CN108508486B - 一种基于构造演化地层应变的裂缝预测分析方法 - Google Patents
一种基于构造演化地层应变的裂缝预测分析方法 Download PDFInfo
- Publication number
- CN108508486B CN108508486B CN201810195944.7A CN201810195944A CN108508486B CN 108508486 B CN108508486 B CN 108508486B CN 201810195944 A CN201810195944 A CN 201810195944A CN 108508486 B CN108508486 B CN 108508486B
- Authority
- CN
- China
- Prior art keywords
- data
- value
- fracture
- horizon
- development
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. analysis, for interpretation, for correction
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
Abstract
本发明公开了一种基于构造演化地层应变的裂缝预测分析方法,包括以下步骤:对工区进行层位标定;拾取追踪地震资料目的层位及目的层位以上所有层位;计算目的层位与其上所有层位的递变差;计算递变差的最大正曲率和最大负曲率并剔除奇异值;根据曲率值的大小判断裂缝发育区域和相对发育程度;将预测区域叠加起来,得到该目的层的裂缝发育情况。本发明方法考虑了不同地质历史时期的演变过程中,目的层位的地层应变情况,能够估算构造演化中的裂缝可能发育的位置和发育程度,揭示隐藏的裂缝发育位置,且能消除异常值的影响,可用于二维、三维地震工区。
Description
技术领域
本发明涉及裂缝预测分析技术领域,具体涉及一种基于构造演化地层应变的裂缝预测分析方法。
背景技术
裂缝的分布规律和发育程度在油气田勘探开发过程中占有非常重要的地位。在大多数的非常规油气田及孔隙不太发育的碳酸盐岩油气田中,天然裂缝是影响产能的主要因素之一。裂缝分布复杂、规律性差、其识别和预测难度大,裂缝识别与预测技术一直是业界关注的焦点。裂缝研究方法主要有三大类:基于岩心和露头的地质识别方法、基于地震资料的裂缝识别与描述方法、利用测井资料识别和预测方法。岩心和露头资料非常有限,钻井也相对较少,加上裂缝分布的复杂性和对测井影响的随机性,大面积的裂缝预测精细程度不够,而地震资料因其采样点分布广泛、数据丰富,成为区域性裂缝预测的重要手段。
地震资料裂缝研究方法主要有横波分裂裂缝预测、转换波裂缝检测、纵波各向异性裂缝检测、叠后地震属性分析等方法。横波和转换波因为采集成本较高,应用相对较少。叠后地震属性和叠前地震纵波各向异性方法应用较为广泛,针对它们的方法研究也是地震裂缝预测关注的热点。随着计算机技术的发展,地震资料的处理能力得到了极大的提高,为叠前地震数据的裂缝预测研究提供了可能。利用叠前地震资料的方位各向异性的振幅、频率、相位等属性的差异预测裂缝发育的方向和密度。
以上的地震资料裂缝预测分析方法,都是基于三维地震资料数字计算的定性裂缝分析方法。由于地震资料受资料采集时的观测系统设计、地表地质条件、施工情况、资料处理情况等多种因素的影响,可能存在采集脚印、干扰噪声和人造假象等诸多问题,这些问题对于使用地震资料计算预测裂缝分布带来了不确定性。而三维地震资料数据,尤其是叠前数据的数据量往往以数个GB乃至TB计算,中间数据的存储和计算机时都是巨大的资源消耗。并且,并非每个地震工区都具有三维地震资料,还有大量的已开发油气田仅仅具有二维地震资料。对于缺乏三维地震资料的工区,以上方法都很难完成裂缝预测分析。
发明内容
本发明为了解决上述技术问题提供一种基于构造演化地层应变的裂缝预测分析方法。
本发明通过下述技术方案实现:
一种基于构造演化地层应变的裂缝预测分析方法,包括以下步骤:
A、对工区进行层位标定;
B、拾取追踪地震资料目的层位及目的层位以上所有层位;
C、计算目的层位与其上所有层位的递变差;
D、计算递变差的最大正曲率和最大负曲率并剔除奇异值;
E、根据曲率值的大小判断裂缝发育区域和相对发育程度;
F、将预测区域叠加起来,得到该目的层的裂缝发育情况。
本方案通过构造解释的层位结果实现裂缝预测,具有计算量小,速度快,预测结果相对有效性高等特点,能够快速完成研究区的目的层裂缝识别。传统的基于层位面曲率的裂缝预测方法,只能根据现今的地质形态估算裂缝的发育位置和发育程度,且无法消除奇异值的影响;传统的基于三维地震数据的体曲率的裂缝识别方法,体曲率的计算量非常大,占用的磁盘空间、CPU和显示资源也非常大,其结果受数据采集、处理的参数和噪声影响较大,且它也只能反映现今地质形态下的裂缝发育位置和发育程度,并只能用于有三维地震数据的工区。本方法考虑了不同地质历史时期的演变过程中,目的层位的地层应变情况,能够估算构造演化中的裂缝可能发育的位置和发育程度,揭示隐藏的裂缝发育位置,且能消除异常值的影响,裂缝预测准确性高;不仅适用于二维地震工区,也适用于三维地震工区。因为在目的层沉积成岩后,后期可能经历多期构造运动,造成已经成岩的目的层发生应变破裂而形成裂缝,但多期构造运动后,目的层又可能回归平缓,但在各个地质时期构造运动中已经造成的裂缝,并不会凭空消失,然而,因为现今的构造趋于平缓,不管是地层层面曲面或者是地震数据体曲率的方法,都无法判断地质演化过程中的应变和裂缝可能发生的区域。如图7所示为同一地层在沉积后构造演化不同地质时间地层剖面形态示意图,A为刚沉积完成时的该地层的构造形态,F为该地层现今的构造形态,如果仅通过现今的构造形态来判断,远不能代表从B到D的各个地质时期的裂缝可能发育情况。
作为优选,层位标定利用测井资料制作合成记录或利用VSP资料实现。
作为优选,步骤B中,对于抽稀解释的三维地震层位,先进行层位插值并逐条测线检查插值结果,并对各测线的插值结果进行修正,平滑处理;对于二维地震层位,网格化解释层位,将网格化结果作为各层位的解释层面。
所述步骤C具体为:
分别计算目的层及其上所有层位的差值H1-Hi+1,其中i=1、2、3、…、n,n为高出目的层的总层数;
计算递变差(H1-Hi+1)-(H1-Hi+2)。
采用上述公式可以体现其中的地质意义,(H1-Hi+1)代表H1层在i+1地质时期的构造形态,(H1-Hi+2)代表H1层在i+2地质时期的构造形态,(H1-Hi+1)-(H1-Hi+2)代表的是H1层从i+1地质时期到i+2地质时期的构造形变量。
剔除奇异值的方法为:
将数据按从小到大的顺序排列成数据序列[x(1),x(2),x(3),…,x(S-1),x(S)],统计小于Q1-N*QR和大于Q3+N*QR的数据总个数R,其中,S为数据序列中所含数据总个数,Q1为数据序列1/4处的值,即Q1=x(S/4),Q3为数据序列3/4处的值,即Q3=x(3S/4),QR为Q3至Q1之间的范围值,即QR=Q3-Q1;
计算N=1.5时R占数据总个数S的比例,若比例不等于N1,则采取两步法调整N的值,直到R与S的比例等于N1;例如,当倍数N为1.5时,比例大于N1,取倍数为2时,比例N小于N1,则将倍数折中为1.75,求取比例值,若比例值仍大于1‰,则倍数取1.75+(2-1.75)/2,若比例值仍小于1‰,则倍数取1.75-(2-1.75)/2,依此类推,直到该比例值为N1为止;
计算此时小于Q1-N*QR和大于Q3+N*QR数据的绝对值P1、数据序列的平均绝对值P2,若P1大于N2*P2,则将该数据作为奇异值剔除,其中,1‰<N1<1%,N2>50。
所述步骤D中,还包括规范化数据,具体方法为利用递变差曲率减去该曲率本身的数学期望。
步骤E具体方法为:
以最大正曲率属性的最大值的0至5%作为主要裂缝发育数据范围判断裂缝发育区域,以紧邻最大端的5%至15%作为过渡段;以最大负曲率的最小值端的0至5%作为主要裂缝发育数据范围判断裂缝发育区域,以紧邻最小端的5%至15%作为过渡段。
本发明与现有技术相比,具有如下的优点和有益效果:
1、本发明方法考虑了不同地质历史时期的演变过程中,目的层位的地层应变情况,能够估算构造演化中的裂缝可能发育的位置和发育程度,揭示隐藏的裂缝发育位置,且能消除异常值的影响,可用于二维、三维地震工区。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。
图1为地震剖面层位追踪解释图。
图2为地震解释层位平面图。
图3为奇异值剔除图示。
图4为数据统计情况。
图5为奇异值剔除后的数据统计情况。
图6为数据分布及色标示例。
图7为沉积后构造演化不同地质时间地层剖面形态示意图。
图8为H1层现今构造形态最大负曲率分布图。
图9为H1-H2地层应变最大负曲率分布图。
图10为H2-H3时期H1地层应变最大负曲率分布图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
一种基于构造演化地层应变的裂缝预测分析方法,包括以下步骤:
A、对工区进行层位标定;
B、拾取追踪地震资料目的层位及目的层位以上所有层位;
C、计算目的层位与其上所有层位的递变差;
D、计算递变差的最大正曲率和最大负曲率并剔除奇异值;
E、根据曲率值的大小判断裂缝发育区域和相对发育程度;
F、将预测区域叠加起来,得到该目的层的裂缝发育情况。
最大正曲率、最大负曲率均是曲率的一种,其定义为:
首先设曲面的定义为:
Z(x,y)=Ax2+By2+Cxy+Dx+Ey+F
其中
最大正曲率的定义为:
最大负曲率的定义为:
实施例2
基于上述实施例的原理,本实施例公开一具体实施方式。
A、熟悉资料,了解工区地质概况,利用测井资料制作合成记录进行层位标定,或利用VSP资料进行层位标定。
B、如图1、图2所示,拾取追踪地震资料目的层位:对于抽稀解释的三维地震层位,需要进行层位插值并逐条测线检查插值结果,插值效果不好的测线需要根据地震同相轴的实际情况手工调整修正插值结果;
拾取追踪目的层位以上所有可以对比追踪的地质时期反射界面的层位:对于抽稀解释的三维地震层位,先进行层位插值并逐条测线检查插值结果,并根据地震同相轴的实际情况对测线插值结果进行修正;对于二维地震层位,网格化解释层位,将网格化结果作为各层位的解释层面。
C、计算目的层位与其上所有层位的递变差,譬如,若目标层位为H1,其上的层位Hi+1依次为H2,H3,H4,…,Hn-1,Hn,计算H1-H2,H1-H3,H1-H4,…,H1-Hn-1,H1-Hn,其中,n为目的层位与其上层位的总层数,i为高出目的层的层数;
计算递变差(H1-Hi+1)-(H1-Hi+2),具体的即计算(H1-H2)-(H1-H3),(H1-H3)-(H1-H4),…,(H1-Hn-1)-(H1-Hn)。
D、计算递变差的最大正曲率和最大负曲率并剔除奇异值,剔除奇异值采用自适应方法,具体为:将数据按从小到大的顺序排列成数据序列[x(1),x(2),x(3),…,x(S-1),x(S)],统计小于Q1-N*QR和大于Q3+N*QR的数据总个数R,如图3、4、5、6所示,其中,S为数据序列中所含数据总个数,Q1为数据序列1/4处的值,即Q1=x(S/4),即有25%的值小于Q1,Q3为数据序列3/4处的值,即Q3=x(3S/4),QR为Q3至Q1的范围值,QR=Q3-Q1,即有50%的值在Q3-Q1的范围内;
计算N=1.5时R占数据总个数S的比例,若比例不等于N1,则采取两步法调整N的值,直到R与S的比例等于N1;例如,当倍数为1.5时,比例大于N1,取倍数为2时,比例小于N1,则将倍数折中为1.75,求取比例值,若比例值仍大于1‰,则倍数取1.75+(2-1.75)/2,若比例值仍小于1‰,则倍数取1.75-(2-1.75)/2,依此类推,直到获取比例值为N1为止;
计算此时小于Q1-N*QR和大于Q3+N*QR数据的绝对值P1、数据序列的平均绝对值P2,若P1大于N2*P2,则将该数据作为奇异值剔除,其中,1‰<N1<1%,N2>50。
利用递变差曲率减去该曲率本身的数学期望X-E(X),以将数据规则化。
E、根据曲率值的大小判断裂缝发育区域和相对发育程度:以最大正曲率属性的最大值的0至5%作为主要裂缝发育数据范围判断裂缝发育区域,以紧邻最大端的5%至15%作为过渡段,其他作为背景显示;以最大负曲率的最小值端的0至5%作为主要裂缝发育数据范围判断裂缝发育区域,以紧邻最小端的5%至15%作为过渡段,其他作为背景显示。显示的数值绝对值大、连续性特别好且延伸比较远的为断层,绝对值大、连续性好、延伸不远、分布密集的,是裂缝的高发区,绝对值大到中等、连续性好到一般、延伸不远、分布密集的,是裂缝的次高发区,绝对值中等到低、连续性一般、延伸不远、分布密集的,是裂缝的较高发区,其他区域裂缝不太发育区。
F、通过上述步骤判断出目的层及每个递变差的裂缝发育情况,然后将预测区域叠加起来,得到该目的层的裂缝发育情况。以目的层及其上共3层为例,常规的裂缝预测方法是只以目的层为目标进行曲率计算的,若仅以目的层来判断,裂缝发育的范围仅为图8中椭圆范围内的高曲率值区域,而图9、图10中的椭圆范围内所表示的目的层H1在沉积形成以后因地质构造运动发生应变的过程中造成的高曲率异常区。图9、图10中表示的断层是H2、H3层所发生的层位错断,H1所受影响不大,分析中应予以排除或单独再分析。图10中偏西北的位置,实际钻井发现油井具有开井见水、含水快速上升的特征,与裂缝发育特征较为吻合。
实施例3
实施例2仅能实现单个目的层的裂缝预测,基于实施例2可实现多个目的层的裂缝预测,具体方法为:先实施实施例2的方法步骤实现单目的层的裂缝预测,在循环步骤B至F实现剩下目的层的裂缝预测即可。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于构造演化地层应变的裂缝预测分析方法,其特征在于,包括以下步骤:
A、对工区进行层位标定;
B、拾取追踪地震资料目的层位及目的层位以上所有层位;
C、计算目的层位与其上所有层位的递变差:目标层位为H1,其上的层位依次为H2,H3,H4,…,Hn-1,Hn,其中,n为目的层位与其上层位的总层数,计算递变差 (H1-H2)-(H1-H3),(H1-H3)-(H1-H4),…, (H1-Hn-1)-(H1-Hn);
D、计算递变差的最大正曲率和最大负曲率并剔除奇异值:将数据按从小到大的顺序排列成数据序列[x(1), x(2),x(3), …, x(S-1), x(S)],统计小于Q1-N*QR和大于Q3+N*QR的数据总个数R,其中,S为数据序列中所含数据总个数;Q1为数据序列1/4处的值,即Q1=x(S/4),即有25%的值小于Q1;Q3为数据序列3/4处的值,即Q3=x(3S/4);QR为Q3至Q1的范围值,QR=Q3-Q1,即有50%的值在Q3-Q1的范围内;
计算N =1.5时R占数据总个数S的比例,若比例不等于N1,则采取两步法调整N的值,直到R与S的比例等于N1;计算此时小于Q1-N*QR和大于Q3+N*QR数据的绝对值P1、数据序列的平均绝对值P2,若P1大于N2*P2,则将该数据作为奇异值剔除,其中,1‰<N1<1%,N2 > 50;
E、根据曲率值的大小判断裂缝发育区域和相对发育程度;
F、将预测区域叠加起来,得到该目的层的裂缝发育情况。
2.根据权利要求1所述的一种基于构造演化地层应变的裂缝预测分析方法,其特征在于,层位标定利用测井资料制作合成记录或利用VSP资料实现。
3.根据权利要求1所述的一种基于构造演化地层应变的裂缝预测分析方法,其特征在于,步骤B中,对于抽稀解释的三维地震层位,先进行层位插值并逐条测线检查插值结果,并对测线进行修正,平滑处理;对于二维地震层位,网格化解释层位,将网格化结果作为各层位的解释层面。
4.根据权利要求1所述的一种基于构造演化地层应变的裂缝预测分析方法,其特征在于,所述步骤D中,还包括规范化数据,具体方法为利用递变差曲率减去该曲率本身的数学期望。
5.根据权利要求1所述的一种基于构造演化地层应变的裂缝预测分析方法,其特征在于,步骤E具体方法为:
以最大正曲率的最大值的0至5%作为主要裂缝发育数据范围判断裂缝发育区域,以紧邻最大端的5%至15%作为过渡段;以最大负曲率的最小值端的0至5%作为主要裂缝发育数据范围判断裂缝发育区域,以紧邻最小端的5%至15%作为过渡段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810195944.7A CN108508486B (zh) | 2018-03-09 | 2018-03-09 | 一种基于构造演化地层应变的裂缝预测分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810195944.7A CN108508486B (zh) | 2018-03-09 | 2018-03-09 | 一种基于构造演化地层应变的裂缝预测分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108508486A CN108508486A (zh) | 2018-09-07 |
CN108508486B true CN108508486B (zh) | 2019-12-03 |
Family
ID=63376333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810195944.7A Active CN108508486B (zh) | 2018-03-09 | 2018-03-09 | 一种基于构造演化地层应变的裂缝预测分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108508486B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113447979B (zh) * | 2020-03-26 | 2023-11-17 | 中国石油化工股份有限公司 | 一种断缝体发育区的识别方法、断缝体的刻画方法 |
CN113391350B (zh) * | 2021-04-30 | 2023-10-13 | 成都北方石油勘探开发技术有限公司 | 一种半定量叠后地震裂缝预测方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243319B (zh) * | 2010-05-14 | 2013-10-16 | 中国石油天然气股份有限公司 | 一种地下不连续体的检测方法及装置 |
CN102200588B (zh) * | 2011-03-22 | 2012-08-22 | 成都理工大学 | 地震资料的波形相似性体曲率分析方法 |
CN104422959A (zh) * | 2013-09-05 | 2015-03-18 | 中国石油化工股份有限公司 | 一种检测储层边界的曲率属性方法 |
CN103869362B (zh) * | 2014-03-10 | 2017-01-18 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 体曲率获取方法和设备 |
CN105629302B (zh) * | 2015-12-23 | 2018-07-13 | 成都理工大学 | 三维地震定向体曲率分析方法 |
CN105735978B (zh) * | 2016-02-19 | 2018-12-04 | 中国石油集团川庆钻探工程有限公司 | 碳酸盐层间岩溶型储层布井方法 |
CN105927216B (zh) * | 2016-04-25 | 2019-04-16 | 中国矿业大学 | 一种褶皱发育区储层裂缝预测方法及装置 |
CN106842299B (zh) * | 2016-12-19 | 2019-07-09 | 中国石油天然气股份有限公司 | 一种基于地震属性的裂缝定量化预测的方法 |
CN106842316B (zh) * | 2016-12-20 | 2019-01-18 | 中国石油天然气股份有限公司 | 裂缝确定方法和装置 |
CN106772586B (zh) * | 2017-02-20 | 2019-04-02 | 长江大学 | 一种基于地震信号奇异性的隐蔽性断裂检测方法 |
-
2018
- 2018-03-09 CN CN201810195944.7A patent/CN108508486B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108508486A (zh) | 2018-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102466815B (zh) | 三叠系碎屑岩油气藏识别方法 | |
CN104516018B (zh) | 一种地球物理勘探中岩性约束下的孔隙度反演方法 | |
EP3253946B1 (en) | Seismic attributes derived from the relative geological age property of a volume-based model | |
Li | Geophysical exploration technology: Applications in lithological and stratigraphic reservoirs | |
