。
步骤6:选择具有最大相似度值的测井参数作为预测TOC的预测参数。在示例性实施例中,预测参数是密度。
步骤7:根据预测参数值以及在步骤1或步骤2中获得的TOC与预测参数之间的数学关系计算出页岩的TOC。其中,应用地震参数反演技术反演出预测参数值,在示例性实施例中,预测参数值是密度值。
下面根据示例性实施例详细介绍本公开的页岩有机碳含量TOC预测方法。根据示例性实施例的页岩有机碳含量TOC预测方法包括以下步骤:
步骤1:选择川东南页岩气区块为研究工区,以下志留统龙马溪组页岩为研究目标。在实际钻井中获取目标段的页岩岩样,通过岩石物理测试仪器测试岩样的TOC以及岩石参数,岩石参数包括密度、纵波速度、横波速度。这些测试方法属于现有技术,在此不再赘述。然后,利用交会分析软件或Excel工具,基于岩石参数,交会统计出TOC与测井参数——密度、纵横波速比、自然伽马之间的数学关系。
步骤2:测井人员在页岩气实地勘探过程中,获得研究目标段的测井参数值,测井参数包括密度、纵横波速比、自然伽马等参数,统计出TOC与测井参数——密度、纵横波速比、自然伽马之间的数学关系。
步骤3:针对每一个测井参数——密度、纵横波速比、自然伽马,对比步骤1和步骤2中得到的页岩TOC与该测井参数之间的数学关系,判断利用岩石物理测试方法和测井方法得到的TOC与该测井参数之间的数学关系是否具有一致性。
在示例性实施例中,对于密度,在步骤1和步骤2中计算的TOC与密度之间的数学关系具有一致性:在步骤1中,TOC与密度之间的数学关系是y=-0.0872x+2.78(其中y代表TOC,x代表密度),在步骤2中,TOC与密度之间的数学关系是y=-0.0667x+2.77(其中y代表TOC,x代表密度);对于纵横波速比,在步骤1和步骤2中计算的TOC与纵横波速比之间的数学关系也具有一致性:在步骤1中,TOC与纵横波速比之间的数学关系是y=-0.0253x+1.767(其中y代表TOC,x代表纵横波速比),在步骤2中,TOC与纵横波速比之间的数学关系是y=-0.0463x+1.7531(其中y代表TOC,x代表纵横波速比)。
可以基于适当的现有标准和方法,对两个数学关系的一致性进行判断。一致性的判断属于现有技术,在此不再赘述。
步骤4:为了提高预测准确性,针对每一个测井参数——密度、纵横波速比、自然伽马,判断在步骤1中获得的TOC与该测井参数之间的数学关系和在步骤2中获得的TOC与该测井参数之间的数学关系的合理性。在示例性实施例中,对于密度、纵横波速比和自然伽马,在步骤1和步骤2中计算的TOC与参数之间的数学关系具有合理性。
可以结合地质特点判断上述数学关系的合理性,例如可以通过钻井所得的岩性资料、含气性资料等,以及构造预测过程中的构造特征分析成果、地球化学分析成果等来判断TOC与测井参数之间关系的合理性。这种合理性的判断在本领域属于常规技术手段,在此也不再赘述。
步骤5:针对每一个测井参数——密度、纵横波速比、自然伽马,如果TOC与其之间的数学关系具有一致性和合理性,则计算TOC与该测井参数的相似度。根据在步骤1或步骤2中获得的TOC与密度、TOC与纵横波速比、TOC与自然伽马之间的数学关系,分别计算TOC与密度、纵横波速比、自然伽马的相似度。
在示例性实施例中,可以通过Excel软件的交会分析模块计算TOC与参数之间的相似度。通过现有软件进行交会分析属于本领域的现有技术,在此不再赘述。
步骤6:选择具有最大相似度值的测井参数作为预测参数,在此预测参数是密度,因为TOC与其相似度最高,相似度值R2达到0.847。
步骤7:根据预测参数的值以及在步骤1或步骤2中获得的TOC与预测参数之间的数学关系,计算出龙马溪组页岩目标段的TOC。在实施例中,页岩的密度范围约为2.4-2.75g/cm3,基于在步骤1中得到的TOC与密度之间的数学关系为y=-0.0872x+2.78(其中y代表TOC,x代表密度),预测TOC范围约为0.2-5.8%。其中应用地震参数反演技术反演龙马溪组页岩目标段的密度值。地震参数反演技术是本领域常用的现有技术,在此不再赘述。
图1至图6显示了根据示例性实施例的页岩有机碳含量TOC预测方法所获得的交会分析图和TOC剖面图。
图1显示对川东南选区页岩岩样进行物理测试分析得到的TOC与密度参数的交会分析图。图中表明页岩岩样的密度范围约为2.1-2.75g/cm3,TOC与密度之间的数学关系为y=-0.0872x+2.78(其中y代表TOC,x代表密度),预测TOC范围约为0.1-6.5%,TOC及密度参数具有较高的相关性,即它们之间可以拟合出较为合理的数学关系且相似度高,相似度R2可以达到0.847。
图2显示对川东南选区页岩岩样进行物理测试分析得到的TOC与纵横波速比(Vp/Vs)参数的交会分析图。图中表明页岩岩样的纵横波速比范围约为1.58-1.84,TOC与纵横波速比之间的数学关系为y=-0.0253x+1.767(其中y代表TOC,x代表纵横波速比),预测TOC范围约为0.1-6.5%,TOC与纵横波速比具有一定的相关性,相似度R2可以达到0.5412。
图3显示通过川东南选区实地勘探过程中的测井分析得到的页岩TOC与密度参数的交会分析图。图中表明页岩的密度范围约为2.4-2.75g/cm3,TOC与密度之间的数学关系为y=-0.0667x+2.77(其中y代表TOC,x代表密度),TOC范围约为0.2-5.8%,TOC与密度参数具有较高的相关性,即它们之间可以拟合出较为合理的数学关系且相似度高,相似度R2可以达到0.817,并且TOC随密度值的高低变化而增高或降低的变化趋势与图1一致。
图4显示通过川东南选区测井分析得到的页岩TOC与纵横波速比(Vp/Vs)参数的交会分析图。图中表明页岩的纵横波速比范围约为1.5-1.85,TOC与纵横波速比之间的数学关系为y=-0.0463x+1.7531(其中y代表TOC,x代表纵横波速比),预测TOC范围约为0.1-5.2%,TOC与纵横波速比具有一定的相关性,相似度R2可以达到0.6581。
