石油物探  2017, Vol. 56 Issue (4): 472-482  DOI: 10.3969/j.issn.1000-1441.2017.04.002
0
文章快速检索     高级检索

引用本文 

于豪, 李劲松, 晏信飞, 等. 非均质碳酸盐岩储层微观孔隙结构表征与气藏检测——以阿姆河右岸灰岩气藏为例[J]. 石油物探, 2017, 56(4): 472-482. DOI: 10.3969/j.issn.1000-1441.2017.04.002.
YU Hao, LI Jinsong, YAN Xinfei, et al. Microscopic pore structure characterization of heterogeneous carbonate reservoirs and gas detection:a case study from limestone gas reservoirs on the right bank block of Amu Darya River[J]. Geophysical Prospecting for Petroleum, 2017, 56(4): 472-482. DOI: 10.3969/j.issn.1000-1441.2017.04.002.

基金项目

国家科技重大专项(2016ZX05004003)、中国石油科技创新基金项目(2014D-5006-0104) 联合资助

作者简介

于豪(1984—), 男, 博士, 工程师, 主要从事地震资料综合解释工作

文章历史

收稿日期:2016-07-05
改回日期:2016-09-25
非均质碳酸盐岩储层微观孔隙结构表征与气藏检测——以阿姆河右岸灰岩气藏为例
于豪, 李劲松, 晏信飞, 徐光成, 金旭, 徐斌     
中国石油天然气股份有限公司勘探开发研究院, 北京 100083
摘要:碳酸盐岩储集空间演化过程复杂、孔隙结构多样、非均质性强, 孔隙结构是影响碳酸盐岩非均质性的重要因素。以阿姆河右岸中上侏罗统卡洛夫-牛津阶灰岩气藏为例, 从孔隙结构的基础研究出发, 对非均质碳酸盐岩储层微观孔隙结构进行了精细表征, 并对气藏开展了精确预测:通过岩石镜下薄片对岩石成分、类型、面孔率等信息进行鉴定, 证明该地区碳酸盐岩储层主要发育溶孔和裂缝两种类型孔隙结构; 通过CT扫描得到岩石内部立体影像, 统计孔隙分布与流体充填状态, 证实了实际岩石中“水包气”的斑块状饱和状态, 为岩石物理建模提供了依据; 通过岩心实验测量得到岩石速度、密度、孔隙度等物理信息, 根据多参数交会分析结果, 优选纵波阻抗与纵横波速度比作为该地区流体检测的敏感参数; 综合以上信息, 选择基于双孔等效介质理论的岩石物理建模方法, 结合地震数据制作岩石物理模板, 预测了储层孔隙度与含气饱和度, 预测结果与试气结果吻合。
关键词碳酸盐岩    孔隙结构    薄片鉴定    CT扫描    岩心实验测量    岩石物理反演    
Microscopic pore structure characterization of heterogeneous carbonate reservoirs and gas detection:a case study from limestone gas reservoirs on the right bank block of Amu Darya River
YU Hao, LI Jinsong, YAN Xinfei, XU Guangcheng, JIN Xu, XU Bin     
Research Institute of Petroleum Exploration & Development, PetroChina, Beijing 100083, China
Foundation item: This research is financially supported by the National Science and Technology Major Project of China (Grant No.2016ZX05004003) and PetroChina Innovation Foundation Project(Grant No.2014D-5006-0104)
Abstract: The carbonate reservoir is characterized by complex evolution process, various pore structure and strong heterogeneity.Among these features, pore structure is an important factor affecting the heterogeneity of carbonate.It focused on a Jurassie Callovian-Oxfordian limestone gas reservoirs on the right bank block of Amu Darya River.Based on the study of pore structure, a number of techniques were used to characterize the micro pore structure of heterogeneous carbonate reservoirs, and the accurate prediction of gas reservoir was carried out.Rock composition and plane porosity was studied by rock thin section analysis, which proved that two types of pore structure, dissolution pore and structural fracture mainly developed in carbonate reservoir of this area.Rock internal stereo images including pore distributions and fluid filling states were obtained by CT scanning, which confirmed that a "gas-in-water" distribution exists in rocks with patchy saturation.It provided a basis for the rock physics modeling.The physics information such as velocity, density and porosity was got by core physics experiment.The P-wave impedance and vP/vS were chosen to be the sensitive parameters of fluid detection by multi-parameter crossplot analysis in this area.The rock physics template was built to predict reservoir porosity and gas saturation based on the equivalent medium theory.The predicted results matched with log data and gas testing data.
Key words: carbonate rock    pore structure    rock thin section analysis    CT scanning    core experiment    rock physics inversion    

