一种孔隙型碳酸盐岩储层岩石类型确定方法及装置

摘要

本发明提供了一种孔隙型碳酸盐岩储层岩石类型确定方法及装置，所述方法包括：S1:根据铸体薄片数据鉴定的基础岩石类型分类结果对每种基础岩石类型所对应的压汞数据进行定名标定，以获得基础岩石类型压汞曲线的集合团簇；S2:将集合团簇中的压汞曲线进行网格化，根据压汞曲线所在的网格重合程度，利用重叠度系数计算方法计算任意两种基础岩石类型之间的压汞曲线集合团簇间的重叠度系数，并建立重叠度系数矩阵；S3:根据S2中所得到的重叠度系数，依次对重叠度系数最大的基础岩石类型进行层次聚类分析，以建立基础岩石类型之间的压汞曲线相似度层次结构，同时设定重叠度系数阈值后输出孔隙型碳酸盐岩储层岩石类型结果。

说明书

技术领域

本发明涉及一种孔隙型碳酸盐岩储层岩石类型确定方法及装置，属于油气田开发地质技术领域。

背景技术

碳酸盐岩储层受沉积作用和成岩作用的双重作用影响，具有储层矿物组成类型多、孔隙结构复杂，储层成因类型多的特点，碳酸盐岩储层质量定量表征和储层岩石类型的分类问题是一项国际性难题。当前针对碳酸盐岩储层岩石类型分类方法较多，总体而言有福克、邓哈姆法等基于地质成因特征的分类方法，也有R35、FZI、FZI*等基于数学模型的岩石类型分类方法。其中，基于地质成因特征的分类方法强调碳酸盐岩储层岩性、成岩作用和孔隙发育特征等定性的地质特征，难以有效地确定储层分类评价标准以进行有效的储层质量评价，而基于数学模型的岩石类型分类方法主要强调岩石物理参数与孔隙度渗透率等岩石参数之间定量关系模型，但是该方法忽略了地质特征对储层质量差异的控制作用。

因此，提供一种新型的孔隙型碳酸盐岩储层岩石类型确定方法及装置已经成为本领域亟需解决的技术问题。

发明内容

为了解决上述的缺点和不足，本发明的目的在于提供一种孔隙型碳酸盐岩储层岩石类型确定方法。

本发明的另一个目的还在于提供一种孔隙型碳酸盐岩储层岩石类型确定装置。

本发明的又一个目的还在于提供一种计算机设备。

本发明的再一个目的还在于提供一种计算机可读存储介质。本发明所提供的方法及装置基于计算机视觉的图像分割技术和基于网格的层次聚类算法对铸体薄片、岩心物性、压汞和测井数据进行数据驱动，以不同基础岩石类型之间压汞曲线簇之间相似度为属性指标进行层次聚类，解决了地质特征和岩石物理性质不统一的问题，实现了储层质量差异定量化表征问题，从而成功地确定了孔隙型碳酸盐岩储层岩石的类型。

为了实现以上目的，本发明提供了一种孔隙型碳酸盐岩储层岩石类型确定方法，其中，所述孔隙型碳酸盐岩储层岩石类型确定方法包括：

S1:根据铸体薄片数据鉴定的基础岩石类型分类结果对每种基础岩石类型所对应的压汞数据进行定名标定，以获得基础岩石类型压汞曲线的集合团簇；

S2:将集合团簇中的压汞曲线进行网格化，根据压汞曲线所在的网格重合程度，利用重叠度系数计算方法计算任意两种基础岩石类型之间的压汞曲线集合团簇间的重叠度系数，并建立重叠度系数矩阵；

S3:根据S2中所得到的重叠度系数，依次对重叠度系数最大的基础岩石类型进行层次聚类分析，以建立基础岩石类型之间的压汞曲线相似度层次结构，同时设定重叠度系数阈值后输出孔隙型碳酸盐岩储层岩石类型结果。

