機器學習高分辨融合反演在地層對比中的應用

摘要： 開平凹陷已發(fā)現的主要含油氣層段主要位于古近系恩平組和文昌組，沉積環(huán)境主要為辮狀河三角洲平原亞相，以分流河道微相為主。由于多期河道橫向擺動，地層具有較強的非均質性，導致地層對比難度極大。本文利用機器學習算法支持向量機強大的數據擬合能力獲得低頻、中頻和高頻三部分數據的最佳融合頻率及權重，得到具有高縱向分辨率和高橫向地震分辨率細節(jié)特征的反演結果，提升井間地層尖滅位置和地層連通性描述精度。高分辨率vP/vS反演結果表明，該方法能夠識別厚度為6 m的儲層，具有較高的縱向和橫向分辨率，有利于在研究區(qū)進行地層對比。

關鍵詞：開平凹陷；古近系；機器學習高分辨融合反演；地層對比

doi：10.13278/j.cnki.jjuese.20230196 中圖分類號：P631.4 文獻標志碼：A

收稿日期： 2023-08-09

作者簡介： 呂華星（1988—），男，工程師，碩士，主要從事地震綜合解釋和儲層預測等研究工作，E-mail： lvhx5@cnooc.com.cn

基金項目： 中海石油深海開發(fā)有限公司綜合科研項目（KJGG2022-0104）

Supported by the Comprehensive Scientific Research Project of CNOOC China Limited （KJGG2022-0104）

Application of Machine Learning High-Resolution Fusion Inversion in Stratigraphic Correlation： A Case Study of Kaiping A Structural Belt in Kaiping Sag of the Pearl River Mouth Basin

Lyu Huaxing， Chen Zhaoming， Zhang Zhenbo， Jiang Dapeng， Li Kecheng， Guo Wei

Shenzhen Branch， CNOOC China Limited， Shenzhen 518000， Guangdong， China

Abstract： The main oil and gas-bearing strata discovered in" Kaiping sag are primarily located in the Paleogene Enping Formation and Wenchang Formation. The depositional environment is mainly" braided river delta plain subfacies， and the microfacies of underwater distributary channel is dominant. Due to the lateral oscillation of multiple river channels， the strata have strong heterogeneity， making stratigraphic correlation extremely difficult. This paper utilizes the powerful data fitting capabilities of machine learning algorithm support vector machine to determine the optimal fusion frequencies and weights for low， medium， and high-frequency data segments. This process yields inversion results with enhanced vertical resolution and detailed lateral seismic characteristics， thereby improving the accuracy of interwell stratigraphic pinchout positions and the description of stratigraphic connectivity. The high-resolution vP/vS inversion results demonstrate that this method is capable of identifying reservoirs with a thickness of 6 m. It offers superior vertical and horizontal resolution， which is conducive to stratigraphic correlation within the study area.

Key words： Kaiping sag; Paleogene; machine learning high-resolution fusion inversion; stratigraphic comparison

0 引言

開平凹陷位于珠江口盆地珠二坳陷西部，由主洼、北洼、西洼、西南洼和東洼五個次洼組成，海水深度介于200～500 m。開平A構造帶位于開平主洼南部斜坡帶，已鉆井證實該區(qū)為優(yōu)勢油氣匯聚單元，成藏條件優(yōu)越。其目的層為古近系恩平組和文昌組，油氣顯示豐富，見砂即見顯示且充滿度高。沉積亞相為辮狀河三角洲平原，多期河道橫向擺動，砂體疊置發(fā)育，橫向變化快，非均質性強，地層及油層對比難度極大[1-7]。

傳統(tǒng)的地層對比方法主要依賴于高分辨率層序地層學、沉積旋回等理論[8-13]，基于測井曲線的相似性開展井間橫向對比，但對井間砂體的尖滅位置及其連通性問題仍無法進行準確描述?；诘卣饠祿_展高分辨反演，得到“雙高”（高縱向分辨率和高橫向地震分辨率細節(jié)）特征的反演成果并應用于地層對比，為解決上述問題提供了新的方向。但受到地震資料本身分辨率的影響，傳統(tǒng)高分辨反演方法應用效果不佳（如縱向分辨率不夠高、橫向地震細節(jié)特征缺乏等），推廣并不廣泛。

