石油天然气数学地质实习指导书.doc

石油与天然气数学地质（实习指导书）周江羽 祝春荣 丰 勇 王 斌中国地质大学（武汉）石油系二OO四年十一月前 言为了配合石油与天然气数学地质课程的教学，使学生更好的掌握课堂上所学的知识，同时，学习掌握几个基本的数据处理软件的使用。这些软件不仅在地质学领域应用广泛，而且在经济、管理等其它领域也有广泛应用。在这个基础上，我们编写了本实习教材。本教材安排了大约10学时的训练内容，共分四个单元。目的是让学生在巩固已学内容的基础上，学会使用一些数据处理软件如Surfer、Grapher、Statistics以及SPSS等进行地质数据的处理。第一单元的内容为如何使用Surfer和Grapher，目的是让学生学会使用这两个软件绘制一些基本的地质图形；在第二、三、四单元中，主要讲述了如何使用Statistics和SPSS两个数学统计软件对地质数据进行统计分析（聚类分析、回归分析和判别分析）。教材中每单元都由“目的与要求”、“操作步骤与实例”和“练习”三部分内容组成。其中，“操作步骤与实例”中详细讲解了各个软件的具体使用以及对一些基本数据的处理方法，可供学生自学，也可作为指导老师的授课内容，可根据情况而定。“练习”中安排了各部分的典型练习题目，由学生自己上机完成。我们衷心的希望，通过本次的上机实习指导训练，能够使学生更加深刻的掌握所学的知识，对以上几个软件能够熟练操作使用，解决实际问题。也希望大家在使用本实习教材的过程中提出宝贵意见，以便更加完善石油与天然气数学地质课程的教学和实习，提高大家应用计算机解决实际问题的能力。 编者 二零零四年十月目 录第一单元 Grapher和Surfer2第二单元 回归分析24第三单元 聚类分析14第四单元 判别分析29第一单元 Grapher和Surfer一、目的要求熟悉地质绘图及数据处理软件Grapher和Surfer，学习使用它们进行最基本的数据处理以及基本图形的绘制。二、操作步骤与实例在石油地质和石油工程中，Grapher和Surfer是两个比较常用的地质绘图及数据处理软件。本单元中，主要学习使用Grapher进行线图和三角图的绘制以及学习使用Surfer进行井位图、等高线、等厚图、基本线图等的绘制。1、用Grapher进行线图和三角图的绘制例11：某油田从19781996年的含水率、累积产油量和累积产水量如表11，作出从19781996年的变化曲线图。表11：时间（年）含水率（）累积产油量Np（万吨）累积产水量Wp（万吨）19782.4286.4629.7219794.5367.8333.5819806.7459.9140.16198110.8569.5953.49198215.1693.175.38198316.4814.8399.3198419.8961.33135.4198524.91134.49192.68198634.21314.63286.18198743.71486.35419.71198851.81649.54595.21198956.51810.66804.73199064.41962.161073.42199170.52107.631425.53199275.12237.821817.361993802354.082256.73199483.12453.282693.591995842543.223164.25199685.52623.123634.42步骤：1、打开Grapher，输入数据并保存；2、新建一个plot文件，在graph菜单下面选择new graph中的line/symbol.。在弹出的对话框中做如下选择（图11）。点击确定得到关系图（图12）。3、曲线的拟合。在fits栏中（图13）选择所需要的拟合线，本例中选择拟合直线。然后选择add后应用、确定。得到的拟合线如图12。图11关系曲线拟合线图12：某油田含水率变化曲线图图13：曲线的拟合例1-2：已知五个矿物，其石英、长石和岩屑的含量见表1-2，作出其含量三角图。表1-2：石英Q长石F岩屑L423622383725393625423622403525步骤：1、打开Grapher，输入数据并保存；2、新建一个plot文件，在graph菜单下面选择new graph中的Ternary diagramm.。在弹出的对话框中做如下选择（图14）。点击确定得到三角图（图15）。图14：图15：三角图2、用Surfer绘图。例1-3：等厚图和井位图的绘制。数据如表1-3表1-3：井号厚度XY10-101.2196881123609781.510-111.2196883093610001.510-121.2196885913610091.510-142196891933610275.510-1481.619689184361021210-161.8196897273610499.910-1980.6196906093610640.610-2020.419690697361096010-81.4196875143609607.211-1381.2196888083610336.511-1481.6196893433610665.23-1382.6196896213608327.13-81.8196885823607751.43-81.8196885823607751.44-100.8196888703608224.94-60.8196877873608183.35-1681.2196903703609188.45-6080.8196876083608014.26-100.81968859036