作为本发明以上所述方法的一具体实施方式，其中，所述阈值为小于0.15。

作为本发明以上所述方法的一具体实施方式，其中，S1中，所述基础岩石类型分类结果的获取包括：

S11：利用图像数字处理技术对基础岩石的铸体薄片数据进行预处理，得到基础岩石数字图像；

S12：利用图像HSV色域分割技术和手工标注方法对影响岩石定名的矿物和孔隙等地质目标体进行图像分割；

S13：根据基础岩石的铸体薄片中影响岩石定名的矿物和孔隙的含量，重构计算颗粒质百分含量和溶蚀孔隙含量后进行基础岩石类型的确定。

本发明利用基于计算机视觉的图像分割技术对铸体薄片数据进行岩石矿物的提取，实现基础岩石类型的定量化分类。

作为本发明以上所述方法的一具体实施方式，其中，所述图像数字处理技术包括高斯滤波、锐化滤波和双边滤波中的一种或几种的组合。

其中所述高斯滤波包括低通滤波和高通滤波。

作为本发明以上所述方法的一具体实施方式，其中，所述影响岩石定名的矿物包括岩石颗粒、方解石及白云石中的一种或几种。

作为本发明以上所述方法的一具体实施方式，其中，S13中，可以采用本领域常规方法计算颗粒质百分含量(颗粒含量)和溶蚀孔隙含量。此外，本发明对基础岩石不做具体要求，本领域技术人员可以根据现场实际作业需要获取得到目标孔隙型碳酸盐岩储层的基础岩石，只要保证可以实现本发明的目的即可；例如在本发明一具体实施例中，所用基础岩石是于目标区域通过连续取样获取得到的。

作为本发明以上所述方法的一具体实施方式，其中，S2包括网格化求取区域目标函数及重叠度系数的计算；

其中，网格化求取区域目标函数包括：

定义1：数据集S＝{S

网格算法可以将n维数据集S的每一维划分为k段进行网格化，从而将对象空间量转化为有限数据的单元。数据簇中所有点所在的网格的集合即为该数据簇的区域目标函数。数据子集A依照总/全数据集S的网格划分标准转化为数据子集A’，数据子集B依照总/全数据集S的网格划分标准转化为数据子集B’，数据子集A的区域目标函数(F(A))为数据子集A’中所有点所在网格的集合；数据子集B的区域目标函数(F(B))为数据子集B’中所有点所在网格的集合；当数据被网格化后，单元网格密度可以用每个网格单元中数据点的数量来表示，相应地，数据子集的密度可以用子集分布函数中的数据点数量来表示；因此，集合A和集合B的密度可以表示为g(A)和g(B)，集合A和B的交密度和并密度可以表示为g(A∩B)和g(A∪B)。

其中，重叠度系数的计算包括：

Jaccard系数是判断两个数据集相似程度的最为常用的指标参数之一。经典的Jaccard系数可以表示为J＝(g(A∩B))/(g(A∪B))。当集合A和集合B之间数据量差异较大时，Jaccard系数无法有效地表征两个集合之间重叠度程度。因此本发明对Jaccord系数进行改进，并对重叠度系数进行数据集之间相似度程度的定量化表征。重叠度为重叠区网格内各类数据集点数与各自数据集总数之比的最大值。基于网格密度的重叠度系数有效地避免了数据集大小差异大而使相似度系数不准确的问题。对于网格化后数据集A’和网格化后的数据集B’，可以结合Jaccard系数的构造方法，重构重叠度系数O(如图9a及公式4.15-公式4.17)。

O(A,B)＝max(J(A,B),J(B,A)) 公式4.17；

公式中：J(A,B)为数据集A和数据集B网格化后交集区域A点数与全部A集合的点数比。J(B,A)为数据集A和数据B网格化后交集区域B点数与B集合的点数比。O(A,B)为J(A,B)和J(B,A)的最大值。

