針對“亮點型”砂巖儲層的疊后相對振幅解耦流體檢測方法及應用

中圖分類號：P631 文獻標識碼：A DOI：10. 13810/j. cnki. issn. 1000-7210. 20240267

Abstract：Clastic rock reservoirs are widely distributed in the Barbados accretionary wedge basin with the pri? mary reservoir type of deepwater turbidite sandstone and the hydrocarbon type of biogas reservoir. Since gas ? bearing sandstones and water ? bearing sandstones in the basin are both presented as“bright spot”anomalies in seismic data，it is difficult for conventional post ? stack hydrocarbon detection methods to accurately predict the distribution of gas reservoirs，which leads to a low success rate of early exploration. Thus，after analyzing log? ging response characteristics of drilled reservoirs，this paper proposes a new fluid detection method based on post? stack relative amplitude decoupling for“bright spot”sandstone reservoirs. Firstly，the main controlling factors of the seismic response of reservoirs are quantitatively analyzed by means of fluid substitution and forward mo ? deling. Secondly，the post ? stack relative amplitude decoupling factor is designed for“bright spot”sandstone reservoirs，and the relative amplitude relationship template is established for different lithologies and fluids. Fi? nally，gas?bearing sandstones and water?bearing sandstones are distinguished utilizing the relative amplitude re? lationship template to realize reservoir prediction and fluid detection with multi?age post?stack seismic data. The application results show that the new methodology has a stronger ability to distinguish gas ? bearing sandstones and water?bearing sandstones in the study area，which overcomes the blind area of traditional post?stack hydro? carbon detection methods，significantly improves the prediction accuracy of biogas reservoirs，and provides an important basis for exploration decision.

Keywords：hydrocarbon detection，post?stack seismic，relative amplitude，variance，biogas王嘉，尹川，李愛山，等 . 針對“亮點型”砂巖儲層的疊后相對振幅解耦流體檢測方法及應用［J］. 石油地球物理勘探，2025，60（3）：775?782.WANG Jia，YIN Chuan，LI Aishan，et al. Fluid detection method based on post?stack relative amplitude decou?pling for“bright spot”sandstone reservoirs and its application［J］. Oil Geophysical Prospecting，2025，60（3）：775?782.

0 引言

經國內外學者的長期研究，地震儲層預測及油氣檢測技術已成為油氣勘探開發的重要手段。二十世紀七十年代，以“亮點”技術為代表的地震屬性分析方法開始應用于工業生產的各個領域，后來逐步形成了屬性分析、AVO 及反演、裂縫預測、巖石物理分析、正演模擬、基于吸收衰減的烴類檢測、多波多分量、井中地震、深度學習等多類油氣檢測方法[1-8]。鄭江峰等[9]基于 90^° 相移的地震屬性融合法在儲層流體識別方面取得了較好的應用效果；李才等[10]基于高頻亮點加權含烴檢測技術有效壓制了厚水層假亮點，大幅提升了烴檢結果的可信度；李紅梅[11]基于含氣后縱、橫波速度差異特征，直接利用泊松比檢測含氣性；姜仁等[12]通過地震巖石物理分析，將地震信息轉化為巖性、物性、含油氣性等參數實現油氣藏定量描述。此后，Xue 等[13]針對致密砂巖氣藏弱地震響應的特點，提出了基于量子神經網絡的地震多屬性油氣檢測方法，能精準定位常規方法無法識別的弱地震響應氣藏。Zhang 等[14]提出了一種基于無監督學習自組織映射（Self Organizing Maps，SOM）算法的多分量地震數據氣藏識別方法，利用縱波與橫波的差異減少了烴類檢測的多解性。

但是，前沿油氣檢測技術依賴疊前三維地震數據，很難適用于低勘探區的油氣檢測與評價，而多屬性分析、疊后地震反演等技術手段通常受儲層厚度、儲層物性、地震資料品質及算法等因素影響較大，以定性預測為主，在不同靶區具有一定的多解性。因此，本文基于疊后地震數據，通過流體替代、正演模擬等方法定量分析了研究區儲層地震響應的主控因素，通過建立不同巖性和流體與相對振幅的對應關系，有效區分含氣砂巖和含水砂巖，提升了研究區油氣檢測的精度，為勘探決策提供了依據。