碳酸盐岩待探明油气储量丰富, 勘探潜力巨大, 但是其储集空间演化过程复杂、孔隙结构多样、非均质性强。孔隙结构是指岩石所具有的孔隙和喉道的几何形状、大小、分布及其相互连通关系[1], 它直接影响着储层的储集渗流能力和油气藏产能的差异分布[2-4]。因此, 明确储层岩石孔隙结构特征是提高油气产能的关键[5]。目前能够直观反映或表征岩石微观孔隙结构的手段是室内实验, 包括岩石薄片鉴定、CT扫描成像和岩心实验测量等。

地质薄片鉴定是指在显微镜下观察岩石标本的成分结构、光学性质, 确定岩石类型及成因特征, 实现微观尺度上对岩石物理特性的研究。ANSELMETTI等[6]将碳酸盐岩孔隙从毫米到亚微米分为多个数量级, 并通过确定不同孔隙结构的含量来反映岩石物性; XIE等[7]证明了孔隙结构会影响孔隙度和渗透率; MANDA等[8]指出铸膜孔的孔隙结构比溶蚀孔更加复杂。CT扫描是将二维图像重构成三维图像, 以观测岩石的孔隙结构、矿物与流体的分布状态, 构建描述岩石真实孔隙空间的三维数字岩心。李玉彬等[9]和王家禄等[10]利用CT技术测算出岩心的密度、孔隙度和饱和度等; SIDDIQUI等[11]计算出碳酸盐岩孔隙体积压缩系数; 彭瑞东等[12]直接基于灰度CT图像计算岩石孔隙结构的分形维数; TIWARI等[13]利用油页岩热解前后的孔隙结构变化区分烃源岩和生成物; 刘向君等[14]实现了孔隙尺度的渗流模拟并计算出绝对渗透率; YU等[15]利用含水岩石的流体分布影像证实了真实岩石中“水包气”的斑块状饱和状态。岩心实验测量是通过模拟地下真实地层环境, 利用超声波来测算岩石速度等基本物理特性, 可以获得更为准确的岩石物理信息。ARCHIE[16]和BIGALKE[17]提出饱和岩石的电阻率主要受孔隙结构控制; VERWER等[18]指出碳酸盐岩孔隙结构会影响渗透率; ANSELMETTI等[19]指出碳酸盐岩孔隙对波速的影响比压实作用的影响更大; EBERLI等[20]认为碳酸盐岩成岩作用、孔隙结构与波速三者之间存在动态关系; SUN[21]与BAECHLE等[22]指出, 具有相同孔隙度不同孔隙结构的碳酸盐岩, 其波速差异可以达到2000m/s, 渗透率能够相差6个数量级; WEGER等[23]指出, 声波在大孔隙和单一孔隙结构碳酸盐岩中传播较快, 在小孔隙和复杂孔隙结构碳酸盐岩中传播较慢。

土库曼斯坦北部阿姆河右岸麦捷让地区处于东西向背斜构造上, 目的层为中上侏罗统卡洛夫-牛津阶礁滩相灰岩储层。储集空间主要有孔隙、溶洞和裂缝3种类型, 溶孔、溶洞成蜂窝状发育, 裂缝主要以构造缝为主。储层孔隙度主要在5.0%~12.5%, 以中孔储层为主。储层纵向上厚度差异大, 横向上发育不均衡, 非均质性强。前人对该地区所做的研究工作[24-29]多是为了满足快速高效勘探开发的需要, 从基础孔隙结构描述到利用岩石物理建模进而预测孔隙度与含气饱和度的系统研究较少。本文以阿姆河右岸灰岩气藏为例, 开展了基于室内孔隙结构实验进行气藏检测的研究:首先研究孔隙结构, 利用岩石薄片鉴定证明该地区储层主要发育溶孔和裂缝两种类型孔隙结构, 利用CT扫描证实实际岩石中的“水包气”斑块状饱和状态, 利用岩心实验测量得到该地区流体检测的敏感参数; 然后根据掌握的实际地质信息, 选用基于双孔等效介质理论的Biot-Rayleigh方程进行岩石物理建模, 有效地预测出储层孔隙度与含气饱和度; 最后给出了完整的气藏检测流程。

