2. 中国石油化工股份有限公司石油勘探开发研究院, 北京100083
2. Petroleum Exploration and Production Research Institute, SINOPEC, Beijing 100083, China
蚂蚁追踪技术作为一种已经实用化的断层自动识别技术, 其构想源自于生物界蚂蚁觅食行为。20世纪90年代COLORNI等提出[1]蚂蚁仿生算法, 2001年RANDEN等[2]将蚂蚁仿生算法应用于指示断裂的地震属性提取, 原理是利用电子蚂蚁在区域内寻找构造不连续的突变值并标记突变, 吸引邻近的其它蚂蚁沿异常值进行追踪。构造突变值代表断裂或裂缝, 利用这种追踪标记的方法能直观地辨别断裂和裂缝。为得到更精确的蚂蚁体, 必须要使用高分辨率的地震处理资料, 此外, 在蚂蚁追踪过程中, 参数调整和最优追踪处理尤为重要。龙旭等[3]针对塔河油田四区数据设计多组对照试验并确定了合适的塔河四区蚂蚁追踪参数值, 这对确定其它区蚂蚁追踪参数调整方法具有一定参考价值; 李楠等[4]探索了积极追踪和消极追踪相结合的方法, 并通过多次降噪处理, 生成了高清蚂蚁体, 这对实际地震资料的应用研究具有良好的借鉴作用。
分频技术可以提高地震资料对不同尺度构造断裂的识别能力。2005年马丽娟等[5]利用分频成像技术对断块进行了精细解释, 验证了利用分频数据解释断裂的可行性。2009年ZENG等[6]基于分频数据展开沉积体的研究, 2011年陈波等[7]利用分频相干技术识别了火成岩的裂缝发育状况, 这两项研究进一步证实了分频技术在不连续构造检测中的可应用性, 尤其对分析构造以及识别断层具有良好的应用效果。2013年QI等[8]应用多属性主向量分析和频谱分解技术对碳酸盐岩缝洞储层进行了刻画。2014年QI等[9]利用多属性计算及频谱分解技术提高了碳酸盐岩断裂识别的敏感性。为了提高分频计算效果, 2017年张瑞等[10]在识别深层小断裂时将基于广义S变换的分频技术应用于蚂蚁追踪的初始数据中, 与常规蚂蚁技术得到的结果相比, 采用分频蚂蚁技术识别的裂缝分辨率和断裂检测的可靠性均有所提高。
综合前人研究可知, 分频体可提高断裂辨别度, 蚂蚁体可提高断裂刻画的敏感度和直观性。本文研究了分频相干体提取方法, 并改进了常规蚂蚁追踪技术流程, 将其应用于碳酸盐岩地层中的中-小尺度断裂识别。实际地震记录是典型的非平稳信号, 且匹配追踪频谱分解方法具有更高的时频分辨率[11-12], 因此, 本文采用匹配追踪谱分解方法获得分频体, 进而改进常规蚂蚁追踪刻画断裂的技术流程, 然后将其应用于塔河油田T井区的断裂识别, 以验证该技术流程的有效性。
1 方法原理 1.1 匹配追踪频谱分解频谱分解方法包括短时傅里叶变换、广义S变换、连续小波变换、匹配追踪方法等, 其中匹配追踪频谱分解(matching pursuit decomposition, MPD)和正交匹配追踪频谱分解(orthogonal matching pursuit decomposition, OMPD)方法具有稀疏性强、时频分辨率高的特点, 可有效避免时窗长度引起的时频分辨率限制, 是目前主流的频谱分解方法。OMPD方法的精度高, 但该方法计算量大, 故本文采用MPD方法计算蚂蚁追踪技术所需的地震分频数据。
MPD方法基于贪婪算法的思想[12], 在构建的超完备子波库D中迭代搜寻最逼近残差信号的子波信号, 并逐步将原始地震信号分解成多个匹配子波的最优线性叠加[13]:
| $ S(t) = \sum\limits_{n = 1}^N {{k_n}} {w_{{\gamma _n}}}(t) + {R^{(N)}}S $ | (1) |
式中:N为迭代次数; wγn(t)为第n次迭代时超完备子波库中的一个匹配子波; kn为振幅系数; knwγn(t)可看作被分解的子成分信号; R(N)S为N次迭代后的总残差, R(0)S=S, 终止迭代时残差需要满足一定条件, 即小于某一阈值或迭代达到一定次数。
匹配是一个迭代寻优的过程, 每迭代一次即从子波库D中提取一个与当前残差最匹配的子波。若某次迭代记为第n次迭代, 寻优时需将n-1次迭代的残差项与子波库中匹配子波进行内积, 内积绝对值与匹配子波L2范数的比值如(2)式所示, 比值最大的匹配子波wγn(t)为最匹配的子波。