图5显示通过川东南选区测井分析得到的页岩TOC与自然伽马(Gr)参数的交会分析图。图中表明页岩的自然伽马(Gr)范围约为90-330gAPI,TOC与自然伽马之间的数学关系为y=5.037In(x)-22.11,预测TOC范围约为0.1-7%,TOC与Gr具有一定的相关性,相似度R2可以达到0.666。
图6显示针对川东南选区应用本公开中提出的方法预测的过w1和w2井的TOC剖面图。图中表明研究工区目标段页岩的TOC变化范围约为1-6%,其中底部页岩的TOC相对较高,且横向连续(w1井处较明显),同时还能看出目标段多套页岩叠置存在,不同的页岩段TOC存在差异(w2井处较明显)。
以上已经描述了本公开的实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各施例。在不偏离所说明的实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释实施例的原理和实际应用,或者使本技术领域的其它普通技术人员能理解本文披露的实施例。
Claims (6)
1.一种页岩有机碳含量TOC预测方法,包括以下步骤:
对页岩岩样进行物理测试分析,获得所述页岩岩样的岩石参数,基于所述岩石参数,获得岩样TOC与多个测井参数中的每一个测井参数的第一数学关系;
进行测井分析,基于测井分析结果,获得TOC与所述每一个测井参数的第二数学关系;
针对所述每一个测井参数,判断所述第一数学关系与所述第二数学关系的一致性;
针对所述每一个测井参数,当判断所述第一数学关系与所述第二数学关系具有一致性时,基于所述第一数学关系或所述第二数学关系,计算TOC与所述测井参数的相似度;
选择具有最大相似度值的测井参数作为预测参数;
基于所述预测参数的值以及TOC与所述预测参数之间的第一数学关系或第二数学关系,预测页岩的TOC;
其中,所述页岩岩样为在实际钻井中获得的实际页岩岩样;
其中,通过地震参数反演方法确定所述预测参数的值。
2.根据权利要求1所述的页岩有机碳含量TOC预测方法,还包括针对所述每一个测井参数,判断所述第一数学关系和所述第二数学关系的合理性。
3.根据权利要求1所述的页岩有机碳含量TOC预测方法,其中所述预测参数是密度。
4.根据权利要求1所述的页岩有机碳含量TOC预测方法,其中所述岩石参数是密度、纵波速度、横波速度的至少其中之一。
5.根据权利要求1所述的页岩有机碳含量TOC预测方法,其中所述测井参数是密度、纵横波速比、自然伽马、含气量的至少其中之一。
6.根据权利要求1所述的页岩有机碳含量TOC预测方法,其中,通过交会分析方法获得所述第一数学关系和所述第二数学关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510646052.0A CN106568918B (zh) | 2015-10-08 | 2015-10-08 | 页岩有机碳含量toc预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510646052.0A CN106568918B (zh) | 2015-10-08 | 2015-10-08 | 页岩有机碳含量toc预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106568918A CN106568918A (zh) | 2017-04-19 |
CN106568918B true CN106568918B (zh) | 2020-07-14 |
Family
ID=58506479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510646052.0A Active CN106568918B (zh) | 2015-10-08 | 2015-10-08 | 页岩有机碳含量toc预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106568918B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11880776B2 (en) | 2021-11-25 | 2024-01-23 | Institute Of Geology And Geophysics, Chinese Academy Of Sciences | Graph neural network (GNN)-based prediction system for total organic carbon (TOC) in shale |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107894446A (zh) * | 2017-11-08 | 2018-04-10 | 中国石油化工股份有限公司江汉油田分公司物探研究院 | 总有机碳含量预测方法及装置 |
CN113835138B (zh) * | 2021-11-25 | 2022-02-25 | 中国科学院地质与地球物理研究所 | 基于深度编码解码网络预测页岩总有机碳含量的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103114840A (zh) * | 2013-01-09 | 2013-05-22 | 中国石油天然气股份有限公司 | 一种高-过高成熟页岩有机碳含量计算方法及装置 |
CN103670388A (zh) * | 2013-12-12 | 2014-03-26 | 中国石油天然气股份有限公司 | 一种泥页岩有机碳含量的评价方法 |
CN103792338A (zh) * | 2014-01-28 | 2014-05-14 | 中国石油天然气股份有限公司 | 一种烃源岩有机碳含量的确定方法和装置 |
CN104636588A (zh) * | 2014-08-25 | 2015-05-20 | 中国石油天然气股份有限公司 | 计算烃源岩中有机碳含量的方法及装置 |
CN104853822A (zh) * | 2014-09-19 | 2015-08-19 | 杨顺伟 | 一种评价页岩气储层及寻找甜点区的方法 |