1 岩石薄片鉴定

选取麦捷让地区两口典型井——Met22井和Met21井岩心资料进行孔隙结构研究。从岩心照片可以看出(图 1), Met22井储层段岩石颗粒较粗, 岩性主要为灰色颗粒灰岩, 溶蚀孔洞发育, 生物体腔孔和骨架溶孔发育, 局部含云质。Met21井储层段岩石颗粒较细, 岩性主要为亮晶砂屑灰岩, 岩性较致密, 孔洞不发育, 发育水平缝和斜交缝, 多被泥质和方解石斑晶充填。

图 1 Met22井(a, b)和Met21井(c, d)岩心照片

图 2为Met22井和Met21井岩石薄片。其中, 图 2a被鉴定为亮晶砂砾屑灰岩, 砾屑大小2~11mm, 砂屑以细到中砂为主, 颗粒多泥晶化, 见少量孔虫, 孔隙较发育, 为粒间溶孔和粒内溶孔, 部分半充填—全充填, 面孔率9%左右, 对应取心段测井孔隙度平均为8%(图 3a), 两者基本吻合。图 2b被鉴定为亮晶砂屑灰岩, 砂屑以粉到中砂为主, 见腕足类碎片, 偶见自生石英, 孔隙以粒间溶孔为主, 面孔率7%左右, 对应取心段测井孔隙度平均为8%(图 3a), 两者基本吻合。图 2c被鉴定为泥晶砂屑灰岩, 砂屑大小0.03~2.00mm, 以粉—极细砂为主, 方解石充填了粒间孔、粒内孔及拉张束状缝, 少量生屑分散分布, 面孔率约2%, 对应取心段测井孔隙度平均为2.5%(图 3b上部), 两者基本吻合。图 2d被鉴定为泥晶砂屑灰岩, 砂屑以细砂为主, 见少量生屑, 胶结物分布不均, 局部见微交错层理, 面孔率约1%, 对应取心段测井孔隙度平均为1%(图 3b下部), 两者基本吻合。

图 2 Met22井(a, b)和Met21井(c, d)岩石薄片
图 3 Met22井(a)和Met21井(b)测井孔隙度曲线(蓝色框为薄片所在取心段)

从鉴定结果看, Met22井储层岩石颗粒较粗, 溶蚀孔洞发育较好, 储集空间利于油气聚集; Met21井储层岩石颗粒较细, 孔隙发育较差, 方解石充填了大部分的孔隙和裂缝, 储集空间不利于油气聚集。

2 CT扫描成像

实验仪器的最大电压为160kV, 最大像素分辨率为500nm。主要实验步骤如下:① 将岩石样品加工成直径10mm大小, 使其满足实验仪器和扫描精度的要求; ② 将样品粘牢在工作台上, 使样品与工作台之间没有相对运动; ③ 调整样品与射线源之间的距离, 使其达到最佳扫描位置; ④ 设置扫描参数进行扫描, 包括制定扫描张数、扫描时间和校正量等; ⑤ 利用图像重建方法将采集到的数据重建岩心灰度图像, 建立数字岩心。

对Met22井干燥灰岩样品在电压95kV, 电流95mA, 分辨率4.2μm的条件下进行CT扫描, 观察岩石内部的微观孔隙结构; 再将干燥灰岩样品浸入水中15h以上, 在电压85kV, 电流85mA, 分辨率5.4μm的条件下进行CT扫描, 观察岩石内部的流体分布特征(图 4~图 6)。图 4a是Met22井样品截面扫描图, 其中灰色代表灰岩基质, 黑色代表孔隙, 白色代表充填矿物方解石。图 5a为孔隙分布影像, 其中蓝色代表孔隙; 图 5b为孔喉分布影像, 其中红色代表半径较大, 黄色次之, 绿色较小; 图 5c图 5d分别为孔隙大小和孔喉半径统计直方图。综合研究以上扫描结果可知, 该样品孔隙较发育, 连通性较好, 并且孔隙以中孔为主, 有利于油气的富集。图 4b是Met22井样品含水非饱和状态下的截面扫描图, 图 6是流体立体分布影像, 其中黄色代表气, 暗绿色代表水, 均分布于孔隙内, 并且气体多占据较大的孔隙, 水则多位于较小的孔隙中, 清晰地显示了实际岩石中“水包气”的斑块状饱和状态。在非均质天然气藏中, 这种细小的“斑块状饱和”状态会引起显著的地震波速度频散和能量衰减, 导致气水区分困难。因此, 在碳酸盐岩岩石物理建模的过程中必须考虑这种因素的影响, 以便正确建立地震响应和流体类型之间的联系, 精确地开展气藏预测。