| $ {w_{{\gamma _n}}}(t) = \arg \mathop {\max }\limits_{w\gamma \in D} \frac{{\left| {\left\langle {{R^{(n - 1)}}S, {w_\gamma }(t)} \right\rangle } \right|}}{{{{\left\| {{w_\gamma }(t)} \right\|}_2}}} $ | (2) |
第n次迭代子成分中knwγn(t)的振幅系数kn为第n-1次迭代的残差和第n次的优选匹配子波的比值, 即:
| $ {k_n} = \frac{{\left| {\left\langle {{R^{(n - 1)}}S, {w_{{\gamma _n}}}(t)} \right\rangle } \right|}}{{\left\| {{w_{{\gamma _n}}}(t)} \right\|_2^2}} $ | (3) |
每次迭代需更新残差, 第n次迭代的残差为:
| $ {R^{(n)}}(t) = {R^{(n - 1)}}(t) - {k_n}{w_{{\gamma _n}}}(t) $ | (4) |
采用维格纳维拉分布(wigner viller distribution, WVD)方法分解优选出的子成分{knwγn(t)}n=1, 2, 3, …, N为时频分布an(t, ω), 再将时频分布叠加可得整个地震数据的时频体An(t, ω):
| $ {A_n}(t, \omega ) = \sum\limits_{n = 1}^N {{a_n}} (t, \omega ) $ | (5) |
以选定的频率f0作为中心频率, 利用频带范围为[(f0-Δf), (f0+Δf)]的时频谱重构地震数据, 得到分频地震数据体, 本文简称分频体。
1.2 改进的分频蚂蚁追踪方法常规蚂蚁追踪技术流程如图 1a所示, 利用去噪的全频带地震资料作为初始的追踪资料, 计算相应的相干体或方差体, 基于该相干或方差体, 固定变量设计多组试验, 通过反复对照, 多次追踪调整参数, 生成相应全频带蚂蚁体, 用于表征断裂展布。
|
图 1 常规蚂蚁追踪(a)与改进的分频蚂蚁追踪(b)技术流程 |
改进的分频蚂蚁追踪技术将优选分频相干体作为蚂蚁追踪的初始地震资料, 其流程如图 1b所示。与常规蚂蚁追踪技术流程(图 1a)相比可知, 由于采用了高分辨率的频谱分解方法, 并且优选优势分频相干资料作为蚂蚁追踪的初始地震资料, 改进的分频蚂蚁追踪技术一定程度上使得断裂的识别尺度更精细。此外, 改进的分频蚂蚁追踪技术流程包括两次降噪处理的步骤, 这改进了蚂蚁追踪结果与地质认识及实际钻井资料的匹配关系。
改进的分频蚂蚁追踪技术流程中关键步骤说明如下。
1) 分频体提取。
对原始全频带偏移叠加地震数据进行MPD处理, 得到多个不同中心频率的分频数据, 为保证分频体计算不受人为参数设置的影响, 处理时需确保参数的一致性。
2) 倾角导向滤波处理。
在常规的蚂蚁追踪技术流程中, 多采用构造高斯平滑滤波方法对数据进行预处理, 该方法利用高斯平滑窗函数对原始地震数据进行褶积, 旨在保持构造信息的同时滤去随机噪声。QI等[14]运用高斯拉普拉斯滤波加强断层倾角强度和倾角方位角属性的可识别性。本文使用倾角导向滤波方法, 即沿着倾角进行平滑的滤波方法, 在具体应用中融入了梯度结构张量对地层倾角、倾向的估算以及中值滤波的相关方法。为了更好地展示上述滤波方法的效果, 本文选取了一条剖面(图 2a)用于滤波效果适用性对比。与采用构造高斯平滑滤波方法得到的结果相比(图 2b), 在复杂构造区采用倾角导向滤波方法得到的结果更精确。采用倾角导向滤波方法(图 2c)可在增强地震反射同相轴连续性的同时, 保持断点的不连续性特征, 并压制随机噪声。
|
图 2 原始地震剖面(a)、采用构造高斯平滑滤波方法(b)和倾角导向滤波方法(c)处理后的地震剖面 |
3) 相干体提取与属性体优选。
对滤波处理后的分频数据体采用基于本征值的C3相干算法提取相干属性, 并根据预测目标, 确定断裂大致识别尺度。一般情况下, 根据断裂的发育规模和延伸程度可将断裂划分为3个尺度:区域范围的大尺度、构造伴生的中尺度和与褶皱、节理等相关的小尺度[15]。参照实钻的已知井点或井组断裂解释信息, 对分频剖面中的缝洞异常和不同频段属性体的异常特征进行比对, 然后人工优选优势分频属性体并进行后续处理。前人研究表明, 不同频段数据反映的地质信息存在差异[16]。断裂识别时, 多采用低频分频体识别大尺度断裂, 高频分频体多用于小尺度裂缝的识别。
4) 相干体二次降噪。
相干运算对地震数据变化较敏感, 但因属性体内存在许多不能指示缝洞信息的背景值, 且蚂蚁追踪对数据微弱变化更敏感, 导致部分背景值也成为电子蚂蚁的追踪目标。为保证追踪结果真实可靠, 需对优选的分频相干体进行二次降噪处理。由于背景噪声反映了原始地震数据同相轴形态上或能量上的微弱变化, 故在参与计算的相邻计算道内, 背景噪声的相干值较裂缝的相干值普遍偏高。二次降噪即是基于这一现象对相干体进行追踪前的预处理, 在处理前先需依照已知井点或井组信息统计优选属性体的相干值, 找出区分有效相干与无效相干的界限值, 再对超过界限值的高相干背景统一赋予某一较高的固定数值(略大于或等于界限值), 并保证低于界限值的相干值不变, 使得后续利用追踪算法运算时, 计算结果免受高背景值的干扰, 检测结果更加可靠。
5) 蚂蚁追踪。
影响蚂蚁追踪效果的重要参数包括6个基本参数和1个倾角方位角选择参数。这6个基本参数分别为蚂蚁边界、蚂蚁追踪偏差、蚂蚁步长、准许非法步、必须合法步和停止标准。蚂蚁边界控制着放置蚂蚁的数量和密度; 蚂蚁追踪偏差控制着每只蚂蚁追踪时允许的偏离程度; 蚂蚁步长控制着蚂蚁搜索时每个步长样点数的数量; 准许非法步控制着每只蚂蚁在追踪不到局部最大值时可以搜寻的距离; 必须合法步与蚂蚁有效记录时连续搜寻的合法步数有关; 停止标准定义了每只蚂蚁停止搜寻时非法步占合法步比值的阈值, 达到该阈值蚂蚁追踪将停止。为保证追踪效果合理, 首先需根据地震数据及已钻井静态测井解释资料、部分井组钻采连通动态资料和工区地质情况等特点, 设计多组不同参数组合的对照试验; 然后根据对照试验的结果, 观察追踪结果随参数的变化特征, 从而确定更合理的蚂蚁追踪参数组合及追踪次数; 最后根据工区已知的动静态生产、测井及地质资料验证蚂蚁追踪结果的合理性。在蚂蚁追踪前根据预测目的和需求将已知的动、静态资料划分为约束井组资料和验证井组资料, 划分时应注意两组资料的可靠性权重须均衡, 前期调试参数的约束井组资料和后期验证结果的检验井组资料均应为同一工区的具有代表性的实钻资料, 但二者不应包括相同的井组。
2 应用实例T井区位于塔里木盆地阿克库勒突起轴部, 北东(NE)向鼻状构造末端, 在区域构造背景中主要发育北东(NE)和北西(NW)两个走向的断裂, 其中北东(NE)向断裂为区域主断裂, 北西(NW)向断裂起沟通协调作用。在油气田开发阶段对断裂识别的精度要求较高, 仅掌握大的区域构造背景, 不能满足开发地震的预测要求, 因此为提高T井区中-小尺度断裂的识别效果, 将本文提出的方法应用于T井区叠后地震资料的断裂刻画。
对T井区叠后地震数据进行频谱分析(图 3), 可以得到T井区地震资料的有效频带范围为5~45Hz。利用匹配追踪方法将原始地震数据在主要能量频率范围(10~40Hz)以5Hz为间隔划定中心频率, 将原始地震数据分成7个分频数据体。将全频带数据体地震剖面(图 4a)与分频数据体地震剖面(图 4b, 图 4c, 图 4d, 图 4e, 图 4f)对比, 可以看出中-高频分频数据体剖面(图 4d, 图 4e, 图 4f)比全频带(图 4a)和低频分频数据体(图 4b, 图 4c)地震剖面更好地显示中尺度断裂(图 4中的黑色椭圆和箭头所示), 其中剖面同相轴更连续, 断点更清晰。部分小尺度断裂(图 4d, 图 4e, 图 4f红色箭头所示)在中心频率较低的25Hz分频数据体地震剖面(图 4d红色箭头所示)中难以识别, 而在中心频率较高的分频数据体地震剖面(图 4e, 图 4f)中形态更清晰。对于T井区数据, 利用中心频率较高(30~40Hz)的分频数据体地震剖面识别中-小尺度断裂更有效, 因此中心频率较高的分频数据体地震剖面更适合于识别中-小尺度断裂。
|
图 3 T井区全频带地震数据频谱 |
|
图 4 全频带数据体与分频数据体地震剖面对断裂的显示 a全频带数据体; b 10Hz的分频数据体; c 15Hz的分频数据体; d 25Hz的分频数据体; e 30Hz的分频数据体; f 40Hz的分频数据体 |
对优选出的中-高频分频数据体分别进行一次倾角导向滤波并提取相干体沿层切片(图 5), 可以看出, 3个分频数据相干体切片对区域构造格局均显示良好, 高频的40Hz分频数据相干体切片背景干净, 但丢失了部分中频的缝洞信息, 一些孔洞(沿断裂发育)的偏中频“串珠”也在滤波时被丢失(图 5箭头所示), 即造成了重要的有效信息丢失; 30Hz、35Hz的分频数据相干体切片对大部分地质不连续信息均能有效显示, 30Hz的分频数据相干体切片对部分中频“串珠”特征的显示效果优于35Hz的分频数据相干体切片。因此该井区优选30Hz分频数据相干体作为蚂蚁追踪的初始地震数据体。
|
图 5 不同分频数据相干体切片 a 30Hz; b 35Hz; c 40Hz |
参照T井区剖面分析结果和实钻井测井解释资料, 统计分析T井区30Hz分频数据相干体切片, 得出结论:因指示断层的有效信息相干值均低于120, 故相干值大于等于120时, 可看作是影响蚂蚁追踪识别的背景值。因此120可作为区分有效信息与无效信息之间的界限值, 将高于120的相干值统一赋值为略高于界限值的固定数值122, 而低于界限值的相干值保持不变, 以保证后续蚂蚁追踪不受背景值的干扰。
分频资料优选及相干资料预处理是更好地执行追踪步骤的前提, 以井间动态连通关系为约束, 设计多组对照试验, 确定追踪次数并调整蚂蚁追踪参数。由T井区井间注采连通关系可知, 该区已明确的连通井组共5对, 本次追踪选取其中两个井组TK779-TK733CH和TK779-TK7-444CH作为调试参数的约束井组, 其他井组作为证明方法适用性的验证井组。
经测试, T井区需先后执行两次蚂蚁追踪:一次追踪的目的在于刻画断裂的大致形态, 经过大量反复试验对照, 优选出了第一组参数并对数据进行一次追踪(图 6a), 图中白色部分代表没有断裂发育的基岩, 蓝色和灰色代表了断裂发育的形态和走向, 此次追踪有助于了解断裂的总体发育构架, 保证了追踪的全面性和广泛性; 二次追踪是在一次追踪的基础上增强大-中尺度断裂, 并进一步刻画小尺度断裂的过程, 不仅可以有效保留一次追踪对断裂构造格局的追踪结果, 而且强化了细小断裂的识别效果。在执行二次追踪时, 依旧设计大量反复试验进行比照, 优选出一组适合的参数执行追踪。值得注意的是, 经调研T井区断层均为高倾角断层, 为保证两次追踪的合理性, 每次追踪选择倾角方位角参数时均压制了倾角小于40°的断层, 最终追踪结果如图 6b所示。
|
图 6 蚂蚁追踪效果对比 a 30Hz分频数据相干体二次降噪后的一次追踪结果; b 30Hz分频数据相干体二次降噪后的二次追踪结果; c 30Hz分频数据相干体未二次降噪的一次追踪结果; d 30Hz分频数据相干体二次降噪滤去的数据切片 |
为了体现二次降噪的必要性, 对未执行二次降噪的30Hz分频数据相干体采用相同的参数执行蚂蚁追踪, 当仅执行了一次追踪时(图 6c), 断裂的基本构架识别不清晰, 可以看出, 未二次降噪的一次追踪结果较进行二次降噪的一次追踪结果内容过于丰富, 其中包含非断裂因素控制的原始地震数据同相轴形态上微弱变化或微小能量差异等导致的背景噪声(图 6d), 与区域地质认识不符。背景噪声明显影响了利用相干体进行断裂精细识别的准确性, 因此需要进行二次降噪。
验证最终结果的有效性是地震预测技术流程中不可缺少的环节。由蚂蚁追踪结果可知:①工区呈现出明显的北东向、北西向两组主断裂, 且显示两组近东西走向断裂, 这与大的区域构造发育背景相一致; ②根据研究区现阶段注采关系可判断井间连通关系如图 7a所示, 因为部分井在开发阶段已明确显示地下连通特征, 所以这些井在最终蚂蚁追踪沿层切片上表现为明确的断裂或裂缝沟通(图 7b), 因此最终追踪结果也符合井间动态连通特征。
|
图 7 井间连通关系(a)与蚂蚁追踪沿层切片(b) |
为了说明分频数据相干体对中-小断裂识别的有效性, 本文对全频带数据相干体采用改进的蚂蚁追踪技术流程(图 8), 其中追踪参数与分频追踪参数保持相同, 追踪次数也保持一致, 追踪结果如图 9所示, 可见多处中-小尺度断裂的刻画不完整(图 9红圈指示), 井间动态连通匹配度低于30Hz分频相干体蚂蚁追踪结果。但由于全频带数据相干体含低频信息,所以其对大尺度断裂的刻画较分频数据相干体的追踪结果更好(图 9黑圈所示)。
|
图 8 改进的技术流程应用于全频带数据相干体的工作流程 |
|
图 9 对全频带数据相干体采用改进的分频蚂蚁追踪技术得到的结果 |
探讨基于分频相干体的蚂蚁追踪技术, 提出一套适应开发阶段断裂刻画的分频蚂蚁追踪技术流程, 并将该技术流程应用于塔里木盆地T井区实际资料处理和对比分析, 得出以下结论:
1) 采用匹配追踪频谱分解技术可以得到高分辨率的分频数据体。针对某一中心频率的分频数据体对某一尺度类型断裂成像更敏感, 这为蚂蚁追踪提供了良好的数据基础。
2) 与常规蚂蚁追踪技术相比, 基于二次去噪和多次迭代的蚂蚁追踪技术应用结果与井间动态响应匹配度高, 应用效果良好。
3) 断裂刻画效果评价标准既要考虑与测井解释结果的吻合程度, 也要考虑与井间动态响应结果的匹配情况。
| [1] |
COLORNI A, DPRIGO M, MANIEZZO V.An investigation of some properties of an "Ant Algorithm"[R].2nd Conference on Parallel Problem Solving from Nature (PPSN-92), Brussels: Elsevier Science, 1992
|
| [2] |
RANDEN T, PEDEREN S I, NNELAND L. Automatic extraction of fault surfaces from three-dimensional seismic data[J]. Expanded Abstract of 71st Annual Internat SEG Mtg, 2001, 551-555. |
| [3] |
龙旭, 武林芳. 蚂蚁追踪属性体提取参数对比试验及其在塔河四区裂缝建模中的应用[J]. 石油天然气学报, 2011, 33(5): 76-81. LONG X, WU L F. Parameter comparative experiments on ant-tracking attribute attribute extraction and its application in fracture modeling in region 4 of Tahe Oilfield[J]. Journal of Oil and Gas Technology, 2011, 33(5): 76-81. DOI:10.3969/j.issn.1000-9752.2011.05.016 |
| [4] |
李楠, 王龙颖, 黄胜兵, 等. 利用高清蚂蚁体精细解释复杂断裂带[J]. 石油地球物理勘探, 2019, 54(1): 182-190. LI N, WNAG L Y, HUANG S B, et al. 3D seismic fine structural interpretation in complex fault zones based on the high-definition ant-tracking attribute volume[J]. Oil Geophysical Prospecting, 2019, 54(1): 182-190. |
| [5] |
马丽娟, 金之钧. 复杂断块构造的精细解释[J]. 石油地球物理勘探, 2005, 40(6): 688-692. MA L J, JIN Z J. Fine interpretation of complex fault-block structure[J]. Oil Geophysical Prospecting, 2005, 40(6): 688-692. DOI:10.3321/j.issn:1000-7210.2005.06.014 |
| [6] |
ZENG H L, JOHN A, JACKSON K G. Frequency-dependent seismic stratigraphy[J]. Expanded Abstract of 69th Annual Internat SEG Mtg, 2009, 1097-1101. |
| [7] |
陈波, 孙德胜, 朱筱敏, 等. 利用地震数据分频相干技术检测火山岩裂缝[J]. 石油地球物理勘探, 2011, 46(4): 610-613. CHEN B, SUN D S, ZHU X M, et al. Fracture detection in volcanic rocks using discrete frequency coherency cubes on full-azimuth seismic data[J]. Oil Geophysical Prospecting, 2011, 46(4): 610-613. |
| [8] |
QI J, CASTAGNA J P. Application of a PCA fault-attribute and spectral decomposition in Barnett Shale fault detection[J]. Expanded Abstract of 83rd Annual Internat SEG Mtg, 2013, 1421-1425. |
| [9] |
QI J, ZHANG B, ZHOU H, et al. Attribute expression of fault-controlled karst—Fort Worth Basin, Texas:A tutorial[J]. Interpretation, 2014, 2(3): SF91-SF11. DOI:10.1190/INT-2013-0188.1 |
| [10] |
张瑞, 文晓涛, 李世凯, 等. 分频蚂蚁追踪在识别深层小断层中的应用[J]. 地球物理学进展, 2017, 32(1): 350-356. ZHANG R, WEN X T, LI S K, et al. Application of frequency division ant-tracking in identifying deep minor fault[J]. Progress in Geophysics, 2017, 32(1): 350-356. |
| [11] |
张雪冰.基于贪婪算法的地震数据稀疏时频分解方法研究[D].长春: 吉林大学, 2016 ZHANG X B.Research of the methods for seismic data sparse time-frequency decomposition based on the greed algorithm[D].Changchun: Jilin University, 2016 |
| [12] |
赵天姿, 宋炜, 王尚旭. 基于匹配追踪算法的时频滤波去噪方法[J]. 石油物探, 2008, 47(4): 367-371. ZHAO T Z, SONG W, WANG S X. Time-frequency filtering de-noise method based on matching pursuit algorithm[J]. Geophysical Prospecting for Petroleum, 2008, 47(4): 367-371. DOI:10.3969/j.issn.1000-1441.2008.04.009 |
| [13] |
任浩, 李宗杰, 薛姣, 等. 基于稀疏反演的多道匹配追踪地震信号去噪方法及其应用[J]. 石油物探, 2019, 58(2): 199-207. REN H, LI Z J, XUE J, et al. Multichannel matching pursuit based on sparse inversion for seismic data denoising and its application[J]. Geophysical Prospecting for Petroleum, 2019, 58(2): 199-207. DOI:10.3969/j.issn.1000-1441.2019.02.005 |
| [14] |
QI J, MACHADO G, MARFURT K J. A workflow to skeletonize faults and stratigraphic features[J]. Geophysics, 2017, 82(4): 57-70. |
| [15] |
梁志强. 不同尺度裂缝的叠后地震预测技术研究[J]. 石油物探, 2019, 58(5): 766-772. LIANG Z Q. Poststack seismic prediction techniques for fractures of different scales[J]. Geophysical Prospecting for Petroleum, 2019, 58(5): 766-772. DOI:10.3969/j.issn.1000-1441.2019.05.016 |
| [16] |
苏明, 刘军锷, 贾光华, 等. 地震分频解释技术在三角洲体系中的应用——以东营凹陷沙三中亚段东营三角洲为例[J]. 地球物理学进展, 2014, 29(3): 1248-1256. SU M, LIU J E, JIA G H, et al. Application of seimic frequency-division technology in delta system:A case study of the Dongying delta of the middle sub-section of the 3rd member of Shahejie formation in Dongying depression[J]. Progress in Geophysics, 2014, 29(3): 1248-1256. |