1 研究背景及概況

研究區巴巴多斯增生楔盆地位于南美洲加勒比板 塊 前 緣 ，西 側 以 Tobago-Barbados Ridge （TBR）造山脊為界，南側與特立尼達前陸盆地相鄰[15]，總面積約為 9.7×10⁴km² ，全部位于海域。其油氣勘探始于二十世紀七十年代，主要分為勘探低迷期和活躍期兩個階段。二十一世紀初，在特立尼達盆地東北部海域鉆探多口探井，但多為干井，油氣勘探始終處于低迷期。2016 年，盆地進入勘探活躍期，勘探目標為新近系碎屑巖，油氣類型主要為生物氣藏[15-16]。但是，由于生物氣藏具有分布廣、埋藏淺的特點，導致含氣砂巖、殘余氣層、含水砂巖均出現“亮點”異常，地震響應特征復雜，油氣檢測精度低。因此，精細預測儲層的含油氣性是提高該區勘探成功率的關鍵。

本次研究主要依托全疊加地震數據和鉆井資料。總體來看，鉆井資料較為齊全，三維地震數據成像品質較好，主要目的層垂向分辨率約為 20～ 40m 。但由于缺少疊前地震資料，現有數據對儲層預測及烴類檢測方法支撐作用有限。

2 巖石物理分析

在油氣地震勘探中，當地下地質體的巖性、物性發生變化時，會引起地震波傳播速度產生異常，從而在地震剖面上形成強波阻抗界面，即振幅“亮點”。巖石物理分析是彈性特征與儲層特性的橋梁和紐帶，是儲層預測和油氣檢測研究中不可或缺的關鍵環節，它的任務是尋找各種彈性參數與儲層特性（巖性、物性、含油氣性）之間的關系[17]。

2. 1 儲層敏感因子分析

利用地震標志層與測井分層的深度可以標定關鍵地質年代及巖性界面。測井曲線交會特征表明，疊后縱波阻抗能夠識別儲層（圖 1）。巴巴多斯增生楔盆地目的層為上新統和更新統砂巖，儲集層埋深約 為 1000～3000m ，縱 波 速 度 約 為 2000～ 2700m/s ，密度約為 2.1～2.3g/cm³ ，相同埋深下泥巖縱波速度約為 2300～3000m/s ，密度約為 2.3～ 2.4g/cm³ 。由于砂巖速度、密度低于泥巖，頂面形成負地震反射，厚層砂巖在地震剖面上表現為相對低頻、連續、強振幅反射，泥巖主要表現為弱振幅反射。當砂巖儲層含生物氣后，由于速度、密度同時降低，縱波阻抗進一步下降，含氣砂巖縱波阻抗低于含水砂巖。

圖1 研究區主要鉆井測井響應特征

2. 2 儲層特征分析

流體替代是巖石物理分析的重要組成部分，是研究儲層巖性和流體的方法和手段[18]。本文通過建立砂泥巖間互地層地質模型，基于 Biot-Gassmann理論對典型鉆井的測井曲線開展不同物性條件下的流體替代，并結合正演模擬計算不同儲層特性變化對地震振幅響應特征的影響[19-20]。研究結果表明，靶區低飽和度氣層和高孔隙水層是影響流體識別的關鍵干擾因素，雖然泊松比等疊前彈性參數同樣可以作為流體敏感因子用于烴類檢測，但已有的疊后地震資料無法滿足疊前儲層含油氣性描述的要求，本文不做重點討論。

2. 2. 1 含氣飽和度

P 井鉆遇含氣砂巖儲層，且儲層物性較好。利用 AVO 分析明確該井含氣砂巖頂面對應Ⅲ類AVO 特征。通過改變儲層段含氣飽和度開展流體替代，假設不含氣時的地震響應為基值，當含氣飽和度增加至 3% 時，截距、梯度同時增加，地震振幅響應也會顯著增大，接近基值的兩倍；當含氣飽和度接近 10% 及以上，測井交會曲線的截距、梯度逐漸趨于穩定，地震振幅值變化很小（圖 2、圖 3）。因此，低含氣飽和度的水層與氣層的地震響應十分接近，會影 響 直 接 烴 類 指 示 （Direct Hydrocarbon Indicators，DHI）方法的預測精度。

圖2 不同含氣飽和度下的AVO 曲線

圖3 反射強度隨含氣飽和度變化的疊后正演剖面對比

2. 2. 2 平均孔隙度

假設砂巖儲層的含氣飽和度為定值，則高孔隙砂巖的地震振幅更強，對比證實，孔隙度對振幅的影響小于含氣飽和度。研究區儲層物性好，砂巖平均孔隙度接近 20% 。通過對典型鉆井儲層段進行地震道集正演標定，結果表明，當儲層段平均孔隙度高于周邊沉積環境均值 8% 時，高孔隙度水層的地震響應與氣層接近。但即使儲層孔隙度增至最大，水層反射強度總體仍小于氣層。

2. 2. 3 儲層厚度

本文也考慮了儲層厚度變化對地震響應的影響。圖 4 表明，當儲層接近調諧厚度（研究區約為20m. ）時，地震反射強度最大。盆地鉆井揭示單砂組儲層厚度約為 8～55m ，此厚度范圍內，高飽和度氣層的反射強度高于其他流體任意厚度時的反射強度。此外，雖然低飽和度氣層或高孔隙水層在調諧厚度時反射強度有可能高于高飽和度氣層，但調諧振幅相對于基值振幅的差異較小，因此厚度變化的影響小于含氣飽和度和孔隙度，亦不是影響地震反射強度的主要原因。

綜合上述因素，通過改變儲層段的礦物含量和流體性質可以定量計算不同敏感參數與地震反射強度的擬合關系，明確含氣飽和度是巴巴多斯增生楔盆地深水區儲層地震響應最主要的控制因素。當儲層含氣飽和度達到 3% 時，反射強度增大 1 倍。對比來看，隨著儲層孔隙度增加，地震反射強度雖然呈線性增加，但影響敏感程度低于含氣飽和度，儲層厚度引起的調諧作用影響最小（圖 5）。

圖4 不同流體反射強度隨厚度變化趨勢

圖5 儲層含氣飽和度（a）、孔隙度（b）、厚度（c）隨地震反射強度變化趨勢對比

3 疊后相對振幅解耦流體檢測方法

3. 1 方法步驟

研究區鉆井勘探成功率低，雖然多口井揭示了厚層砂巖儲層，但并未鉆遇氣層，主要是由于含氣砂巖、殘余氣層、含水砂巖在地震上均可呈現“亮點”振幅異常，常規疊后油氣檢測方法并不適用（圖 6）。本文統計了所有已鉆砂組的絕對振幅強度，發現多套水砂的絕對振幅高于氣砂，與測井巖石物理規律并不吻合。由分析結果可知，針對不同采集年代的地震資料及不同成巖作用的地層，絕對振幅范圍均有明顯差異。因此，地震絕對振幅并不能真實反映巖性體與背景泥巖的阻抗關系，也無法利用疊后地震直接區分流體。當儲層縱波阻抗接近時，流體性質可能不同；而縱波阻抗不同時，流體性質也可能相似（圖 7）。因此，需要區分地震絕對振幅、相對振幅和解耦儲層的真實地震反射特征，實現儲層含氣性

圖6 過盆地鉆井地震剖面

預測。

針對“亮點型”砂巖儲層的疊后相對振幅解耦流體檢測技術工作流程如下。

第一步：收集儲層樣本。基于鉆井資料，收集整理周邊所有揭示氣層和水層的有效砂組，作為技術模型的數據基礎。

第二步：解釋儲層關鍵地震界面。選擇過某砂組的地震測線，開展砂組頂面解釋。解釋范圍按照儲層及非儲層 1∶1 的比例向外延伸，覆蓋少量背景泥巖。同時，按此方法完成其他砂組頂面的解釋。

第三步：地震屬性提取與標準化。基于巖石物理分析結果，提取相應時窗內儲層頂面的敏感屬性，并將其范圍標準化至 0～1 。研究區儲層整體表現為低阻，因此最小振幅屬性能夠更準確地反映砂組分布范圍，將其作為第一種敏感屬性進行標準化。

將 M 砂組頂面第 k 道最小振幅值標準化，即

式中： A_k 為 M 砂組在第 k 道標準化后的最小振幅值； Amp_k 為過 M 砂組地震測線第 k 道的最小振幅值；Min. Amp 為過 M 砂組地震測線所有道最小振幅值的最小值；Max. Amp 為過 M 砂組地震測線所有道最小振幅值的最大值。

第四步：引入數學方差原理，設計相對振幅解耦因子，計算標準化后最小振幅屬性的離散系數，得到相對振幅（相對反射強度）（圖 8）。當數據方差值越大，代表波動越劇烈；方差值越小，代表波動越穩定。

圖7 不同流體類型砂組波阻抗特征交會

圖8 標準化后最小振幅屬性的相對振幅

如前文所述，研究區砂巖儲層具有低阻特征，且阻抗 （圖 1）。當儲層含生物氣時，振幅峰值與背景泥巖的偏離程度更大。對比結果證實氣層的相對振幅值達到水層的 8 倍以上，而絕對振幅值僅為水層的 4 倍左右（圖 9）。因此，相對振幅對流體變化更為敏感，可以利用該原理突出氣層與非氣層的地震響應關系。

圖9 砂組相對振幅與絕對振幅強度差異對比

設計相對振幅解耦因子計算公式

式中： A_a 為 M 砂組所有道最小振幅標準化后的平均值；RA（Relative Amplitude）為砂組 M 的相對振幅。

第五步：驗證預測結果，優化相對振幅解耦因子，提升模型預測精度。前述儲層分析結果表明，含氣飽和度和孔隙度是影響研究區地震響應的主要因素，且含氣飽和度影響更大。通常地層中含有流體時，吸收系數會增大，引起地震波振幅衰減。振幅的衰減程度一般隨頻率 f 升高而增大，地層的吸收系數與地震波的頻率成正比，即

E=E_ef

式中： E 為介質吸收系數； E_e 為有效吸收系數。

因此，引入與含油氣性相關性高的頻率屬性作為第二種敏感屬性，計算得到相對頻率。

設計相對頻率解耦因子計算公式

式中： f_k 為 M 砂組地震測線第 k 道標準化后的瞬時頻率值； f_a 為 M 砂組所有道頻率標準化后的平均值；

Rf 為 M 砂組的相對頻率。

由于砂巖儲層含氣飽和度與振幅為正相關、與頻率為負相關，因此將振幅、頻率兩種解耦因子加權融合可突出氣層響應，反映更多地質信息。通過類比所有砂組融合解耦后的結果，建立其與地層埋深的交會關系，提升不同地質條件下氣層與水層的預測精度。

融合解耦因子計算公式

式中：RS 為融合解耦因子； ?_m 為計算系數。

第六步：基于解耦因子進行儲層含氣性預測。搜索其他潛在的有利巖性目標，并對其重復步驟二—步驟五，利用優化后的融合屬性解耦模型進行儲層含氣性預測。

3. 2 應用效果分析

利用上述流程，基于疊后地震資料，分析所有砂組的地震反射特征，開展儲層含氣性預測。圖 10 對比了不同方法對流體的識別能力，每個樣點分別代表一套砂組的地震響應表征，紅色和藍色分別為氣層和水層。圖 10a 是利用地震絕對振幅的常規預測結果，表明氣層和水層樣本混雜，絕對振幅值疊置嚴重，含油氣性檢測多解性強。圖 10b 是解耦相對振幅得到的預測結果，表明氣層相對振幅與水層差異明顯，氣層整體為高值，區分門檻清晰，對流體的識別能力更強。通過對圖 10b 中所有樣點進行精細分析，發現三個相對振幅較高的水層樣點的含氣飽和度均接近 10% ，證實其為儲層含油氣性變化導致的烴類指示。由于儲層含氣飽和度增加會導致其在地震剖面上呈現高頻衰減和低頻增強的特征，氣層樣點的相對頻率低于水層（圖 10c）。因此在相對振幅計算結果的基礎上，引入對含氣飽和度更敏感的頻率信息，優化預測結果，更準確地識別出高含氣飽和度的有效氣層，消除儲層含油氣性變化導致的預測誤差。圖 10d 是將相對振幅與相對頻率解耦后融合的預測結果，可以看出該方法顯著提升了對含氣砂巖和含水砂巖的識別能力。

通過建立靶區砂巖樣本的相對振幅（頻率）特征量版，能夠完全區分氣砂和水砂，并指導其他有利目標進行含油氣性預測。以 A 目標為例，分別計算過目標構造高部位、構造低部位兩個位置的相對振幅（頻率），判斷含油氣性。構造高部位，相對振幅與頻率融合結果位于氣層區，烴類指示強，指示目標高部位為氣層（圖 11）；構造低部位，相對振幅與頻率融合結果位于水層區，烴類指示弱，指示在目標的低部位為水層。因此預測 A 目標雖然具備一定的成藏條件，但油氣充滿度較低，資源規模有限。

圖10 不同砂組地震絕對振幅與相對振幅對比

圖11 A 目標含氣性預測

4 結論

根據研究區地震數據的實際特點，本文提出了一種針對“亮點型”砂巖儲層的疊后相對振幅解耦技術，將相對振幅概念引入流體檢測，對不同采集年代的疊后地震數據進行了儲層含油氣性描述。相對于傳統的疊后油氣檢測方法，本文方法對儲層含油氣性預測精度更高，能夠為勘探決策提供重要依據。得到的認識和結論如下。

（1）研究區發育深水濁積砂巖儲層，儲層頂面為低阻特征，地震響應為相對低頻、連續、強振幅反射。當儲層含氣之后，縱波阻抗更低，地震反射更強。

（2）通過對典型鉆井開展不同儲層特性下的流體替代及正演模擬，定量分析了靶區儲層地震響應的潛在影響因素。其中低飽和度氣層和高孔隙水層是影響研究區氣、水識別的關鍵因素，儲層厚度的影響作用相對有限。

（3）疊后相對振幅解耦流體檢測技術能夠突出氣層與非氣層之間的反射特征差異，將振幅解耦因子和頻率解耦因子融合后，有效區分含氣砂巖和含水砂巖，克服了資料、相帶、物性等因素的干擾，為疊后地震儲層預測及油氣檢測提供了一種可靠途徑。

參 考 文 獻

［ 1 ］ ROCHES. Seismic data acquisition ? the new millen? nium[J]. Geophysics， 2001， 66（1）： 54?54.

［2］ PENNINGTON W D. Reservoir geophysics[J]. Geo? physics， 2001， 66（1）： 25?30.

［3］ 韓文功， 印興耀， 王興謀， 等 . 地震技術新進展（上 冊）[M]. 東營：中國石油大學出版社， 2006.

［4］ MCCARTHY J， MINSKY M L， ROCHESTER N， et al. A proposal for the dartmouth summer research project on artificial intelligence[J]. AI Magazine， 2006， 27（4）： 12?14.

［5］ 張樹林，李緒宣， 姜立紅. 海上多波多分量地震技術 新進展與發展方向[J]， 物探化探計算技術，2000， 22（2）： 97?107. ZHANG Shulin， LI Xuyi， JIANG Lihong. Improve? ment and development of China offshore multiwave and multicomponent seismic technique[J]. Computing Techniques for Geophysical and Geochemical Explora? tion， 2000， 22（2）： 97?107.

［6］ 趙萬金， 楊午陽， 趙偉. 地震儲層及含油氣預測技術 應 用 進 展 綜 述 [J]. 地 球 物 理 學 進 展 ， 2014， 29（5）： 2337?2346. ZHAO Wanjin， YANG Wuyang， ZHAO Wei. The Review of technical progress in application of seismic reservoir and hydrocarbon prediction[J]. Progress in Geophysics， 29（5）： 2337?2346.

［7］ 黃饒， 侯昕曄， 牛聰， 等. 鈣質砂巖強軸影響下的深 水扇儲層預測技術[J]. 石油地球物理勘探， 2023， 5 8 （1）： 170?177. HUANG Rao， HOU Xinye， NIU Cong， et al. Deep water fan reservoir prediction technology under the in? fluence of strong amplitude of calcareous sandstone[J]. Oil Geophysical Prospecting， 2023， 58（1）： 170?177.

［8］ 黃饒， 王建花， 葉云飛， 等. 巖性目標油氣檢測技術 在瓊東南盆地的應用[J]. 石油地球物理勘探， 2024， 59（2）： 320?330. HUANG Rao， WANG Jianhua， YE Yunfei， et al. Application of oil and gas detection technology for lithological targets in Qiongdongnan Basin[J]. Oil Geo? physical Prospecting， 2024， 59（2）： 320?330.