图 4 Met22井样品截面扫描结果 a 干燥状态; b 含水非饱和状态
图 5 Met22井孔隙、孔喉分布影像及其统计 a 孔隙分布影像; b 孔喉分布影像; c 孔隙大小直方图; d 孔吼半径直方图
图 6 流体立体分布影像 a 只有流体、不含骨架的显示状态; b 包含骨架及流体的显示状态
3 岩心实验测量

本次岩心实验测量的目的, 一是进一步证明孔隙结构的差异性, 二是为岩石物理建模优选敏感参数。实验测量灰岩样品15块, 其中Met22井13块, Met21井2块。利用氦气法测量两口井灰岩样品, 得出孔隙度范围为1.15%~13.40%, 密度范围为2.338~2.676g/cm3, 渗透率范围为0.01~177.02×10-3μm2图 7a是孔隙度与密度关系图, 可见Met21井样品孔隙度均小于2%, 密度均大于2.6g/cm3, 比较致密; 而Met22井样品孔隙度较高, 均大于2%。所有样品密度都随着孔隙度的增加而减小, 并且有着较好的线性关系。图 7b是孔隙度与渗透率关系图, 可见Met21井样品渗透率较差, Met22井除了两块样品渗透率较差外, 其余样品渗透率均较好。测量结果与地质薄片分析结果一致。

图 7 孔隙度与密度(a)、渗透率(b)的关系

在温度20℃, 孔压22MPa, 围压52MPa的条件下, 利用超声波测量样品在干燥状态与水饱和状态下的纵横波速度并分别进行线性拟合, 以分析其变化规律(图 8)。在干燥状态下, 纵波速度从6.199km/s变化到5.145km/s(图 8a), 横波速度从3.266km/s变化到2.872km/s(图 8b), 波速受溶蚀孔洞的影响下降缓(Met22井), 受裂缝的影响下降较快(Met21井)。根据DEM理论, 孔隙形态对介质的速度有影响, 相同基岩条件下微裂缝对速度的影响高于相同孔隙度的圆孔, 说明裂缝对速度的影响比溶蚀孔洞的影响更为敏感。在水饱和状态下, 纵波速度从6.323km/s变化到5.458km/s, 横波速度从3.264km/s变化到2.833km/s。两种状态下的纵波速度变化较大(图 8c), 差值主要在0.1~0.5km/s; 横波速度变化较小(图 8d), 差值在0.06km/s以内。从干燥状态变化到水饱和状态后, 低孔样品比高孔样品的纵波速度增加量略大, 说明低孔岩石内部可能含有较多的连通性差的裂隙软孔, 使纵波速度对水饱和状态更加敏感。同时, 低孔样品横波速度增加, 这是因为在等效介质模型(例如Kuster-Toksöz模型、Mori-Tanaka模型等)介质中含有大量裂隙状软孔时, 剪切模量会随着流体压缩性降低(例如干燥到水饱和)而增加, 从而导致横波速度上升。而传统Gassmann理论认为, 岩石从干燥状态变化到水饱和状态时, 剪切模量保持不变, 横波速度下降。与实际测试结果的这种差异表明, 传统Gassmann理论并不完全适用于本地区的碳酸盐岩岩石物理建模。

图 8 孔隙度与纵波速度、横波速度、纵波速度差、横波速度差的关系 a 孔隙度与纵波速度; b 孔隙度与横波速度; c 孔隙度与纵波速度差; d 孔隙度与横波速度差

