CN110261906A - 多参数岩性信息融合储层预测方法 - Google Patents

多参数岩性信息融合储层预测方法 Download PDF

Info

Publication number
CN110261906A
CN110261906A CN201910572831.9A CN201910572831A CN110261906A CN 110261906 A CN110261906 A CN 110261906A CN 201910572831 A CN201910572831 A CN 201910572831A CN 110261906 A CN110261906 A CN 110261906A
Authority
CN
China
Prior art keywords
reservoir
parameter
turbidite
lithological
elastic
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.)
Granted
Application number
CN201910572831.9A
Other languages
English (en)
Other versions
CN110261906B (zh
Inventor
张云银
张建芝
魏红梅
刘峰
罗荣涛
李迪
孙兴刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Chemical Corp
Geophysical Research Institute of Sinopec Shengli Oilfield Co
Original Assignee
China Petroleum and Chemical Corp
Geophysical Research Institute of Sinopec Shengli Oilfield Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Petroleum and Chemical Corp, Geophysical Research Institute of Sinopec Shengli Oilfield Co filed Critical China Petroleum and Chemical Corp
Priority to CN201910572831.9A priority Critical patent/CN110261906B/zh
Publication of CN110261906A publication Critical patent/CN110261906A/zh
Application granted granted Critical
Publication of CN110261906B publication Critical patent/CN110261906B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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. for interpretation or for event detection
    • G01V1/30—Analysis
    • G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/62—Physical property of subsurface
    • G01V2210/624—Reservoir parameters

Landscapes

  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Acoustics & Sound (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明提供一种多参数岩性信息融合储层预测方法，该多参数岩性信息融合储层预测方法包括：步骤1：开展叠前多参数弹性反演；步骤2：进行岩性敏感性分析；步骤3：利用多参数岩性信息融合模型，获得浊积岩储层岩性信息融合体；步骤4：通过岩性信息融合体浊积岩储层特征分析，确定灰质背景浊积岩储层量化评价标准，确定浊积岩储层分布范围。该多参数岩性信息融合储层预测方法联合了弹性参数的储层敏感性定量评价方法和多参数岩性信息融合技术，提出了灰质背景下浊积岩储层预测面临的薄层问题和多解性问题的解决思路，对复杂岩性情况下储层预测具有广泛的指导意义和应用价值。

Description

多参数岩性信息融合储层预测方法
技术领域
本发明涉及储层预测技术领域，特别是涉及到一种多参数岩性信息融合储层预测方法。
背景技术
灰质背景下浊积岩储层主要发育在深湖相陡坡深水沉积环境，其岩性成分复杂，储层多以薄层和薄互层为主，最典型的是胜北地区坨71井区。随着勘探开发不断深入，在胜北灰质浊积岩地区取得重大油气发现，显示出较大的勘探潜力，但是常规储层预测方法却难以解决灰质背景下浊积岩储层预测问题，主要表现在两个方面：(1)薄层和薄互层识别问题；(2)岩性成分复杂，灰质岩与浊积岩地震反射特征和阻抗特征相似，识别困难。
传统储层预测方法主要是通过地震属性特征或者地震反演得到的特定弹性参数来预测储层的空间分布情况。这类方法最大的缺陷就是多解性严重，特别是针对复杂岩性情况下的储层预测结果，效果不甚理想，其根源是由地球物理方法本身的多解性决定，降低多解性最有效的手段是开展多因素、多角度、多参数储层综合评价。为此我们发明了一种新的多参数岩性信息融合储层预测方法，解决了以上技术问题。
发明内容
本发明的目的是提供一种解决灰质背景下浊积岩储层预测的多参数岩性信息融合储层预测方法。
本发明的目的可通过如下技术措施来实现：多参数岩性信息融合储层预测方法，该多参数岩性信息融合储层预测方法包括：步骤1：开展叠前多参数弹性反演；步骤2：进行岩性敏感性分析；步骤3：利用多参数岩性信息融合模型，获得浊积岩储层岩性信息融合体；步骤4：通过岩性信息融合体刻画浊积岩储层分布范围。
本发明的目的还可通过如下技术措施来实现：
该多参数岩性信息融合储层预测方法还包括，在步骤1之前，开展岩石物理分析，明确开展叠前地震多参数反演的必要性和可行性。
在步骤1中，开展高精度多弹性参数叠前地震反演，充分发挥地震高横向分辨率和测井高纵向分辨率的优势，开展测井约束下的多弹性参数叠前地震反演，得到高分辨率的叠前弹性多参数反演体。
在步骤2中，开展弹性参数敏感性分析，计算各个弹性参数在不同主要岩性间的能量反射系数R，为敏感弹性参数的优选和多参数岩性信息融合提供依据：
其中，i代表第i种属性，X2i，X1i分别代表储层和非储层对应的第i个弹性参数的值。
在步骤3中，在弹性参数敏感性分析基础上，确定优选的弹性参数；建立多参数岩性信息融合模型，计算岩性信息融合体Fuse：
其中，Ai为归一化的第i个弹性参数，Ci为第i个弹性参数的权重系数，N为优选的属性个数,
在步骤4中，结合浊积岩储层岩石物理分析结果，确定岩性信息融合体Fuse的分布范围；根据灰质背景下浊积岩储层岩性信息融合体Fuse值的分布范围，刻画地质体空间分布，得到储层平面厚度分布图。
本发明中的多参数岩性信息融合储层预测方法，主要从两个方面解决灰质背景下浊积岩储层预测难题：(1)通过提高叠前多参数反演的精度，提高薄层和薄互层识别能力；(2)通过多弹性参数信息融合降低储层预测多解性问题。地震叠前多参数反演主要通过高精细的横波预测和三维复杂储层构造建模技术，提高地震叠前反演的精度，提高薄层和薄互层储层识别能力。叠前弹性参数反演可以得到与岩石弹性性质密切相关的弹性参数信息，这些弹性参数与岩石性质，储层特征具有密切关系，是岩性划分和储层识别的重要依据。通过敏感弹性参数分析可以找出针对浊积岩储层敏感的弹性参数。多弹性参数的信息融合技术，有利于进一步降低灰质岩对浊积岩储层预测的干扰，以解决灰质背景下浊积岩储层预测多解性问题，提高储层预测精度。
本发明中的多参数岩性信息融合储层预测方法，在灰质背景下浊积岩储层横波预测和精细构造建模基础上，充分发挥地震高横向分辨率和测井高纵向分辨率的优势，开展井震联合叠前多参数弹性反演，获取具有较高纵向分辨率和横向分布率的的叠前弹性参数反演体。其中主要包括灰质背景下的精细横波预测和构造建模。传统横波预测方法直接利用Xu-White模型进行横波预测，对灰质含量的影响进行模糊处理。为了提高灰质背景下横波预测精度，结合K-T(Kuster-Toksoz)模型与DEM(Differential Effective Medium)模型，将灰质岩性组分加入到横波预测模型，以提高灰质背景下横波预测精度。通过复杂三维可视化构造建模方法，解决了层位和断层交叉混搭的问题，更好地反映了地层的空间变化规律，同时与井上的地层信息更加吻合，大大提高了测井约束下叠前地震多参数反演的精度，为薄层的识别奠定了坚实的基础。
传统储层敏感性分析主要是利用岩性交会的方法，定性分析不同弹性参数岩性间的差异，为储层预测反演方法和储层预测解释方法提供依据。本发明研究引入能量反射系数R的计算方法，可以定量评价弹性参数在不同岩性间的敏感性，同时为弹性参数的优选和岩性信息融合模型计算提供依据。
传统储层岩性预测方法主要包括波阻抗反演和地震属性分析的方法，其最大的缺陷在于储层岩性的多解性严重，特别是在复杂岩性背景下。多参数岩性信息融合技术充分利用不同岩性间的弹性性质差异，将不同弹性参数携带的储层岩性信息高度融合。一方面，弹性参数直接反映不同岩性间的弹性性质差异，对岩性的识别具有更加明确的地球物理含义；另一方面，多弹性参数岩性信息的有效融合，是降低浊积岩多解性的重要手段。
多弹性参数信息融合储层预测技术，由于采用精细的地震叠前多参数反演方法，可以得到丰富的而可靠的弹性参数信息。一方面，这些弹性参数由于受井信息的约束，突破了传统意义上的地震分辨率的概率，更加适用于薄层和薄互层的识别；另一方面，弹性参数比地震属性有更明确的地球物理和地质含义，与岩性关系更加密切，因此在此基础上得到的储层预测结果更加准确可靠。利用多弹性参数信息融合技术，可以有效降低储层预测的多解性，得到更加合理的储层预测结果。
附图说明
图1为本发明的多参数岩性信息融合储层预测方法的一具体实施例的流程图；
图2为敏感叠前弹性参数(Att1)均方振幅平面图；
图3为敏感叠前弹性参数(Att2)均方振幅平面图；
图4为敏感叠前弹性参数(Att3)均方振幅平面图；
图5为浊积岩岩性信息融合参数(Fuse)均方振幅平面图；
图6为本发明的一具体实施例中信息融合体浊积岩厚度平面分布图。
具体实施方式
为使本发明的上述和其他目的、特征和优点能更明显易懂，下文特举出较佳实施例，并配合附图所示，作详细说明如下。
如图1所示，图1为本发明的多参数岩性信息融合储层预测方法的流程图。
步骤1：开展叠前多参数弹性反演。充分发挥地震高横向分辨率和测井高纵向分辨率的优势，开展测井约束地震叠前弹性反演，得到叠前弹性参数反演体。高保真的地震数据体和井-震一致性处理是叠前反演的基本要求。
步骤2：岩性敏感性分析。计算能量反射系数R，量化各弹性参数对浊积岩储层的敏感性。确定对储层岩性敏感的弹性参数(Atti)及其对应的能量反射系数(Ri)。岩性敏感性分析要建立在岩石物理分析基础上，确保敏感性分析的准确性和针对性。
步骤3：多弹性参数信息融合。利用多参数岩性信息融合模型，获得浊积岩储层岩性信息融合体(Fuse)。该环节关键在于不同弹性参数权重系数分析和确定，确保不同弹性参数保持在同一量纲。
步骤4：岩性信息融合体量化评价。通过岩性信息融合体浊积岩储层特征分析，确定灰质背景浊积岩储层量化评价标准，确定浊积岩储层分布范围。该环节灰质背景浊积岩储层量化评价标准的选择可以参照岩石物理分析结果确定。
在应用本发明的一具体实施例中，包括了以下步骤：
第一步：通过开展岩石物理分析，明确开展叠前地震多参数反演的必要性和可行性；
第二步：开展高精度多弹性参数叠前地震反演，充分发挥地震高横向分辨率和测井高纵向分辨率的优势，开展测井约束下的多弹性参数叠前地震反演，得到高分辨率的叠前弹性多参数反演体。
第三步：开展弹性参数敏感性分析，计算各个弹性参数在不同主要岩性间的能量反射系数R，为敏感弹性参数的优选和多参数岩性信息融合提供依据；
其中，i代表第i种属性，X2i，X1i分别代表储层(如浊积岩)和非储层(如灰质泥岩)对应的第i个弹性参数的值。
图2-4分别对应优选的灰质背景下浊积砂岩储层敏感弹性参数：剪切阻抗(弹性参数1)、拉梅阻抗(弹性参数2)和泊松比(弹性参数3)的均方根振幅。
第四步：在弹性参数敏感性分析基础上，确定优选的弹性参数。建立多参数岩性信息融合模型，计算岩性信息融合体Fuse：
其中，Ai为归一化的第i个弹性参数，Ci为第i个弹性参数的权重系数，N(此处：N＝3)为优选的属性个数。
图5为灰质背景下浊积岩信息融合体均方根振幅。
第五步：结合浊积岩储层岩石物理分析结果，确定岩性信息融合体Fuse的分布范围。
第六步；根据灰质背景下浊积岩储层岩性信息融合体Fuse值的分布范围，刻画地质体空间分布，得到储层平面厚度分布图(见图6)。
通过以上研究表明，弹性参数比地震属性有更明确的地球物理和地质含义，与岩性关系更加密切，在储层预测过程中更加直接可靠。灰质背景下浊积岩储层因为特殊的地质沉积环境，储层多以薄层和薄互层为主，因此解决灰质浊积岩储层预测问题的关键在于两个方面的内容：(1)为了解决灰质背景问题下多解性问题，利用多弹性参数信息融合的处理方法，有效降低了储层预测的多解性问题；(2)为了提高地震反演的精度，解决薄层和薄互层的识别问题，开展高精度地震反演是前提和基础。多弹性参数信息融合的过程，是综合多参数信息对储层信息描述的过程，是储层综合评价的结果。
本发明中的多参数岩性信息融合储层预测方法是解决灰质背景下浊积岩储层预测的有效方法。首先，精细地震叠前多参数反演方法能有效提高地震叠前反演精度，达到薄互层识别的目的；其次，基于多弹性参数信息融合的储层预测技术有效压制了灰质岩性对储层信息的干扰，有效提高了储层预测效果。该方法包括精细叠前多参数反演的研究思路；弹性参数的储层敏感性定量评价方法；多弹性参数岩性信息融合解释模型建立方法；岩性信息融合体储层评价方法。本发明联合了弹性参数的储层敏感性定量评价方法和多参数岩性信息融合技术，提出了灰质背景下浊积岩储层预测面临的薄层问题和多解性问题的解决思路，对复杂岩性情况下储层预测具有广泛的指导意义和应用价值。

Claims (6)

1.多参数岩性信息融合储层预测方法，其特征在于，该多参数岩性信息融合储层预测方法包括：
步骤1：开展叠前多参数弹性反演；
步骤2：进行岩性敏感性分析；
步骤3：利用多参数岩性信息融合模型，获得浊积岩储层岩性信息融合体；
步骤4：通过岩性信息融合体浊积岩储层特征分析，确定灰质背景浊积岩储层量化评价标准，确定浊积岩储层分布范围。
2.根据权利要求1所述的多参数岩性信息融合储层预测方法，其特征在于，该多参数岩性信息融合储层预测方法还包括，在步骤1之前，开展岩石物理分析，明确开展叠前地震多参数反演的必要性和可行性。
3.根据权利要求1所述的多参数岩性信息融合储层预测方法，其特征在于，在步骤1中，开展高精度多弹性参数叠前地震反演，充分发挥地震高横向分辨率和测井高纵向分辨率的优势，开展测井约束下的多弹性参数叠前地震反演，得到高分辨率的叠前弹性多参数反演体。
4.根据权利要求1所述的多参数岩性信息融合储层预测方法，其特征在于，在步骤2中，开展弹性参数敏感性分析，计算各个弹性参数在不同主要岩性间的能量反射系数R，为敏感弹性参数的优选和多参数岩性信息融合提供依据：
其中，i代表第i种属性，X2i，X1i分别代表储层和非储层对应的第i个弹性参数的值。
5.根据权利要求4所述的多参数岩性信息融合储层预测方法，其特征在于，在步骤3中，在弹性参数敏感性分析基础上，确定优选的弹性参数；建立多参数岩性信息融合模型，计算岩性信息融合体Fuse：
其中，Ai为归一化的第i个弹性参数，Ci为第i个弹性参数的权重系数，N为优选的属性个数,
6.根据权利要求1所述的多参数岩性信息融合储层预测方法，其特征在于，在步骤4中，结合浊积岩储层岩石物理分析结果，确定岩性信息融合体Fuse的分布范围；根据灰质背景下浊积岩储层岩性信息融合体Fuse值的分布范围，刻画地质体空间分布，得到储层平面厚度分布图。
CN201910572831.9A 2019-06-27 2019-06-27 多参数岩性信息融合储层预测方法 Active CN110261906B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910572831.9A CN110261906B (zh) 2019-06-27 2019-06-27 多参数岩性信息融合储层预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910572831.9A CN110261906B (zh) 2019-06-27 2019-06-27 多参数岩性信息融合储层预测方法

Publications (2)

Publication Number Publication Date
CN110261906A true CN110261906A (zh) 2019-09-20
CN110261906B CN110261906B (zh) 2021-06-22

Family

ID=67922689

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910572831.9A Active CN110261906B (zh) 2019-06-27 2019-06-27 多参数岩性信息融合储层预测方法

Country Status (1)

Country Link
CN (1) CN110261906B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102928877A (zh) * 2012-11-14 2013-02-13 中国石油集团川庆钻探工程有限公司地球物理勘探公司 基于d-s证据理论的地震属性融合方法
CN102928876A (zh) * 2012-11-14 2013-02-13 中国石油集团川庆钻探工程有限公司地球物理勘探公司 基于脉冲耦合神经网络的地震属性融合方法
WO2014066981A1 (en) * 2012-10-31 2014-05-08 Resource Energy Solutions Inc. Methods and systems for improved drilling operations using real-time and historical drilling data
CN104675392A (zh) * 2013-12-02 2015-06-03 中国石油化工股份有限公司 一种基于叠前多参数降维的储层岩性识别方法
CN104749651A (zh) * 2013-12-26 2015-07-01 中国石油化工股份有限公司 相控多级重构测井定量识别泥页岩甜点方法
CN106405639A (zh) * 2015-07-30 2017-02-15 中国石油化工股份有限公司 一种叠前地震储层岩性参数的反演方法
CN108680955A (zh) * 2017-12-12 2018-10-19 中国地质大学（武汉） 一种岩性识别方法及识别系统
CN109471165A (zh) * 2018-12-03 2019-03-15 中国石油化工股份有限公司 基于包含敏感岩性识别因子为变量的avo近似式叠前反演方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014066981A1 (en) * 2012-10-31 2014-05-08 Resource Energy Solutions Inc. Methods and systems for improved drilling operations using real-time and historical drilling data
CN102928877A (zh) * 2012-11-14 2013-02-13 中国石油集团川庆钻探工程有限公司地球物理勘探公司 基于d-s证据理论的地震属性融合方法
CN102928876A (zh) * 2012-11-14 2013-02-13 中国石油集团川庆钻探工程有限公司地球物理勘探公司 基于脉冲耦合神经网络的地震属性融合方法
CN104675392A (zh) * 2013-12-02 2015-06-03 中国石油化工股份有限公司 一种基于叠前多参数降维的储层岩性识别方法
CN104749651A (zh) * 2013-12-26 2015-07-01 中国石油化工股份有限公司 相控多级重构测井定量识别泥页岩甜点方法
CN106405639A (zh) * 2015-07-30 2017-02-15 中国石油化工股份有限公司 一种叠前地震储层岩性参数的反演方法
CN108680955A (zh) * 2017-12-12 2018-10-19 中国地质大学（武汉） 一种岩性识别方法及识别系统
CN109471165A (zh) * 2018-12-03 2019-03-15 中国石油化工股份有限公司 基于包含敏感岩性识别因子为变量的avo近似式叠前反演方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
MICHAEL BATZLE，等: "Seismic properties of pore fluids", 《GEOPHYSICS》 *
于正军: "地震属性融合技术及其在储层描述中的应用", 《特种油气藏》 *
张建芝，等: "灰质背景下浊积岩储层地震响应特征及识别方法-以东营凹陷坨71井区为例", 《油气地质与采收率》 *
张林清，等: "弹性参数反演与属性融合技术在"甜点"预测中的应用", 《天然气地球科学》 *
沈禄银，等: "多信息融合的页岩油储层自动分层技术", 《中国石油勘探》 *

Also Published As

Publication number Publication date
CN110261906B (zh) 2021-06-22

Similar Documents

Publication Publication Date Title
CN103454685B (zh) 利用测井约束波阻抗反演预测砂体厚度的方法和装置
US6498989B1 (en) Method for predicting dynamic parameters of fluids in a subterranean reservoir
CN106054248A (zh) 一种基于大面积致密储层地震岩石物理反演方法
CN108363100A (zh) 基于封存单元与粗糙集的煤层气甜点区地震地质识别方法
CN111399044B (zh) 一种储层渗透率预测方法、装置及存储介质
Stanko et al. An empirical relationship between resonance frequency, bedrock depth and VS 30 for Croatia based on HVSR forward modelling
CN105182424A (zh) 一种基于斑块饱和模型定量预测储层孔隙度的方法和装置
CN104570067A (zh) 一种地球物理勘探中相控地震反演方法
CN103675907A (zh) 一种基于岩相约束的avo反演油气检测方法
CN105277982A (zh) 一种泥页岩总有机碳含量地震预测方法
Baird et al. Frequency-dependent seismic anisotropy due to fractures: Fluid flow versus scattering
CN107728205B (zh) 一种地层压力预测方法
Fajana et al. Application of multilayer perceptron neural network and seismic multiattribute transforms in reservoir characterization of Pennay field, Niger Delta
Liu et al. Combined petrophysics and 3D seismic attributes to predict shale reservoirs favourable areas
Li et al. An Integrated quantitative modeling approach for fault-related fractures in tight sandstone reservoirs
Panara et al. Fracture intensity and associated variability: A new methodology for 3D digital outcrop model analysis of carbonate reservoirs
Jiang et al. Quantitative reservoir characterization of tight sandstone using extended elastic impedance
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
CN104280767A (zh) 一种基于柯西分布的稀疏脉冲反演方法
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
CN110261906A (zh) 多参数岩性信息融合储层预测方法
Abid et al. Unconventional reservoir characterization and sensitive attributes determination: A case study of the Eastern Sembar Formation, Lower Indus Basin, Pakistan
Hu et al. Seismic interpretation of sandstone-type uranium deposits in the Songliao Basin, Northeast China
Djezzar et al. A new method for reservoir fracture characterization and modeling using surface analog
Liu et al. Formation Grain Size Profile Prediction Model Considering the Longitudinal Continuity of Reservoir Using Artificial Intelligence Tools

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