本文同樣將地震高分辨反演的成果應用到地層和油層對比中，但在方法上做了進一步優(yōu)化和改進。針對常規(guī)稀疏脈沖反演方法分辨率不足，以及傳統(tǒng)地質統(tǒng)計學反演方法缺乏橫向地震特征細節(jié)的缺陷，利用地震特征控制的機器學習高分辨融合反演技術，將支持向量機（support vector machine， SVM）算法與分頻反演相結合，發(fā)揮算法優(yōu)勢，在高分辨反演的過程中自動學習匹配并建立高精度測井數據（低頻、高頻）與地震數據（中頻）間的權重映射關系，得到“雙高”的反演結果，并應用到地層和油層對比中，刻畫靶區(qū)古近系河道微相儲層。

1 技術方法

1.1 地震特征控制的機器學習高分辨融合反演原理

傳統(tǒng)的地質統(tǒng)計學高分辨反演是以地質統(tǒng)計分析為基礎，以地震數據為約束（并未直接參與其中），采用馬爾科夫鏈-蒙特卡洛算法（Markov chain-Monte Carlo， MCMC），將確定性反演與地質統(tǒng)計隨機模擬相結合的一種反演方法，包括隨機模擬過程以及對模擬結果進行優(yōu)化使之符合地震數據的反演過程。由于地質統(tǒng)計學反演的隨機模擬結果中并沒有引入地震數據，所以地震數據對其結果的約束作用弱，無法做到有效的地震數據特征控制，其結果必然缺少地震相的特征，特別是一些地震特征突變代表的地質現象（如河道、尖滅、串珠狀縫洞等）在反演結果中得不到體現[14-18]。

而地震特征控制的機器學習高分辨融合反演則可有效彌補地質統(tǒng)計學反演的不足。以波阻抗為例，絕對波阻抗或測井波阻抗與低頻、中頻和高頻波阻抗的關系可以用一個函數來表示：

Z=f（Zl， Zm， Zh）。（1）

式中：Z為絕對波阻抗；Zl、Zm和Zh分別為歸一化后的低頻波阻抗、中頻波阻抗和高頻波阻抗。常規(guī)地震反演的本質是地震數據的中頻成分加上測井數據的低頻成分，將這一思路推廣到高分辨反演，即再加上測井數據的高頻成分就得到了高分辨反演的結果。

李慶忠[19-21]提出了高分辨反演研究思路，即采用地震和測井數據相結合的融合反演方法，將地震數據（提供中頻部分）與測井數據模型（提供低頻和高頻部分）進行融合反演，并引入機器學習算法SVM，在高分辨反演過程中自動學習匹配并建立高精度測井數據（低頻、高頻）與地震數據（中頻）間的權重映射關系，得到雙高分辨率的反演成果數據體，在提高縱向分辨率的同時，最大限度地保持住了地震橫向細節(jié)變化特征（如河道、尖滅、串珠狀縫洞等）。

地震特征控制的機器學習高分辨融合反演方法的思路和流程是：根據目標地質體預測的分辨率要求設置合理的截止頻帶，對目標測井曲線開展濾波處理，得到測井的低頻和高頻數據，并與地震的中頻數據一起作為輸入，以目標測井曲線作為標簽數據（也可適當開展濾波處理，相當于適當降頻處理）開展機器學習模型訓練，得到高精度映射模型，將其應用到整個三維地震數據體的反演中，原理見圖1。

機器學習SVM算法的優(yōu)勢是：適合小樣本訓練數據；適用于二維空間復雜非線性分類或回歸問題；全局優(yōu)化，精度高；泛化能力強，通常不會出現過擬合現象。

1.2 疊前彈性參數vP/vS求解原理

在油氣勘探開發(fā)中，由于埋深壓實作用的影響，疊后反演得到的縱波阻抗對中深層地層巖性、物性和含油氣性的識別效果較差，而其他疊前彈性參數，如縱橫波速度比、密度、泊松比等則可以彌補縱波阻抗的不足，對地下儲層的巖性、物性和含油氣性具有較好的識別效果?？v橫波速度比、密度、泊松比等參數可以通過Aki amp; Richards方程求解：

式中：RP為地震縱波反射系數；θ為縱波入射角；vP為縱波速度；ΔvP為縱波速度變化量；vS為橫波速度；ΔvS為橫波速度變化量；ρ為地層密度；Δρ為地層密度變化量。

Aki amp; Richards方程（式（2））基于Zoeppritz線性方程推導得出，輸入疊前共反射點道集數據和偏移速度數據，通過AVO（amplitude variation with offset）三參數反演方程即可直接求解縱波速度變化率（ΔvP/vP）、橫波速度變化率（ΔvS/vS）和密度變化率（Δρ/ρ），再進行無井反演得到vP、vS和ρ相對值，最終通過機器學習高分辨融合反演得到vP/vS反演結果。

2 應用效果

2.1 恩平組-文昌組砂巖敏感性篩選分析

開平A構造帶位于開平主洼中心位置（圖2），恩平組-文昌組時期同時受開平凹陷南北兩個物源的影響。恩平組發(fā)育兩期辮狀河三角洲沉積，上恩平時期發(fā)育以北部物源神狐沙隆起為主的辮狀河三角洲體系，下恩平時期發(fā)育以南部物源順鶴隆起為主的辮狀河三角洲體系；前緣和平原內分流河道儲層物性較好，發(fā)育以南部順鶴隆起為物源的辮狀河三角洲沉積，砂體以前緣和平原內的分流河道相為主體，物性較好。

已鉆W1和W3兩口探井證實，恩平組整體表現為厚砂巖薄泥巖互層特征，巖性以中-細砂巖為主，儲層具分選中等-好和磨圓較好的特征。沉積相分析認為恩平組發(fā)育辮狀河三角洲沉積體系，沉積亞相為三角洲平原相，井點處發(fā)育分支河道砂巖沉積。文昌組同樣表現為厚砂巖薄泥巖互層特征，巖性以含礫中-粗砂巖、砂礫巖、中砂巖、細砂巖為主，儲層具分選差-中等和磨圓較好的特征。沉積相分析認為文昌組發(fā)育以南部斜坡帶為物源的辮狀河三角洲沉積體系，沉積亞相為三角洲平原和前緣相，井點處發(fā)育分支河道和水下分流河道砂巖沉積。

系統(tǒng)的巖石物理篩選分析結果（圖3）表明：開平A構造帶恩平組-文昌組的砂、泥巖阻抗差異較小，阻抗疊置嚴重，常規(guī)疊后阻抗反演難以用于靶區(qū)的儲層識別；但目的層砂巖具有明顯的低縱橫波速度比（vP/vS）、低密度趨勢，尤其是低vP/vS特征最為明顯，利用vP/vS屬性可有效區(qū)分靶區(qū)目標層的砂、泥巖。

2.2 vP/vS機器學習高分辨融合反演及效果分析

針對巖石物理優(yōu)選的最敏感彈性參數vP/vS開展機器學習高分辨融合反演。在vP/vS無井反演結果的基礎上，利用地震特征控制的機器學習高分辨融合反演方法，同時補充低頻和高頻信息，得到最終的vP/vS高分辨反演結果。

由于稀疏脈沖反演和地質統(tǒng)計學反演均為基于模型的反演方法，反演結果的好壞受初始模型的影響較大。初始地質模型基于測井數據以及地震控制的網格數據共同構建，在對地震提供的中頻信息補充低頻和高頻信息的過程中，難以避免模型化的影響。

開平A構造帶恩平組-文昌組無井反演與機器學習高分辨融合反演對比如圖4所示。無井反演結果優(yōu)勢是具有高橫向地震分辨率細節(jié)，缺點是反演結果缺少低頻和高頻信息，縱向分辨率不足，對部分厚層和薄層的響應偏弱；拋開這些缺點，反演結果仍與已鉆井W1井和W3井GR曲線對應較好，證明了vP/vS反演結果在靶區(qū)預測砂體的適用性（圖4a）。地震特征控制的vP/vS機器學習高分辨融合反演結果相對vP/vS無井反演結果縱向分辨率明顯提高，深部厚層和中-淺層薄層砂體與W1井和W3井GR曲線吻合更好；更重要的是由于降低了初始模型的影響，地震橫向細節(jié)變化特征得到很好保留（圖4b）。

圖5分別展示了開平A構造帶恩平組-文昌組稀疏脈沖反演和機器學習高分辨融合反演結果。通過對比可知，地震特征控制的vP/vS機器學習高分辨融合反演結果縱向分辨率更高，橫向地震細節(jié)特征更突出。如箭頭所指厚度約6 m的儲層由W1井到W3井方向逐漸尖滅，常規(guī)vP/vS反演結果已難以識別，但地震特征控制的vP/vS機器學習高分辨融合反演結果可清晰地刻畫出該套砂體的尖滅位置、橫向展布特征。該成果能很好地應用到地層和油層對比中。

圖6為開平A構造帶恩平組-文昌組地震資料和機器學習高分辨融合反演結果對比。地震特征控制的vP/vS機器學習高分辨融合反演結果在靶區(qū)恩平組-文昌組地層對比中應用效果良好。如W1井鉆遇40 m厚的優(yōu)質砂巖儲層WC145，參考疊后地震剖面及稀疏脈沖反演結果，鉆前預測認為在W3井位置砂體厚度變化不大。實鉆井結果證實，在W3位置，WC145儲層厚度明顯減薄，砂體橫向展布具有從W1井到W3井方向逐漸減薄的特征。地震特征控制的vP/vS機器學習高分辨融合反演結果（圖6b）與后鉆井情況相吻合；而疊后地震數據（圖6a）分辨率低，阻抗難以反映砂、泥巖特征，因此難以刻畫WC145儲層橫向展布特征，從而導致鉆前預測出現失誤。

2.3 高分辨反演結果應用于地層對比

地震特征控制的vP/vS機器學習高分辨融合反演結果具有“雙高”的特點，能夠較好地刻畫WC145油層的尖滅位置、橫向展布特征。在研究靶區(qū)，綜合利用鉆井、測井、地震以及高分辨率反演結果進行古近系陸相沉積的地層對比工作，針對沉積地層進行了砂體尖滅識別和薄層砂體預測，取得了良好的應用效果（圖7）。

3 結論

1）針對常規(guī)稀疏脈沖反演方法分辨率不足、傳統(tǒng)地質統(tǒng)計學反演方法缺乏橫向地震細節(jié)特征的缺陷，利用地震特征控制的機器學習高分辨融合反演技術，針對靶區(qū)恩平組-文昌組對砂巖最敏感的彈性參數vP/vS開展高分辨反演。

2）反演得到了“雙高”（高縱向分辨率、高橫向地震分辨率細節(jié)特征）的砂巖預測成果，并被后續(xù)鉆井證實能較地好應用到靶區(qū)的地層及油層對比中。

3）該方法對于刻畫古近系河道微相儲層有很強的實用性，為開發(fā)中-后期砂體的連通性研究奠定了基礎，在類似地質背景地區(qū)有一定的推廣意義。

參考文獻（References）：

[1] 高陽東，彭光榮，陳兆明，等. 珠江口盆地開平凹陷油氣地質新認識與勘探突破[J]. 中國海上油氣，2023， 35（1）： 1-13.

Gao Yangdong， Peng Guangrong， Chen Zhaoming，et al. New Understanding and Exploration Breakthrough of Petroleum Geology in Kaiping Sag， Pearl River Mouth Basin[J]. China Offshore Oil and Gas， 2023， 35（1）： 1-13.

[2] 蔡嵩，彭光榮，陳兆明，等. 珠江口盆地開平凹陷古近系構造特征及構造演化分析[J]. 海洋地質與第四紀地質，2023， 43（2）： 106-118.

Cai Song， Peng Guangrong， Chen Zhaoming， et al. Paleogene Tectonic Evolution of Kaiping Sag， Pearl River Mouth Basin[J]. Marine Geology amp; Quaternary Geology，2023， 43（2）： 106-118.

[3] 單玄龍，熱西提·亞力坤，劉培，等. 珠江口盆地西江主洼珠瓊運動的沉積響應及構造意義[J]. 吉林大學學報（地球科學版），2023， 53（2）： 329-342.

Shan Xuanlong， Yalikun·Rexiti， Liu Pei， et al. Sedimentary Response and Tectonic Significance of Zhuqiong Movement in Xijiang Main Sag， Pearl River Mouth Basin[J]. Journal of Jilin University （Earth Science Edition）， 2023， 53（2）： 329-342.

[4] 魏山力. 基于地震資料的陸相湖盆“源-渠-匯”沉積體系分析：以珠江口盆地開平凹陷文昌組長軸沉積體系為例[J]. 斷塊油氣田，2016， 23（4）： 414-418.

Wei Shanli. “Source-Transportation-Sink”Analysis Method and Application in Continental Lacustrine Basin Sedimentary System Based on 2D Seismic Data： An Example from Wenchang Formation of Long Axis Direction，Kaiping Sag，Pearl River Mouth Basin[J]. Fault-Block Oil amp; Gas Field， 2016， 23（4）： 414-418.

[5] 龐雄，陳雋，戴一丁，等. 珠江口盆地白云西—開平凹陷油氣聚集及勘探目標研究[J]. 中國海上油氣（地質），1995， 9（4）： 237-245.

Pang Xiong， Chen Juan， Dai Yiding， et al. Study on Hydrocarbon Accumulation and Exploration Targets in West Baiyun-Kaiping Sag of Pearl River Mouth Basin[J]. China Offshore Oil and Gas （Geology）， 1995， 9（4）： 237-245.

[6] 羅超，李曉顏，劉渠洋，等. 砂質辮狀河儲層構型差異特征分析：以蘇里格氣田盒8下亞段為例[J]. 吉林大學學報（地球科學版），2023， 53（1）： 30-43.

Luo Chao， Li Xiaoyan， Liu Quyang， et al. Architecture Differences Analysis in Sandy Braided River Facies： A Case Study of Lower He8 Member in Sulige Gasfield[J]. Journal of Jilin University （Earth Science Edition）， 2023， 53（1）： 30-43.

[7] 熊連橋. 開平凹陷文昌組沉積特征及半深湖空間分布[J].中國海上油氣，2021， 33（5）： 51-61.

Xiong Lianqiao. Sedimentary Characteristics and Semi-Deep Lacustrine Facies Spatial Distribution of Wenchang Formation in Kaiping Sag[J]. China Offshore Oil and Gas， 2021， 33（5）： 51-61.

[8] 鄭榮才，李國暉，雷光明，等. 四川盆地須家河組層序分析與地層對比[J]. 天然氣工業(yè)，2011， 31（6）： 12-20.

Zheng Rongcai， Li Guohui， Lei Guangming， et al. Sequence Analysis and Stratigraphic Correlation of the Xujiahe Formation in the Sichuan Basin[J]. Natural Gas Industry， 2011， 31（6）： 12-20.

[9] 羅洪浩，孫平昌，吳會永，等.河南省太行山東麓深部晚古生代層序地層及其含氣系統(tǒng)劃分[J]. 吉林大學學報（地球科學版），2022， 52（5）：1718-1734.

Luo Honghao， Sun Pingchang， Wu Huiyong， et al. Late Paleozoic Sequence Stratigraphy and Coal Accumulation in the Deep Part of Eastern Foot of Taihang Mountains， Henan Province[J]. Journal of Jilin University （Earth Science Edition）， 2022， 52（5）： 1718-1734.

[10] 葛家旺，朱筱敏，黃捍東，等. 稀疏井區(qū)辮狀河三角洲地層精細對比： 以惠州凹陷HZ-A油田文昌組為例[J]. 高校地質學報，2015， 21（3）： 440-448.

Ge Jiawang， Zhu Xiaomin， Huang Handong， et al.Fine Stratigraphic Correlation of Braided Delta Formation in Sparse Well Area： A Case Study of the Wenchang Formation in HZ-A Oil Field， Huizhou Depression[J]. Geological Journal of China Universities， 2015， 21（3）： 440-448.

[11] 劉文嶺，王大星，蕭希航，等. 復雜油藏井震聯(lián)合等時地層對比技術與應用：以大港王徐莊油田為例[J]. 石油物探，2016， 55（4）： 540-549.

Liu Wenling， Wang Daxing， Xiao Xihang， et al. Isochronous Stratigraphic Correlation of Logging-Seismic Combination for Complex Reservoirs： A Case Study from Wangxuzhuang Oil Field[J]. Geophysical Prospecting for Petroleum， 2016， 55（4）： 540-549.

[12] 居字龍，唐輝，劉偉新，等. 泥巖標志層在海陸過渡沉積環(huán)境地層對比中的應用：以珠江口盆地陸豐凹陷A油田古近系為例[J]. 海相油氣地質，2017， 22（2）：89-94.