图 9显示了纵波阻抗与纵横波速度比(vP/vS)的关系, 可见样品的vP/vS在干燥状态下基本处于1.8~1.9之间, 在水饱和状态下基本处于1.9~2.0之间, 两种状态区别明显, 说明vP/vS能够有效区分岩石中的流体饱和状态, 可以作为麦捷让地区流体检测的敏感参数。图 10显示了纵波速度与横波速度的关系, 可见波速在两种状态下都呈现出较强的规律性。与CASTAGNA等[30]、PICCKETT[31]、MILHOLLAND等[32]给出的水饱和状态下灰岩纵波速度与横波速度的经验关系相比, 两者变化趋势相当, 只有较少的实测点落在经验关系上。将实测数据拟合线与经验关系联立二元一次方程组, 通过计算得到两者交点, 即纵波速度2.899km/s, 横波速度1.526km/s。该速度较低说明经验关系适用于高孔灰岩, 比麦捷让地区灰岩的孔隙度大。经验公式是通过统计得到的规律认识, 严格上讲只适用于其本身研究的岩石, 对岩心样品进行实验室测量才是较为可靠的岩石物理方法。然而不同的仪器、人员和环境条件会有不同的测量精度, 并且, 对于碳酸盐岩来说, 由于非均质性较强, 不同地区岩心样品的测量结果会出现一定的差异,这是正常现象。

图 9 纵波阻抗与纵横波速度比的关系
图 10 纵波速度与横波速度的关系
4 气藏检测

本文基于岩石物理建模的气藏检测(即孔隙度与含气饱和度预测)过程如下:

1) 岩石骨架建模。利用Voigt-Reuss-Hill平均方程计算混合矿物的弹性模量, 本文设定矿物组分为95%的方解石和5%的泥质, 方解石体积模量为76.8GPa, 剪切模量为32GPa, 密度为2.71g/cm3, 泥质体积模量为25GPa, 剪切模量为9GPa, 密度为2.55g/cm3(MAVKO等[33])。

2) 流体替换。利用基于双孔等效介质理论的Biot-Rayleigh方程进行流体替换, 计算岩石物理模板。

(13a)
(13b)
(13c)
(13d)

式中:φ是孔隙度; ρ是密度; η是黏度;A, N, Q, R是弹性参数; b是耗散参数; uU分别是骨架和流体的空间矢量位移; eξ分别是骨架和流体的位移场散度; ζ是局域流体变形增量(有关Biot-Rayleigh方程的推导论证过程以及各参数的具体含义详见文献[34-37])。

本文设定储层岩石为一种骨架、两种流体(水和气)的状态, 水的体积模量为2.51GPa, 黏度为0.001Pa·s, 密度为1.04g/cm3; 气的体积模量为0.0081GPa, 黏度为0.00015Pa·s, 密度为0.17g/cm3; 气泡半径为5mm。

3) 建立岩石物理模板, 并将叠前地震反演数据与岩石物理模板交会, 采用映射法从模板中反演储层的孔隙度与含气饱和度。

基于Met22井和Met21井储层发育的不同孔隙结构, 分别制作相应的岩石物理模板。模板中的纬线自下而上代表含气饱和度从100%到0, 经线自左向右代表孔隙度从17%到3%。基于两口井目的层段的测井解释结果, 利用叠后反演得到的纵波阻抗数据和叠前弹性参数反演得到的纵横波速度比数据, 将井旁地震数据投影到模板上, 其中黄色样点代表气层, 蓝色样点代表水层, 紫色样点代表非储层(图 11)。从图 11可以看出, 非储层点基本位于孔隙度5%以下, 产气潜力不大。储层点基本位于孔隙度5%~13%之间, 其中, 气层点多位于模板下方, 即含气饱和度较高的位置; 水层点多位于模板上方, 即含水饱和度较高的位置。实际地质统计结果显示, 麦捷让地区有55%的储层孔隙度在5.0%~12.5%, 构成该地区的主力产层。从交会结果看, 优质气藏孔隙度范围为8%~13%, 是预测的重点。

图 11 岩石物理模板与地震反演数据交会分析 a Met22井; b Met21井

通过模板与样点的交会映射进行优质储层的岩石物理反演, 预测过Met22井和Met21井地震资料的孔隙度与含气饱和度(图 12)。从图 12a, 图 12b可以看出, Met22井在储层段孔隙度达11%, 含气饱和度较高。对应该井的试气结果为67.5×104m3/d, 测井曲线储层段平均孔隙度为12%(图 13a), 测井解释结果为气层。因此, Met22井预测孔隙度与测井孔隙度相吻合, 预测含气饱和度与试气结果相吻合。从图 12c, 图 12d可以看出, Met21井在储层段孔隙度为6%, 未见含气显示。虽然该井岩石物理模板上包含气层和水层样点, 但样点数较少(图 11b), 即只有少量岩石含气, 不足以支撑钻井以后的产能。对应Met21井的试气结果为干层, 测井曲线储层段平均孔隙度为5%(图 13b), 测井解释结果为差气层。因此, 该井预测孔隙度与测井孔隙度相吻合, 预测含气饱和度与试气结果相吻合。

图 12 Met22井和Met21井岩石物理反演结果 a Met22井预测孔隙度; b Met22井预测含气饱和度; c Met21井预测孔隙度; d Met21井预测含气饱和度
图 13 Met22井(a)和Met21井(b)测井孔隙度曲线(蓝色框为试气层段)

图 14为基于孔隙结构实验的气藏检测流程。通过岩石薄片观察得到岩石成分、类型、面孔率等信息; 通过CT扫描得到岩石内部立体影像, 统计孔隙分布与流体充填状态; 通过岩心实验测量得到岩石速度、密度、孔隙度等物理信息, 通过多参数交会分析优选出流体检测的敏感参数, 最后有效地预测储层孔隙度与含气饱和度。

图 14 基于孔隙结构实验的气藏检测流程
5 结束语

本文针对阿姆河右岸中上侏罗统碳酸盐岩储层开展了从微观孔隙结构表征到气藏检测的研究。利用薄片镜下鉴定、CT扫描、岩心实验测量等技术对岩石微观孔隙结构进行了精细表征, 并估算了储层孔隙度与含气饱和度, 结果表明, 该地区储层主要发育溶孔和裂缝两种类型, 孔隙结构差异较大。通过储层岩石物理多参数交会分析, 优选纵波阻抗与纵横波速度比为流体检测的敏感参数。根据天然气在实际岩石中呈“水包气”的斑块状饱和状态, 选择基于双重孔隙介质理论的岩石物理建模方法, 结合地震数据制作相应的岩石物理模板, 进行储层孔隙度与含气饱和度预测, 预测结果与试气结果吻合。