-
2015
- 2015-10-08 CN CN201510646052.0A patent/CN106568918B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103114840A (zh) * | 2013-01-09 | 2013-05-22 | 中国石油天然气股份有限公司 | 一种高-过高成熟页岩有机碳含量计算方法及装置 |
CN103670388A (zh) * | 2013-12-12 | 2014-03-26 | 中国石油天然气股份有限公司 | 一种泥页岩有机碳含量的评价方法 |
CN103792338A (zh) * | 2014-01-28 | 2014-05-14 | 中国石油天然气股份有限公司 | 一种烃源岩有机碳含量的确定方法和装置 |
CN104636588A (zh) * | 2014-08-25 | 2015-05-20 | 中国石油天然气股份有限公司 | 计算烃源岩中有机碳含量的方法及装置 |
CN104853822A (zh) * | 2014-09-19 | 2015-08-19 | 杨顺伟 | 一种评价页岩气储层及寻找甜点区的方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11880776B2 (en) | 2021-11-25 | 2024-01-23 | Institute Of Geology And Geophysics, Chinese Academy Of Sciences | Graph neural network (GNN)-based prediction system for total organic carbon (TOC) in shale |
Also Published As
Publication number | Publication date |
---|---|
CN106568918A (zh) | 2017-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017024700A1 (zh) | 一种计算烃源岩中有机碳含量的装置 | |
Xu et al. | Modeling elastic properties in carbonate rocks | |
CN103670388B (zh) | 一种泥页岩有机碳含量的评价方法 | |
JP3390445B2 (ja) | 地質学的特性を推定するために統計学的較正技術を使用する地震トレース解析方法 | |
CN105275456A (zh) | 一种利用测井资料识别优质泥页岩的方法 | |
CN104278991A (zh) | 盐湖相烃源岩有机碳和生烃潜量的多元测井计算方法 | |
CN105697002A (zh) | 一种用于识别煤系地层岩性的方法 | |
CN107829731B (zh) | 一种黏土蚀变的火山岩孔隙度校正方法 | |
Gupta et al. | Rock typing in Wolfcamp formation | |
CN107327294A (zh) | 一种基于致密油储层变骨架参数条件下的孔隙度解释方法 | |
CN112922591B (zh) | 泥页岩储层岩相“甜点”预测方法及系统 | |
CN110824563A (zh) | 一种基于Xgboost算法的储层岩性预测方法 | |
CN106568918B (zh) | 页岩有机碳含量toc预测方法 | |
CN116168224A (zh) | 基于成像砾石含量的机器学习岩相自动识别方法 | |
Duan et al. | Architectural characterization of Ordovician fault-controlled paleokarst carbonate reservoirs, Tahe oilfield, China | |
CN112963145B (zh) | 一种碳酸盐岩储层气井产能的预测方法 | |
CN110688781B (zh) | 一种低渗非均质气藏储层测井解释方法 | |
CN110118994B (zh) | 一种基于地震反演和机器学习的陆相烃源岩定量预测方法 | |
CN112528106A (zh) | 火山岩岩性识别方法 | |
Zhao et al. | Prediction of geomechanical sweet spots in a tight gas sandstone reservoir: A case study of lower Permian strata in the southern Qinshui Basin, China | |
Gupta et al. | Rock typing in the upper Devonian-lower Mississippian woodford shale formation, Oklahoma, USA | |
Rotimi et al. | Reservoir characterization and modeling of lateral heterogeneity using multivariate analysis | |
Zhang et al. | Architecture characteristics and characterization methods of fault-controlled karst reservoirs: A case study of the Shunbei 5 fault zone in the Tarim Basin, China | |
CN112180443A (zh) | 页岩气二维地震甜点区优选方法及装置 | |
CN112147696B (zh) | 基于储集性能指数的页岩储集性能地震评价方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |