东海某凹陷中北部深层普遍发育厚度超百米的大型砂体, 是油气勘探的主攻方向。大型砂体具有埋藏深、孔渗低、规模大且非均质性强的特点。因此, 在有效刻画砂体分布特征的基础上, 预测优势储层的发育区是勘探和开发亟需解决的问题。
在厚储层预测方面, 基于谱反演方法, 通过合并不同频段的地震数据, 获取宽频信息[1-2], 可拓展厚度识别范围。但该方法的频带选择基于原始地震资料有效频宽, 对于研究区超百米厚层预测所需要的甚低频, 现有地震资料频带往往无法满足。
在储层物性预测方面, 基于岩石物理分析, 使用反演等地震技术, 刻画低孔渗储层分布特征, 预测优势储层(“甜点”)发育区, 在低孔渗油气勘探开发中取得了较广泛的应用。这些技术有两方面特点:①以叠前反演算法为核心, 采用测井数据的数学插值提供空间的低频信息, 然后采用地震反演方法计算储层敏感弹性参数进行储层预测[3-7], 此类算法较少针对地质特征和地震资料特点进行技术优化; ②将孔隙度作为优势储层预测的主要指标, 利用与孔隙度相关性高的纵波阻抗、泊松阻尼因子等参数, 定性或定量地预测孔隙度的变化[8-11], 从而实现优势储层的预测。
由于海上钻井稀疏且分布不均匀、深层地震资料能量衰减明显及大型砂体的地质特点, 因而对大型砂体及优势储层预测存在以下3个难点:①深层信号能量衰减导致地震资料有效频带变窄, 造成厚储层预测不准; ②孔渗相关性较差, 孔隙度不能全面评价渗透性比较好的优势储层; ③大型砂体内部非均质性强, 地震资料信噪比低, 来自厚砂体内部的有效信号弱, 在常规反演流程中不能得到有效提取与利用。
针对以上问题, 本文提出了大型砂体岩性-岩相分尺度的地震预测方法。针对窄频带地震数据纵向分辨能力低[12]、基于稀疏井点沿层数学插值建立的低频模型(其中0~3Hz的甚低频成分在远井区不准确)造成厚储层预测精度偏低的问题, 引入地震层速度补偿模型中的甚低频信息, 采用分频迭代反演, 保护和突出地震数据中的低频成分, 提高厚储层预测的精度, 在宏观尺度预测大型砂体的展布特征; 针对孔渗相关性差的问题, 通过沉积储层分析找到对渗透率敏感的有利岩相, 并分析其敏感弹性参数; 针对低信噪比条件下有效地震信息比较弱造成反演结果模型化严重、分辨能力低的问题, 引入标准抛物线型三参数AVO方程, 构建对孔隙度和有利岩相敏感的地震属性, 利用有利岩相敏感地震属性作为约束, 进行相控反演, 提高单砂体内部有利岩相敏感弹性参数的地震反演精度, 在单砂体尺度预测有利岩相发育区。最后, 将宏观尺度的大型砂体分布特征与单砂体尺度的物性分析、有利岩相预测相结合, 实现优势储层预测。其中基于甚低频补偿的分频迭代反演与基于有利岩相敏感地震属性约束的相控反演是本文方法的两项关键技术。
1 大型砂体沉积储层特征及有利岩相分析 1.1 大型砂体的沉积储层特征东海某凹陷花港组沉积时期受北部虎皮礁、西部海礁和东部钓鱼岛三大物源影响[13], 在多级坡-阶带、微古地貌、隐伏断裂共同控制下, 形成了花港组大型辫状河沉积体系[14-17]。在低位期, 强水动力和过补偿条件下, 基准面的下降导致细粒沉积被侵蚀, 这一过程重复进行, 形成了花港组纵向上相互切割、连续叠置的大型砂体。