致谢: 感谢巴晶博士、唐刚博士在研究过程中给予的指导和帮助。
参考文献
[1] 罗蛰谭, 王允诚. 油气储集层的孔隙结构[M]. 北京: 科学出版社, 1986: 80-95.
LUO Z T, WANG Y C. Pore structure of oil and gas reservoir[M]. Beijing: Science Press, 1986: 80-95.
[2] 柴细元, 丁娱娇. 孔隙结构与地层压力相结合的储层产能预测技术[J]. 测井技术, 2012, 35(6): 635-640
CHAI X Y, DING Y J. Combination technology of the pore structure and formation pressure for productivity prediction[J]. Well Logging Technology, 2012, 35(6): 635-640
[3] 毛志强, 李进福. 油气层产能预测方法及模型[J]. 石油学报, 2000, 21(5): 58-61
MAO Z Q, LI J F. Method and models for productivity prediction of hydrocarbon reservoirs[J]. Acta Petrolei Sinica, 2000, 21(5): 58-61 DOI:10.7623/syxb200005012
[4] 刘开元, 贺振华, 许艳秋. 碳酸盐岩储层孔隙度预测方法研究及其在南海某区的应用[J]. 石油物探, 2014, 53(2): 232-237
LIU K Y, HE Z H, XU Y Q. Porosity prediction method research for carbonate reservoir and its application in South China Sea[J]. Geophysical Prospecting for Petroleum, 2014, 53(2): 232-237
[5] 陈杰, 周改英, 赵喜亮, 等. 储层岩石孔隙结构特征研究方法综述[J]. 特种油气藏, 2005, 12(4): 11-14
CHEN J, ZHOU G Y, ZHAO X L, et al. Overview of study methods of reservoir reck pore structure[J]. Special oil and Gas Reservoirs, 2005, 12(4): 11-14
[6] ANSELMETTI F S, LUTHI S, EBERLI G P. Quantitative characterization of carbonate pore systems by digital image analysis[J]. AAPG Bulletin, 1998, 82(10): 1815-1836
[7] XIE S Y, CHENG Q M, LING Q C, et al. Fractal and multifractal analysis of carbonate pore-scale digital images of petroleum reservoirs[J]. Marine and Petroleum Geology, 2010, 27(2): 476-485 DOI:10.1016/j.marpetgeo.2009.10.010
[8] MANDA A K, CULPEPPER A R. Characterizing moldic and vuggy pore space in karst aquifers using borehole-wall, slabbed-core and thin-section images[J]. Journal of Applied Geophysics, 2013, 88(1): 12-22
[9] 李玉彬, 李向良, 李奎祥, 等. 利用计算机层析(CT)确定岩心的基本物理参数[J]. 石油勘探与开发, 1999, 26(6): 86-90
LI Y B, LI X L, LI K X, et al. Using computed tomography to determine the basic petrophysical properties of cores[J]. Petroleum Exploration and Development, 1999, 26(6): 86-90
[10] 王家禄, 高建, 刘莉. 应用CT技术研究岩石孔隙变化特征[J]. 石油学报, 2009, 30(6): 887-893
WANG J L, GAO J, LIU L. Porosity characteristics of sandstone by X-ray CT scanning system[J]. Acta Petrolei Sinica, 2009, 30(6): 887-893 DOI:10.7623/syxb200906016
[11] SIDDIQUI S, FUNK J J, AI-TAHINI A M. Use of X-ray CT to measure pore volume compressibility of Shaybah carbonates[J]. SPE Reservoir Evaluation and Engineering, 2010, 13(1): 155-164 DOI:10.2118/116313-PA
[12] 彭瑞东, 杨彦从, 鞠杨, 等. 基于灰度CT图像的岩石孔隙分形维数计算[J]. 科学通报, 2011, 56(26): 2256-2266
PENG R D, YANG Y C, JU Y, et al. Computation of fractal dimension of rock pores based on gray CT images[J]. Chinese Science Bulletin, 2011, 56(26): 2256-2266
[13] TIWARI P, DEO M, LIN C L, et al. Characterization of oil shale pore structure before and after pyrolysis by using X-ray micro CT[J]. Fuel, 2013, 107(9): 547-554
[14] 刘向君, 朱洪林, 梁利喜, 等. 基于微CT技术的砂岩数字岩石物理实验[J]. 地球物理学报, 2014, 57(4): 1133-1140
LIU X J, ZHU H L, LIANG L X, et al. Digital rock physics of sandstone based on micro-CT technology[J]. Chinese Journal of Geophysics, 2014, 57(4): 1133-1140 DOI:10.6038/cjg20140411
[15] YU H, BA J, CARCIONE J M, et al. Rock physics modeling of heterogeneous carbonate reservoirs:porosity estimation and hydrocarbon detection[J]. Applied Geophysics, 2014, 11(1): 9-22 DOI:10.1007/s11770-014-0413-9
[16] ARCHIE G E. The electrical resistivity log as an aid in determining some reservoir characteristics[J]. Petroleum Transactions of American Institute of Mining Metallurgical and Petroleum Engineers, 1942, 146(1): 54-62
[17] BIGALKE J. A study concerning the conductivity of porous rock[J]. Physics & Chemistry of the Earth, 2000, 25(2): 189-194
[18] VERWER K, EBERLI G P, WEGER R J. Effect of pore structure on electrical resistivity in carbonates[J]. AAPG Bulletin, 2011, 95(2): 175-190 DOI:10.1306/06301010047
[19] ANSELMETTI F S, EBERLI G P. Controls on sonic velocity in carbonates[J]. Pure and Applied Geophysics, 1993, 141(2/4): 287-323