本发明提出用重叠度系数为度量参数进行层次聚类分析。当聚类数大于两个时，所有聚类都可以通过以重叠度系数为度量的分层聚类算法进行聚类。作为本发明以上所述方法的一具体实施方式，其中，S3:根据S2中所得到的重叠度系数，依次对重叠度系数最大的基础岩石类型进行层次聚类分析，包括：首先将具有最大重叠度系数的聚类进行聚类，然后以重叠度系数(O)小于阈值(E)结束，如图9b所示。本发明中E为判断数据子集A和B是否聚为一类的阈阀值，当O(A,B)>E时认为A’和B’相近不可分，可以聚为一类；当O(A,B)

重叠度系数的阈值(E)是终止基于网格密度的重叠度层次聚类算法(GDOH)的条件。E的选择与数据重叠的容差成比例，即E越大，数据重叠的容差越大。E的值越大，聚类数目(N)的值就越大。E的选择主要取决于预测结果的准确性。如果预测结果的精度要求在85％以上，则E值应小于0.15。

综上，作为本发明以上所述方法的一具体实施方式，其中，S2及S3具体包括以下步骤：

步骤1：将数据集空间划分为有限数量的单元，形成网格结构，数据集的每个维度可以被划分为k个相等的部分，用于数据网格；

步骤2：计算聚类之间的重叠度系数矩阵；

步骤3：将两个具有最大重叠度系数的数据集群合并到一个新集群中；

步骤4：重复步骤2和步骤3进行层次聚类；

步骤5：当所有聚类之间的相似性系数小于系数阈值时，结束层次聚类；

步骤6：输出聚类结果。

另一方面，本发明还提供了一种孔隙型碳酸盐岩储层岩石类型确定装置，其中，所述孔隙型碳酸盐岩储层岩石类型确定装置包括：

基础岩石类型压汞曲线的集合团簇获取模块，用于根据铸体薄片数据鉴定的基础岩石类型分类结果对每种基础岩石类型所对应的压汞数据进行定名标定，以获得基础岩石类型压汞曲线的集合团簇；

重叠度系数获取及重叠度系数矩阵建立模块，用于将集合团簇中的压汞曲线进行网格化，根据压汞曲线所在的网格重合程度，利用重叠度系数计算方法计算任意两种基础岩石类型之间的压汞曲线集合团簇间的重叠度系数，并建立重叠度系数矩阵；

孔隙型碳酸盐岩储层岩石类型确定模块，用于根据重叠度系数获取及重叠度系数矩阵建立模块所得到的重叠度系数，依次对重叠度系数最大的基础岩石类型进行层次聚类分析，以建立基础岩石类型之间的压汞曲线相似度层次结构，同时设定重叠度系数阈值后输出孔隙型碳酸盐岩储层岩石类型结果。

作为本发明以上所述装置的一具体实施方式，其中，所述阈值为小于0.15。

作为本发明以上所述装置的一具体实施方式，其中，基础岩石类型压汞曲线的集合团簇获取模块还包括基础岩石类型分类结果的获取单元，其包括预处理单元、图像分割单元以及岩石类型确定单元；

其中所述预处理单元用于利用图像数字处理技术对基础岩石的铸体薄片数据进行预处理，得到基础岩石数字图像；

所述图像分割单元用于利用图像HSV色域分割技术和手工标注方法对影响岩石定名的矿物和孔隙进行图像分割；

所述岩石类型确定单元用于根据基础岩石的铸体薄片中影响岩石定名的矿物和孔隙的含量，重构计算颗粒质百分含量和溶蚀孔隙含量后进行基础岩石类型的确定。

作为本发明以上所述装置的一具体实施方式，其中，所述图像数字处理技术包括高斯滤波、锐化滤波和双边滤波中的一种或几种的组合。

作为本发明以上所述装置的一具体实施方式，其中，所述影响岩石定名的矿物包括岩石颗粒、方解石及白云石中的一种或几种。

又一方面，本发明提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现以上所述孔隙型碳酸盐岩储层岩石类型确定方法的步骤。

再一方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现以上所述孔隙型碳酸盐岩储层岩石类型确定方法的步骤。

本发明所提供的孔隙型碳酸盐岩储层岩石类型确定方法利用基于计算机视觉图像数据处理技术和基于网格的层次聚类算法分别对铸体薄片数据和压汞数据进行定量化处理和运算，实现了储层质量的定量化评价和储层质量差异主控因素的定量化分析。该方法还解决了地质特征与岩石物理性质之间无法统一的难题，与传统的基于地质成因特征的分类方法相比，本发明所提供的方法在储层质量评价方面从定性分析走向定量化表征，明显提高了储层质量表征的精度；与本领域现有的R35和FZI等基于模型的岩石类型分类方法相比，本发明所提供的方法在确定储层分类评价界限方面具有重大进步，使储层岩石类型分类结果具有明确的地质意义。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实例所提供的孔隙型碳酸盐岩储层岩石类型确定方法的工艺流程图。

图2a为本发明具体实施例中基础岩石的铸体薄片的原始RGB图像。

图2b为本发明具体实施例中基础岩石的铸体薄片的原始RGB图像经低通滤波预处理后的图像。

图2c为本发明具体实施例中基础岩石的铸体薄片的原始RGB图像经高通滤波预处理后的图像。

图2d为本发明具体实施例中基础岩石的铸体薄片的原始RGB图像经锐化滤波预处理后的图像。

图2e为本发明具体实施例中基础岩石的铸体薄片的原始RGB图像经双边滤波预处理后的图像。

图3a-图3g分别为本发明具体实施例中利用图像HSV色域分割技术和手工标注方法进行分割后所得到的结果图。

图4a-图4j分别为本发明具体实施例中确定的具有不同岩性和成岩作用特征的10种基础岩石类型。

图5a-图5t为本发明具体实施例中所得到的基础岩石类型压汞曲线的集合团簇示意图。

图6为本发明具体实施例中所建立的重叠度系数矩阵。

图7a-图7f为本发明具体实施例中经过毛细管压力曲线聚类得到的储层岩石类型结果。

图8为本发明实例所提供的孔隙型碳酸盐岩储层岩石类型确定装置的结构示意图。

图9a为本发明中重构重叠度系数的示意图。

图9b为本发明中进行层次聚类算法的示意图。

具体实施方式

为了对本发明的技术特征、目的和有益效果有更加清楚的理解，现结合以下具体实施例对本发明的技术方案进行以下详细说明，但不能理解为对本发明的可实施范围的限定。

图1为本发明实施例所提供的孔隙型碳酸盐岩储层岩石类型确定方法的工艺流程图，如图1所示，所述方法包括：

S1:根据铸体薄片数据鉴定的基础岩石类型分类结果对每种基础岩石类型所对应的压汞数据进行定名标定，以获得基础岩石类型压汞曲线的集合团簇；

S2:将集合团簇中的压汞曲线进行网格化，根据压汞曲线所在的网格重合程度，利用重叠度系数计算方法计算任意两种基础岩石类型之间的压汞曲线集合团簇间的重叠度系数，并建立重叠度系数矩阵；

S3:根据S2中所得到的重叠度系数，依次对重叠度系数最大的基础岩石类型进行层次聚类分析，以建立基础岩石类型之间的压汞曲线相似度层次结构，同时设定重叠度系数阈值后输出孔隙型碳酸盐岩储层岩石类型结果。

在一实施例中，所述阈值为小于0.15。

在一实施例中，S1中，所述基础岩石类型分类结果的获取包括：

S11：利用图像数字处理技术对基础岩石的铸体薄片数据进行预处理，得到基础岩石数字图像；

S12：利用图像HSV色域分割技术和手工标注方法对影响岩石定名的矿物和孔隙进行图像分割；

S13：根据基础岩石的铸体薄片中影响岩石定名的矿物和孔隙的含量，重构计算颗粒质百分含量和溶蚀孔隙含量后进行基础岩石类型的确定。

在一实施例中，所述图像数字处理技术包括高斯滤波、锐化滤波和双边滤波中的一种或几种的组合。

在一实施例中，所述影响岩石定名的矿物包括岩石颗粒、方解石及白云石中的一种或几种。

下面以伊拉克西古尔纳1油田Mishrif主力油藏为例，详细地介绍本发明实施例所提供的孔隙型碳酸盐岩储层岩石类型确定方法。

获取基础岩石类型分类结果，包括：

利用低通滤波、高通滤波、锐化滤波和双边滤波等图像数字处理技术对基础岩石的铸体薄片(取自伊拉克西古尔纳1油田Mishrif主力油藏H井D深度)数据进行预处理，得到基础岩石数字图像，其中原始RGB图像及所得基础岩石数字图像分别如图2a-图2e所示。

利用图像HSV色域分割技术和手工标注方法对岩石颗粒、方解石及白云石等影响岩石定名的矿物和孔隙进行图像分割，所得结果如图3a-图3g所示。

根据基础岩石的铸体薄片中影响岩石定名的矿物和孔隙的含量，重构计算颗粒质百分含量和溶蚀孔隙含量后根据表1及表2所示的标准进行基础岩石类型的确定，最终可以确定具有不同岩性和成岩作用特征的10种基础岩石类型，所得结果如图4a-图4j所示，其中，10种基础岩石类型分别记为GRT1-GRT10。

表1

表2

确定孔隙型碳酸盐岩储层岩石类型，包括：

根据铸体薄片数据鉴定的基础岩石类型分类结果对每种基础岩石类型所对应的压汞数据进行定名标定，以获得基础岩石类型压汞曲线的集合团簇，如图5a-图5t所示，其中，图5a、图5c及图5e等图中，纵坐标Capillary pressure为毛细管压力，横坐标Mercurysaturation为汞饱和度，图5b、图5d及图5f等图中，纵坐标Frequency为频率，横坐标Pore-throat radius为孔喉半径；

将集合团簇中的压汞曲线进行网格化，根据压汞曲线所在的网格重合程度，利用重叠度系数计算方法采用本领域常规软件等计算任意两种基础岩石类型之间的压汞曲线集合团簇间的重叠度系数，并建立重叠度系数矩阵，所得结果如图6所示；

根据上一步中所得到的重叠度系数，依次对重叠度系数最大的基础岩石类型进行层次聚类分析，以建立基础岩石类型之间的压汞曲线相似度层次结构，同时设定重叠度系数阈值小于0.15后输出孔隙型碳酸盐岩储层岩石类型结果，本实施例中最终经过毛细管压力曲线聚类得到的储层岩石类型结果如图7a-图7f所示，其中图7a及图7b中的RRT1是对基础岩石类型GRT1、GRT2、GRT4及GRT6进行层次聚类分析所得到的一种储层岩石类型，图7c及图7d中的RRT2是对基础岩石类型GRT5、GRT7及GRT8进行层次聚类分析所得到的一种储层岩石类型，图7e及图7f中的RRT3是对基础岩石类型GRT3、GRT9及GRT10进行层次聚类分析所得到的一种储层岩石类型。

综上，本发明实施例所提供的该孔隙型碳酸盐岩储层岩石类型确定方法利用基于网格的层次聚类算法对10种基础岩石对应的压汞曲线进行层次聚类可以得到3种具有不同储层质量的储层岩石类型；有效地解决了伊拉克西古尔纳1油田Mishrif主力油藏孔隙型碳酸盐岩油藏因地质特征和岩石物理性质之间不统一而造成无法定量表征孔隙型碳酸盐岩储层质量的难题，该项研究成果对于三维地质建模和油藏数值模拟具有基础性作用，对于其他类似油藏储层岩石类型的定量分类评价具有明确指导作用。