086726-1180.6196889573608715.36-120.8196891023608769.26-4081.4196873603608182.36-61196875393608335.66-7081196879913608341.76-7181.2196877373608519.96-7281.8196878663608583.36-82.2196881763608518.57-1182196886323608843.67-1280.6196888883609124.17-9081.8196880533608786.87-9180.6196879923608883.28-101.6196881243609172.28-160.8196899433609926.28-1821.2196904153610222.28-201.4196910113610421.48-201.4196910113610421.48-611968721036088448-7080.8196875053608717.89-1081.2196883173609593.49-1760.4196899753610295.6B270.8196876583608987B591196902243610727.6F10-121196885383610056.4F10-160.8196897003610450.2F12-131.4196885763610636.2F12-180.6196900723611248.9F6-80.6196880523608515.2FB590.6196901253610676.1H10-1381.6196889983610160.8H10-2060.2196903963610995H10-2080.8196904663611012.2H10-61.4196870863609256.3H10-7081.8196872203609554.4H11-1381.4196890413610440.3H11-1780.8196899133610831.1H12-111.2196880893610328.8H4-3080.8196875763607750.6H4-4081.4196879703607777.8H4-5081196877363607854.6H4-6080.6196879593607993.3H4-8081.2196884843607980.4H5-1080.6196886533608516.3H5-5080.4196874223607901.3H5-6070.6196875273608021.1H5-7082.2196881443608286.2H5-7181.4196881933608318.8H6-1280.6196888593608917H7-1081196884503609080.4H8-1080.8196883143609317.2H8-5080.6196868203608381.9H8-7081.4196872483608487.3H8-7181196877533608746H9-1780.8196901553610451.3H9-61.8196869863609027.1H9-8080.8196878923609185.2J10-1181.2196883683609962.8J10-9071.2196878833609601.5J7-9281.6196882923608811.1J9-8081196877653609315.7T10-1180.8196885283609787.4T10-1580.6196894193610385.5T10-1780.4196898893610612.3T10-8081.4196875563609395.4T11-110.8196882513610133.7T11-131.4196887593610639.5T11-141.4196890293610613.7T11-150.6196894173610856.9T11-1571.2196895973610776.1T11-170.6196896423611071.7T11-1770.6196898223610985.4T11-1870.6196904043611221T11-1880.6196901503610925.5T11-91.4196876673609843.2T4-6080.4196877483608213T6-8080.4196883093608513T7-1180.4196886773609200.9T7-1181.2196886773609200.9T7-1280.8196891293609430.9T7-1381196894083609414.5T7-1480.6196892913609313.6T7-9280.8196883183608819.4T8-1080.8196883373609114.9T8-1180.6196885133609362.2T8-1380.8196889623609588.1T8-1480.2196894513609824.3T8-1581.4196896203609932.2T8-1680.6196899303609998.8T8-1760196901733610116.4T8-1780.2196901243610128.3T8-7081.4196874823608733.8T8-8081.4196877143608976.2T8-9080.8196879953609041.3T9-1080.4196884663609380.5T9-1381.6196888633609944.9T9-1481.8196891623609971.1T9-1580.8196897213610167.5T9-1880.8196903543610500.6T9-7081.4196873793609058.2T9-9081196881163609442.2Z21196896643609362.5 201196872933609339.4 211196884923608303.3 231196894463610144.2 6-61.4196874653608387.7 6-7081.4196879523608355.8 8-1081.6196880473609149.7 T10-1780.4196899033610573.8 T8-1180.8196885263609283.4 420.4196882143608094.9步骤：1、打开Surfer，输入数据并保存。2、将数据进行Grid。数据的选择如图1-6：图1-6：在General中选择定义一个输出的grid文件名称图1-7。这里的文件名称为：12-3夹层厚度.grd图1-7：3、选择map菜单栏中的new contour map，打开grid文件：12-3夹层厚度.grd就得到了等厚图（图1-8）。图1-8：等厚图4、选择new post map，打开数据。作如图1-9选择。图1-9：在Labels中选择井号如图1-10。选择自己所需要的Symbol。图1-10所作出的井位图如图1-11：图1-11：井位图5、选择map菜单下的Overlaps，可以将井位图和等厚图重叠。6、选择map菜单下的wireframe，打开grid文件：12-3夹层厚度.grd得到网格图，即平面图。（图112）图112：剖面地形图7、选择map菜单下的vector map，打开grid文件：12-3夹层厚度.grd得到矢量图（图113）。图113：矢量图8、选择map菜单下的Overlaps，将等厚图、平面图和矢量图重叠（图114）。图114：三、练习1、作出例1-1中的时间和累积产水量和累积产油量之间的关系图，并进行拟合。（注：在grapher中，可利用线图的绘制进行测井曲线的绘制。）第二单元 回归分析一、目的要求1、通过上机实习加深理解三大多元分析方法之一的回归分析方法。2、学习使用STATISTICA数学统计软件对数据进行聚类分析。3、学习使用SPSS数学统计软件对数据进行聚类分析。二、操作步骤与实例回归分析是研究变量间相互关系的一种统计方法，通过建立一个变量和另一个变量或多个其它变量之间的数学表达式来表示它们之间的定量关系。回归分析可分为多元线性回归和逐步回归分析两种。A多元线性回归运用多元线性回归方法来解决问题时，重点是确定多元回归模型，即多元线性回归方程的确立。1、运用STATISTICA数学统计软件对数据进行多元线性回归分析例41：我国长江中下游矽卡岩矿床的研究表明：铜铁矿床的指示元素组合为Cu、Ag、As、Mn、Zn等，某地质队为在工作区评价矽卡岩的含矿性，根据成矿元素组合特征预测矿床类型，随机地从一批地球化学晕取样分析结果中取得四元素的12个数据，如表。试建立Cu与 Ag、As、Mn、Zn之间的多元线性回归方程，并确定其显著性。表41：Ag（X1）As（X2）Mn（X3）Cu（Y）16.25156.527.0620737.56.5257.247.55107.557.85.5157.768.058878.56218.488.8378.599.05128.8109.02.568119.237.28.5129.53.510.18.7步骤：将数据输入，生成数据文件并保存。在Analysis中选择统计方法为Linear Regression（如图41）。在Variables中的选择见图42，其它的如图选择。图41：Statistica多元线性回归分析要素选择图图42：Statistica多元线性回归分析变量选择图然后点击ok得到多元线性回归结果。如图43：图43：Statistica多元线性回归分析结果图可根据此结果得到多元线性回归的数学模型：Cu=0.6616+1.09Ag+0.5As-0.35Mn。2、运用SPSS数学统计软件对数据进行多元线性回归分析：对例41进行多元线性回归分析。步骤：将数据输入，生成数据文件并保存。在Analyze菜单的Regression项目中选择Linear。在Dependent项目中选择Cu，在Independent（s）项目中，这里选择全部。Method选择Enter，如图44。在Statistics项目中可选择你所需要的统计描述，在Plots项目中可选择你所需要的图表等。然后点击ok完成多元线性回归分析。图44：SPSS多元线性回归分析要素选择图在Coefficients一项中可见Standardized Coefficients（即标准化后的Beta值），常数项为0.662。（表42）表42：Coefficients(a)Model Unstandardized CoefficientsStandardized CoefficientstSig. BStd. ErrorBeta 1(Constant).662.820 .807.443 Ag_X1.796.0751.08810.672.000 As_X2.274.096.5002.852.021 Mn_X3-.041.019-.351-2.227.057a Dependent Variable: Cu_Y由此可得出回归模型：Cu=0.662+1.088Ag+0.5As-0.351Mn。多元线性回归结果和Statistica统计软件一致。在上机实习中，可以将其它的结果在两个软件之间进行比较。B逐步回归分析在一些实际问题中，都有大量的自变量共选择。逐步回归是一种可选择变量的回归分析方法。它的基本思想是：自变量的选取是逐步进行的，每步只选一个自变量，要求这个自变量是所有选择自变量中对因变量方差贡献最大的一个，同时这个自变量对因变量的作用是显著的。这就需要比较各个供选择自变量对因变量的方差贡献，挑出其中方差贡献最大的一个自变量，并对这一自变量作F检验，若能通过，则引进，否则不予引进。这样保证引进的变量都是重要的变量，而那些不重要的变量可能不会被选进回归方程。1、 运用STATISTICA数学统计软件对数据进行逐步回归分析例42：某种水泥在凝固时放出的热量y（卡/克）与下列四种化学成分有关：X1：3CaOAl2O3的成分（）X2：3CaOSiO2的成分（）X3：4CaOAl2O3Fe2O3的成分（）X4：2CaOSiO2的成分（）筛选变量X1、X2、X3、X4，并建立它们与变量y的线性回归方程。X1、X2、X3、X4，y的观测值见下表。表43：编号12345678910111213X17111117113122111110X226295631525571315447406668X3615886917221842398X46052204733226442226341212y78.574.3104.387.695.9109.2102.772.593.1115.983.8113.3109.4步骤：同多元线性回归分析，输入数据并保存后，选取变量，进入多元线性回归分析结果界面。点击Cancel，出现如下图的窗口。图45：Statistica逐步线性回归分析要素选择图在Method项目中，可以选择Forward stepwise或者Backward stepwise。不同的方法所得出的结果是不一样的（可根据实际情况的需要进行选择）。在Number of steps项中，可根据需要选择逐步回归分析的总步骤。Displaying results指如何显示结果，有两个选项，Summary only是指仅显示结果；At each step指显示每一步的分析。其余的选项选择如图45。选择好后点击ok进行逐步回归分析。在弹出的窗口中点击next查看下一步分析结果。第一步分析结果（图46）：图46：Statistica逐步线性回归分析结果图（a）剔除3个变量，F值为22.7985，复相关系数为0.8213，X4的值为-0.82，常数为117.57。值为0.01。由此得出回归方程为：Y117.570.82 X4。分析结果显示该方程是显著的。第二步分析结果为图47：图47：Statistica逐步线性回归分析结果图（b）剔除2个变量，F值为176.627，复相关系数为0.9862，X4的值为-0.68，X1的值为0.563，常数为103.0974。值为0.01。由此得出回归方程为：Y103.09740.563 X10.68 X4。分析结果显示该方程是显著的。注：在选择哪一步建立回归方程时，要选择F值最大的一步，即关系最显著的一组变量建立回归方程。第二步的F值大于第一步。第三步的分析结果剔除一个变量，F值小于第二步。所以选择第二步所选取的变量和分析系数建立回归方程。2、运用SPSS数学统计软件对数据进行逐步回归分析输入数据并保存。在Analyze菜单的Regression项目中选择Linear。在Dependent项目中选择Y，在Independent（s）项目中，这里选择全部。Method选择一个逐步回归的方法，stepwise默认为forward。如图4-8，在Statistics项目中可选择你所需要的统计描述，在Plots项目中可选择你所需要的图表等。然后点击ok完成逐步回归分析。图48：SPSS逐步线性回归分析要素选择图在分析结果中，查看回归效果的方差分析：表：44 ANOVA(c)Model（模型） （变差来源）Sum of Squares（平方和）Df（自由度）Mean Square（平方均值）FSig.1 Regression1831.89611831.89622.799.001(a)Residual883.8671180.352 Total2715.76312 2 Regression2641.00121320.500176.627.000(b)Residual74.762107.476 Total2715.76312 模型2的F值为176.627，大于模型1的F值，所以，选择模型2的变量和系数建立回归方程。表45： Coefficients(a)Model Unstandardized CoefficientsStandardized Coefficients95% Confidence Interval for B BStd. ErrorBetaLower BoundUpper Bound1(Constant)117.5685.262 105.986129.150 X4-.738.155-.821-1.078-.3982(Constant)103.0972.124 98.365107.830 X4-.614.049-.683-.722-.506 X11.440.138.5631.1321.748a Dependent Variable: Y由此得出回归方程为：Y103.0970.563 X10.683 X4。（注：这里的系数采用的是标准化后的数据。）在实际上机实习中，建议用其它的逐步回归分析方法来建立回归方程，以便增加对两种数学统计软件的熟练使用以及对逐步回归分析方法的更深理解。三、练习1、某矿床以Cu为主，伴生多种金属元素，其中Zn与Ag可以综合利用，为了预测Ag的含量，在一个矿段采了十一个样品，其金属元素的含量（取对数）如小表，试分别用Statisica和Spss数学统计软件建立Ag与Cu、Zn之间的线性回归关系式。表46： 元素样号CuX1ZnX2AgY13.95902.77821.176124.04922.77821.602134.16142.77821.477144.79663.38022.176153.96852.77820.696064.51323.25531.778274.19872.95421.602184.55392.17612.113993.71602.47710.6990104.05692.77821.0000113.61282.30101.00002、河南桐柏银金矿土壤中的Pb、Zn、Ag、As的含量（ppm）为：表47：样号PBZNAGAS12.30002.70001.48001.700021.48002.30000.85000.700031.70002.00001.00001.100041.00001.84000.70000.400051.30002.00000.70000.880061.00001.84000.70000.600071.48002.00001.00000.880081.00002.00000.70000.400091.30002.00000.70000.9500101.00002.00001.00001.1000112.30000.48001.70001.7000121.00002.00001.00001.7000131.30002.00000.70000.7000142.00002.70001.00001.7000151.00001.84000.70001.3000161.00002.00001.00001.0000171.30002.00000.70000.7000181.30002.00001.00001.2400191.30001.84001.48001.7000201.30002.00002.00000.7000211.30002.00002.00000.8800222.00002.30002.30001.3000231.00001.84001.84000.4000241.30002.00002.00001.7000251.70002.00002.00001.7000262.00002.30002.30001.7000271.30001.84001.84000.8800试分别用Statisica和Spss数学统计软件，运用逐步回归方法建立Ag与其他变量之间的回归方程。第三单元 聚类分析一、目的要求1、通过上机实习加深理解三大多元分析方法之一的聚类分析方法。2、学习使用STATISTICA数学统计软件对数据进行聚类分析。3、学习使用SPSS数学统计软件对数据进行聚类分析。二、操作步骤与实例在聚类分析方法中，系统聚类法是应用比较频繁的一种方法。其基本思想是：先将要归类的n个样品（或者变量）各自看成一类，共n类；然后按照预先规定好的方法（如相互距离或相似系数等）计算，将关系最密切的两类并为一类，其余不变，即得n-1类；再用上述方法将新类和关系最密切的类并成一类，如此进行，每次重复都会减少一类，直至最后所有样品（或者变量）归为一类为止。上述归类过程可用一张谱系图来形象的表示出来。1、运用STATISTICA数学统计软件对数据进行系统聚类分析：例31：某学校地质系在某次二年级地质填图教学实习过程中，师生测得4条断层的几何要素如表，用聚类方法研究其异同程度和内在联系。（其中ABCD代表断层号）表31： 变量断层号倾向倾角破碎带宽水平断距A1005010200B110608168C1015556D20101040步骤：首先，将数据输入，生成数据文件并保存。（如图31）图31：Statistica聚类分析数据文件图对数据进行变换。这里采用对数据进行标准化处理。（注：一般情况下，由于每个样品各个变量的测试值具有不同的数量级和不同的测量单位，所以有必要进行变换，或者说是调整，以消除其中的不合理现象，提高分类结果的准确性。常用的数据变换方法主要有标准化法、正规化法、极差标准化法、极大值正规化法、均值正规化法、中心化法等。）具体步骤如下：在Analysis菜单下选择Other Statistics，在弹出的窗口中选择Data Management，选择Switch To。在Data Management中选择Standardize Variables，即对数据进行标准化了，将标准化的数据另存。将标准化后的数据打开，在Other Statistics中选择Cluster Analysis（聚类分析），在Clustering Method里选择第一个Joining（Tree Clustering），即形成谱系图。在弹出的窗口中选择所需要的变量（这里全部选中），Input选择Raw Data，Cluster选择Cases（Rows）（行）。其它选项如图32。然后点击ok完成聚类分析。图32：Statistica聚类分析要素选择图查看分析结果（图33）。在Horizontal hierarchical tree plot中，可以看到本次聚类分析的谱系图（图34）。图33：Statistica聚类分析结果显示图图34：Statistica聚类分析谱系图A和B被分为一类，C和D被分为一类。两类断层之间走向和倾角都存在较大差别，认为是不同性质的两组断裂构造。2、运用SPSS数学统计软件对数据进行聚类分析：对例31进行聚类分析。步骤：首先，将数据输入，生成数据文件并保存（如图35）。图35：SPSS数据文件图在Analyze菜单的classify项目中选择Hierarchical Clustering。在弹出的窗口中（如图36），选择所需要的变量，这里全部选中。Cluster中选择Cases（即对行进行聚类），Display一栏全部选择。其它的选择如图。（可在Statistica和Plots中选择所需要显示的统计分析数据结果和图表）图36：SPSS聚类分析要素选择图（a）在Method窗口中的选择（如图37），Interval选用Squared Euclidean distance。注意在Transform Values中选择对变量数据处理的方法，这里采用标准化方法。然后点击continue、ok后完成聚类分析。图37：SPSS聚类分析要素选择图（b）查看本次聚类分析结果。在dendrogram中可以看到谱系图。分析结果和statistica软件得到的结果一致。1（A）和2（B）被分为一类，3（C）和4（D）被分为一类。两类断层之间走向和倾角都存在较大差别，认为是不同性质的两组断裂构造。三、练习样品序号井号层位取样深度（m）1高16ES33769.52高36Nm12111815.33庙3Ed12290.74柳1Es3-33578.455高43-1Ed23043.56高50Es1下3041.97高57Es1上2466.38高31ES3-33289.79高13ES3348010高36ES1下264111高17ES33651.412高12ES3-53229.713高10ES3-53278.514高9ES1下293415高5ES3-3313816高2ES3-33201.817高12ES3-33585.7题目：对南堡凹陷高尚堡地区16口井17个样品的高压物性数据进行Q型聚类分析（即系统聚类分析法），选择9个测试项目作为地质变量。这9个变量是：地层压力系数（x1），饱和压力（x2），地层压力梯度（x3），原始油气比（x4），原油密度（x5），原油粘度（x6），体积系数（x7），压缩系数（x8），溶解系数（x9）。17个样品的井号层位及取样深度。（要求：分别用Statisicas数学统计软件和Spss数学统计软件进行聚类分析）17个样品的9个变量的原始数据X1X2X3X4X5X6X7X8X90.8731180.318750.7331.41.279.320.54211420.336580.8182.971.15390.3660.908680.371250.8233.731.1118.280.3670.987550.349350.7852.981.1693.20.5450.9021260.329640.7451.451.15910.920.4291.0711940.3251720.6530.71.14514.890.7220.761590.3161070.7111.26211.960.5531.23620.343380.782.671.1578.50.5321.0382580.3733000.5760.331.87724.350.8811.811990.31660.7451.391.2779.590.5661.0051050.279730.741.761.24110.540.60.9181450.3751040.6971.251.32715.710.5931.081370.351970.7160.941.27111.10.5841.1961730.3441330.6841.11.37311.670.6361.006480.323330.7782.311.158.60.5831.218740.35420.7845.241.16312.890.51.4342050.3071530.6832.261.44514.130.639第四单元 判别分析一、目的要求1、通过上机实习加深理解三大多元分析方法之一的判别分析方法。2、学习使用STATISTICA数学统计软件对数据进行判别分析。3、学习使用SPSS数学统计软件对数据进行判别分析。二、操作步骤与实例判别分析是判别已知样品所属类型的一种统计方法。与聚类分析不同的是，判别分析的前提是判别的几种类型都是已知的，且每一类型都有已知样品。判别分析的主要思想就是用统计方法将待判的未知样品与已知类型样品进行对比，以确定样品应归属于哪一类。一般方法是：设有K个总体，希望建立一个准则，对于任意一个样本X依据这个准则就能判断它是属于哪个总体。前提是：要求这个准则在某种意义下是最优的。本次实习主要学习运用数学统计软件对数据进行多个总体的Fisher判别方法进行逐步判别。1、 运用STATISTICA数学统计软件对数据进行逐步判别分析例51：取江汉油田某地区13个油层、11个水层和7个油水层的测井资料以建立该地区油、水、油水层三组的判别函数。取自然伽玛、声波时差、深感应电阻率及冲洗带电阻率为原始指标，同时考虑到油水层的侵入特征，将原始指标换算为岩性系数（用x1表示）、孔隙度（用x2表示）、侵入系数（用x3表示）及含油气饱和度（用x4表示）等四个新指标，表中列出了各样品指标。表51：层位编号X1X2X3X4油层10.2760.180.4460.68320.3780.20.7460.67330.3250.20.80.63340.1380.210.750.72850.290.2410.87