[20] EBERLI G P, BATZLE M L, ANSELMETTI F S, et al. Factors controlling elastic properties in carbonate sediments and rocks[J]. The Leading Edge, 2003, 22(7): 654-660 DOI:10.1190/1.1599691
[21] SUN Y F. A two-parameter model of elastic wave velocities in rocks and numerical avo modeling[J]. Journal of Computational Acoustics, 2004, 12(4): 619-630 DOI:10.1142/S0218396X04002432
[22] BAECHLE G T, COLPAERT A. Effects of microporosity on sonic velocity in carbonate rocks[J]. The Leading Edge, 2008, 27(8): 1012-1018 DOI:10.1190/1.2967554
[23] WEGER R J, EBERLI G P, BAECHLE G T, et al. Quantification of pore structure and its effect on sonic velocity and permeability in carbonates[J]. AAPG Bulletin, 2009, 93(10): 1297-1317 DOI:10.1306/05270909001
[24] 孙林, 陈笑青, 张亚中, 等. 多方法识别和预测盐下生物礁[J]. 石油地球物理勘探, 2009, 44(1): 79-83
SUN L, CHEN X Q, ZHANG Y Z, et al. Several means to predict or recognize subsalt reefs[J]. Oil Geophysical Prospecting, 2009, 44(1): 79-83
[25] 徐明华, 李瑞, 张世荣, 等. 阿姆河右岸区块碳酸盐岩岩性气藏勘探实践——以麦捷让构造区为例[J]. 天然气工业, 2011, 31(4): 24-27
XU M H, LI R, ZHANG S R, et al. An exploration practice of lithologic carbonate gas reservoirs:the Metajan structure in the right bank block of the Amu Darya river[J]. Natural Gas Industry, 2011, 31(4): 24-27
[26] 王玲, 张研, 马晓宇, 等. 台缘斜坡带变形膏、盐岩下的礁体识别技术[J]. 石油地球物理勘探, 2011, 46(4): 621-628
WANG L, ZHANG Y, MA X Y, et al. Identification technology for subsalt reef in platform-edge slope[J]. Oil Geophysical Prospecting, 2011, 46(4): 621-628
[27] 齐宝权, 冉志兵, 王学琴, 等. 阿姆河右岸区块石灰岩储层识别及流体性质判断[J]. 天然气工业, 2010, 30(5): 21-25
QI B Q, RAN Z B, WANG X Q, et al. Identification of limestone reservoirs and prediction of their fluid properties in the Amu Darya right bank block, Turkmenistan[J]. Natural Gas Industry, 2010, 30(5): 21-25 DOI:10.3787/j.issn.10000976.2010.05.005
[28] 于豪, 李劲松, 张研, 等. 频谱分解技术在断层与储层识别中的应用[J]. 石油地球物理勘探, 2013, 48(6): 954-959
YU H, LI J X, ZHANG Y, et al. Spectral decomposition in fault and reservoir identifications[J]. Oil Geophysical Prospecting, 2013, 48(6): 954-959
[29] 徐光成, 巴晶, 李劲松, 等. 阿姆河右岸麦捷让地区碳酸盐岩储层流体检测研究[J]. 地球物理学进展, 2013, 28(3): 1507-1515
XU G C, BA J, LI J X, et al. A study on fluid detection in Metajan carbonate reservoirs in the right bank block of Amu Darya river[J]. Progress in Geophysics, 2013, 28(3): 1507-1515 DOI:10.6038/pg20130346
[30] CASTAGNA J P, BATZLE M L, KAN T K.Rock physics-the link between rock properties and AVO response[C]//Castagna J P, Backus M.Offset-dependent reflectivity-theory and practice of AVO analysis.Tulsa, Oklahoma:Society of Exploration Geophysicists, 1993:135-171
[31] PICKETT G R. Acoustic character logs and their applications in formation evaluation[J]. Journal of Petroleum Technology, 1963, 15(6): 650-667
[32] MILHOLLAND P, MANGHNANI M H, SCHLANGER S O, et al. Geoacoustic modeling of deep-sea carbonate sediments[J]. Journal of the Acoustical Society of America, 1980, 68(5): 1351-1360 DOI:10.1121/1.385102
[33] MAVKO G, MUKERJI T, DVORKIN J.The rock physics handbook:tools for seismic analysis of porous media[M].2nd ed.New York:Cambridge University Press, 2009:458-478
[34] 巴晶. 双重孔隙介质波传播理论与地震响应实验分析[J]. 中国科学G辑, 2010, 40(11): 1398-1409
BA J. Wave propagation theory in double-porosity medium and experimental analysis on seismic responses[J]. Scientia Sinica (Physica, Mechanica & Astronomica), 2010, 40(11): 1398-1409
[35] BA J, CARCIONE J M, NIE J X. Biot-Rayleigh theory of wave propagation in double-porosity media[J]. Journal of Geophysical Research Solid Earth, 2011, 116: B06202
[36] 巴晶, CARCIONEJ M, 曹宏, 等. 非饱和岩石中的纵波频散与衰减:双重孔隙介质波传播方程[J]. 地球物理学报, 2012, 55(1): 219-231
BA J, CARCIONE J M, CAO H, et al. Velocity dispersion and attenuation of P-waves in partially-saturated rocks:wave propagation equations in double-porosity medium[J]. Chinese Journal of Geophysics, 2012, 55(1): 219-231
[37] 巴晶, 晏信飞, 陈志勇, 等. 非均质天然气藏的岩石物理模型及含气饱和度反演[J]. 地球物理学报, 2013, 56(5): 1696-1706
BA J, YAN X F, CHEN Z Y, et al. Rock physics model and gas saturation inversion for heterogeneous gas reservoirs[J]. Chinese Journal of Geophysics, 2013, 56(5): 1696-1706 DOI:10.6038/cjg20130527