Ju Zilong， Tang Hui， Liu Weixin，et al. Identification of Mudstone Markers and Its Application in Stratigraphic Correlation in Transitional Sediments： A Case of the Paleogene in Oilfield A， Lufeng Sag， Zhujiangkou Basin[J]. Marine Origin Petroleum Geology， 2017， 22（2）： 89-94.

[13] 賈軍濤，王璞珺，邵銳，等. 松遼盆地東南緣營城組地層序列的劃分與區(qū)域對比[J]. 吉林大學學報（地球科學版），2007， 37（6）： 1110-1123.

Jia Juntao， Wang Pujun， Shao Rui， et al. Stratigraphical Sequence and Regional Correlation of Yingcheng Formation in the Southeast of Songliao Basin[J]. Journal of Jilin University （Earth Science Edition）， 2007， 37（6）： 1110-1123.

[14] 周爽爽，印興耀，裴松，等. 地震波形約束的蒙特卡洛-馬爾科夫鏈隨機反演方法[J]. 石油地球物理勘探，2021， 56（3）： 543-554.

Zhou Shuangshuang， Yin Xingyao， Pei Song，et al. Monte Carlo-Markov Chain Stochastic Inversion Constrained by Seismic Waveform[J]. Oil Geophysical Prospecting， 2021， 56（3）： 543-554.

[15] 林利明，鄭穎，史浩，等. 基于相控地質統(tǒng)計學疊前反演的致密砂巖薄儲層含氣性預測：以鄂爾多斯盆地臨興中區(qū)為例[J]. 天然氣工業(yè)，2023， 43（2）： 56-66.

Lin Liming， Zheng Ying， Shi Hao， et al. Gas-Bearing Prediction of Thin Tight Sandstone Reservoirs Based on Facies-Controlled Geostatistical Pre-Stack Inversion： A Case Study of the Middle Linxing Block in the Ordos Basin[J]. Natural Gas Industry， 2023， 43（2）： 56-66.

[16] 印興耀，賀維勝，黃旭日. 貝葉斯—序貫高斯模擬方法[J]. 石油大學學報 （ 自然科學版 ）， 2005， 29（5）： 28-32.

Yin Xingyao， He Weisheng， Huang Xuri. Bayesian Sequential Gaussian Simulation Method[J]. Journal of the University of Petroleum， China， 2005， 29（5）： 28-32.

[17] 孫月成，周家雄，馬光克，等. 疊前隨機反演方法及其在薄層預測中的應用[J]. 天然氣工業(yè)，2010， 30（12）： 29-32.

Sun Yuecheng， Zhou Jiaxiong， Ma Guangke， et al. Stochastic Pre-Stack Seismic Inversion and Its Application to Thin Layer Prediction[J]. Natural Gas Industry， 2010， 30（12）： 29-32.

[18] 黃捍東，張如偉，魏世平. 地震非線性隨機反演方法在陸相薄砂巖儲層預測中的應用[J]. 石油學報，2009， 30（3）： 386-390.

Huang Handong， Zhang Ruwei， Wei Shiping. Research on Application of Seismic Nonlinear Random Inversion to Reservoir Prediction in the Thin Sandstone of Continental Deposits[J]. Acta Petrolei Sinica， 2009， 30（3）： 386-390.

[19] 李慶忠. 地震高分辨率勘探中的誤區(qū)與對策[J]. 石油地球物理勘探，1997， 32（6）： 751-783.

Li Qingzhong. Some Mistaken Concepts in High-Resolution Seismic Exploration and the Corresponding Countermeasures[J]. Oil Geophysical Prospecting， 1997， 32（6）： 751-783.

[20] 李慶忠. 巖性油氣藏地震勘探若干問題的討論（Ⅱ）：關于垂向分辨率的認識[J]. 巖性油氣藏，2008， 20（3）： 1-5.

Li Qingzhong. Disscussion on Seismic Exploration of Lithologic Reservoirs（Ⅱ）： Seismic Vertical Resolution[J]. Lithologic Reservoirs， 2008， 20（3）： 1-5.

[21] 李慶忠. 論地震約束反演的策略[J]. 石油地球物理勘探，1998， 33（4）： 423-438.

Li Qingzhong. On Strategy of Seismic Restricted Inversion[J]. Oil Geophysical Prospecting， 1998， 33（4）： 423-438.