基于同一发明构思，本发明实施例还提供了一种孔隙型碳酸盐岩储层岩石类型确定装置，由于该装置解决问题的原理与孔隙型碳酸盐岩储层岩石类型确定方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。图8为本发明实施例所提供的孔隙型碳酸盐岩储层岩石类型确定装置的结构示意图。如图8所示，所述孔隙型碳酸盐岩储层岩石类型确定装置包括：

基础岩石类型压汞曲线的集合团簇获取模块101，用于根据铸体薄片数据鉴定的基础岩石类型分类结果对每种基础岩石类型所对应的压汞数据进行定名标定，以获得基础岩石类型压汞曲线的集合团簇；

重叠度系数获取及重叠度系数矩阵建立模块102，用于将集合团簇中的压汞曲线进行网格化，根据压汞曲线所在的网格重合程度，利用重叠度系数计算方法计算任意两种基础岩石类型之间的压汞曲线集合团簇间的重叠度系数，并建立重叠度系数矩阵；

孔隙型碳酸盐岩储层岩石类型确定模块103，用于根据重叠度系数获取及重叠度系数矩阵建立模块所得到的重叠度系数，依次对重叠度系数最大的基础岩石类型进行层次聚类分析，以建立基础岩石类型之间的压汞曲线相似度层次结构，同时设定重叠度系数阈值后输出孔隙型碳酸盐岩储层岩石类型结果。

本实施例中，所述阈值为小于0.15。

本实施例中，基础岩石类型压汞曲线的集合团簇获取模块101还包括基础岩石类型分类结果的获取单元，其包括预处理单元、图像分割单元以及岩石类型确定单元；

其中所述预处理单元用于利用图像数字处理技术对基础岩石的铸体薄片数据进行预处理，得到基础岩石数字图像；

所述图像分割单元用于利用图像HSV色域分割技术和手工标注方法对影响岩石定名的矿物和孔隙进行图像分割；

所述岩石类型确定单元用于根据基础岩石的铸体薄片中影响岩石定名的矿物和孔隙的含量，重构计算颗粒质百分含量和溶蚀孔隙含量后进行基础岩石类型的确定。

本实施例中，所述图像数字处理技术包括高斯滤波、锐化滤波和双边滤波中的一种或几种的组合。

本实施例中，所述影响岩石定名的矿物包括岩石颗粒、方解石及白云石中的一种或几种。

本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现以上所述孔隙型碳酸盐岩储层岩石类型确定方法的步骤。

本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现以上所述孔隙型碳酸盐岩储层岩石类型确定方法的步骤。

综上，本发明实施例所提供的孔隙型碳酸盐岩储层岩石类型确定方法及装置利用基于计算机视觉图像数据处理技术和基于网格的层次聚类算法分别对铸体薄片数据和压汞数据进行定量化处理和运算，实现了储层质量的定量化评价和储层质量差异主控因素的定量化分析。该方法及装置还解决了地质特征与岩石物理性质之间无法统一的难题，与传统的基于地质成因特征的分类方法相比，本发明实施例所提供的方法及装置在储层质量评价方面从定性分析走向定量化表征，明显提高了储层质量表征的精度；与本领域现有的R35和FZI等基于模型的岩石类型分类方法相比，本发明实施例所提供的方法及装置在确定储层分类评价界限方面具有重大进步，使储层岩石类型分类结果具有明确的地质意义。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述，仅为本发明的具体实施例，不能以其限定发明实施的范围，所以其等同组件的置换，或依本发明专利保护范围所作的等同变化与修饰，都应仍属于本专利涵盖的范畴。另外，本发明中的技术特征与技术特征之间、技术特征与技术发明之间、技术发明与技术发明之间均可以自由组合使用。