［9］ 鄭江峰， 彭剛， 孫佳林， 等. 基于90°相移的振幅和頻 率屬性融合法油氣檢測[J]. 石油物探， 2019， 58（1）： 130?138. ZHENG Jiangfeng， PENG Gang， SUN Jialin， et al. Fusing amplitude and frequency attributes for hydrocar? bon detection using 90^° phase shift data[J]. Geophysi? cal Prospecting for Petroleum， 2019， 58（1）： 130?138.

［10］ 李才， 張平平， 侯棟甲， 等. 高頻亮點加權技術在烴 類 檢 測 中 的 研 究 與 應 用 . 石 油 物 探 ， 2023， 62（6）： 1182?1193. LI Cai， ZHANG Pingping， HOU Dongjia， et al. High ? frequency bright ? spot weighting and its applica? tion in hydrocarbon detection[J]. Geophysical Prospec ? ting for Petroleum， 2023， 62（6）： 1182?1193.

［11］ 李紅梅 . 泊松比參數直接反演方法在儲層油氣檢測 中的應用[J]. 地球物理學進展， 2013， 28（6）： 3049?3055. LI Hongmei. Application of poisson′s ratio direct in? version to reservoir hydrocarbon detection[J]. Prog? ress in Geophysics， 2013， 28（6）： 3049?3055.

［12］ 姜仁， 曾慶才， 黃家強， 等. 巖石物理分析在疊前儲 層預測中的應用[J]. 石油地球物理勘探， 2014， 49（2）： 322?328. JIANG Ren， ZENG Qingcai， HUANG Jiaqiang， et al. Application of rock physics analysis in pre ? stack seismic reservoir prediction[J]. Oil Geophysical Pros? pecting， 2014， 49（2）： 322?328.

［13］ XUE Y J， WANG X J， CAO J X， et al. Hydrocar? bon detections using multi ? attributes based quantum neural networks in a tight sandstone gas reservoir in the Sichuan Basin， China[J]. Artificial Intelligence in Geosciences， 2021， 2： 107?114.

［14］ ZHANG K， LIN N， TIAN G， et al. Unsupervised ? learning based self ? organizing neural network using multi ? component seismic data： Application to Xujiahe tight ? sand gas reservoir in China[J]. Journal of Petro? leum Science and Engineering， 2022， 209： 109964.

［15］ BABB S， MANN P. Structural and sedimentary de? velopment of a neogene transpressional plate boundary between the Caribbean and South America plates in Trinidad and the Gulf of Paria[M]. Sedimentary Ba? sins of the World. Elsevier， 1999， 4： 495?557.

［16］ GARCIACARO E， MANN P， ESCALONA A. Re? gional structure and tectonic history of the obliquely colliding Columbus foreland basin， offshore Trinidad and Venezuela[J]. Marine and Petroleum Geology， 2011， 28（1）： 126?148.

［17］ 郭澤清， 李本亮， 曾富英. 生物氣分布特征和成藏條 件[J]. 天然氣地球科學， 2006， 17（3）： 407?413. GUO Zeqing， LI Benliang， ZENG Fuying， et al. Dis? tribution characteristics and reservoir formation condi? tions of the biogenetic gas[J]. Natural Gas Geoscience， 2006， 17（3）： 407?413.

［18］ LEONARD R. Geology and hydrocarbon accumula? tions， Columbus Basin， offshore Trinidad[J]. AAPG Bulletin， 1983， 67（7）： 1081?1093.

［19］ 黃偉傳， 楊長春， 范桃園，等 . 巖石物理分析技術在 儲層預測中的應用[J]. 地球物理學進展， 2007， 22（6）： 1791?1795. HUANG Weichuan， YANG Changchun， FAN Taoyuan， et al. The application of petrophysical analy? sis in the reservoir prediction[J]. Progress in Geophy ? sics， 2007， 22（6）： 1791?1795.

［20］ SMITH T M， SONDERGELD C H， RAI C S. Gassmann fluid substitutions： A tutorial[J]. Geophy ? sics， 2003， 68（2）： 430?440.

（本文編輯：趙君）

作 者 簡 介

王嘉 工程師，1990 年生；2012 年獲吉林大學數學學院理論與應用力學專業學士學位；2015 年獲中國地質大學（北京）地球物理學專業碩士學位；目前就職于中國海洋石油國際有限公司，主要從事海外油氣勘探綜合地球物理研究。