Zhang et al. | Unsupervised-learning based self-organizing neural network using multi-component seismic data: Application to Xujiahe tight-sand gas reservoir in China | |
CN105425299A (zh) | 确定地层裂缝分布的方法和装置 | |
CN105301644A (zh) | 基于多参数梯度向量和海色矩阵的油气检测方法及装置 | |
CN105259581A (zh) | 一种地震资料时深转换方法 | |
CN108508486B (zh) | 一种基于构造演化地层应变的裂缝预测分析方法 | |
Shaban et al. | Comparison between curvature and 3D strain analysis methods for fracture predicting in the Gachsaran oil field (Iran) | |
Wang et al. | Multi-scale natural fracture prediction in continental shale oil reservoirs: a case study of the Fengcheng Formation in the Mahu Sag, Junggar Basin, China | |
CN106353807A (zh) | 裂缝识别方法和装置 | |
Liu* et al. | Seismic lithofacies computation method based on deep learning | |
CN114755721A (zh) | 基于Unet的河道砂体顶面预测方法 | |
Pranter et al. | Sequence-stratigraphic, petrophysical, and multicomponent seismic analysis of a shelf-margin reservoir: San Andres Formation (Permian), Vacuum field, New Mexico, United States | |
Liu et al. | Seismic characterization of fault and fractures in deep buried carbonate reservoirs using CNN-LSTM based deep neural networks | |
Qin et al. | Application of VVAz and AVAz inversion based on wide-azimuth seismic data for fracture characterization of a deep Archaean buried-hill reservoir in Bohai Sea | |
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 | |
Zhou et al. | Seismic prediction of oolitic beach thin-bed reservoir based on favorable facies belt constraints: Taking the second member of Feixianguan Formation in Jiulongshan area, Northwest Sichuan, China | |
Ehinlaiye et al. | Seismic Interpretation and Petrophysical Analysis for Evaluation of Ataga Field, Onshore Niger Delta, Nigeria | |
CN106597547A (zh) | 薄储层地震准确描述方法 | |
Cheng et al. | Multiscale fracture prediction technique via deep learning, seismic gradient disorder, and aberrance: Applied to tight sandstone reservoirs in the Hutubi block, southern Junggar Basin | |
Pei et al. | Research and application of 5D seismic prediction technology | |
Yang et al. | Prediction and research of fracture distribution characteristics of the Chang 8 reservoir in Zhenjing area, Ordos Basin | |
Peng et al. | Geological Modeling Technology and Application Based on Seismic Interpretation Results under the Background of Artificial Intelligence |
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 |