由岩心观察可知, 花港组岩性主要以分选与磨圆较好的长石岩屑质石英砂岩为主, 石英含量高, 填隙物含量低, 表现为洁净砂岩特征。以Z-1井为例, 取心段中上部主要为浅灰色细砂岩, 偶见石英砾和泥砾, 粒径2~5mm, 最大20mm, 分选较好且磨圆度较高, 较为致密; 取心段中下部主要为灰白色砂砾岩, 中粒为主, 粒石主要为石英, 最大37mm×10mm, 分选较好, 可见底冲刷现象(图 1)。结合岩心观察的粒度差异分布特征, 同时开展Z-1井取心段孔、渗参数分析, 粒度特征与物性参数均表明厚层辫状河道砂体内储层物性非均质性较强。
深层强压实背景下, 渗透率是表征油气运移与储集性能的关键参数, 是储层评判的关键指标。以Z-1井H3取心段为例, 进行储层物性的统计分析, 结果表明粒度、泥质含量与渗透率具有较高的相关性。说明水动力强且稳定的条件下, 粒度越粗, 泥质含量越低, 其对应的渗透率越高(图 2)。因此, 粒度粗、泥质含量低的洁净粗粒砂岩为大型砂体的有利岩相, 结合沉积分析, 有利岩相主要发育在顺物源的河道主体部位。
结合物性统计结果, 分析有利岩相的岩石物理特征。图 3给出了Z气田实际测井资料不同粒度和泥质含量的纵横波速度比(vP/vS)与横波阻抗交会分析结果。其中, 图 3a中不同颜色的点代表不同的粒度, 红色为中粗砂岩, 绿色为粉细砂岩, 蓝色为泥岩。从图 3a可以看出, 粗粒砂岩具有低vP/vS和高横波阻抗的特征。图 3b中不同颜色的点代表不同的泥质含量, 其中红色泥质含量低, 蓝色泥质含量高。从图 3b可以看出, 洁净砂岩具有低vP/vS和高横波阻抗的特征。综上所述, 洁净、粗粒的有利岩相具有低vP/vS、高横波阻抗的弹性特征, 这些特征都与横波信息相关。
基于大型砂体的地质特征、地震及钻井资料的特点, 针对常规储层预测技术流程存在的局限性, 本文采用了大型砂体岩性-岩相分尺度储层预测方法, 其与常规储层预测技术流程对比如图 4所示。
在岩性识别方面, 首先利用地震速度补偿常规速度模型中的甚低频信息, 提高低频模型的合理性; 并采用分频处理和分频反演, 保护和突出地震数据中较弱的低频信息, 提高厚储层(岩性)预测的精度, 在宏观尺度上刻画大型砂体的分布特征。
在有利岩相预测方面, 为消除低信噪比地震数据反演模型化的影响, 提高单砂体尺度非均质性评价的精度, 引入标准抛物线型三项式AVO简化方程, 构造对孔隙度敏感的密度项信息和对有利岩相敏感的横波反射率地震信息。利用密度项地震信息定性分析大型砂体的孔隙度变化; 利用横波反射率地震信息, 进行地震-沉积相分析, 在此指导下, 进行相控建模反演, 提高有利岩相敏感弹性参数反演的精度, 在单砂体尺度内定性或半定量预测优势储层。
2.1 叠前同时反演根据预测有利储层的目的, 需要从地震数据中反演横波岩性敏感参数和有利岩相敏感参数, 如横波阻抗、vP/vS等。采用基于Zoeppritz方程[18]Fatti近似[19]的叠前反演方法。该方法假设横波阻抗、密度的对数与纵波阻抗的对数存在一定的线性关系, 然后利用该线性关系求解(1)式, 得到纵波阻抗、横波阻抗和密度, 从而进一步求得vP/vS等弹性参数。
$S_{\alpha}=\frac{1}{2} c_{1} W_{\alpha} \boldsymbol{D} L_{\mathrm{P}}+\frac{1}{2} c_{2} W_{\alpha} \boldsymbol{D} L_{\mathrm{s}}+c_{3} W_{\alpha} \boldsymbol{D} L_{\mathrm{D}} $ | (1) |
式中:Sɑ为入射角为α的地震数据; c1, c2, c3为Fatti近似的拟合系数; Wα为入射角为α的地震子波; D为差分矩阵; LP, LS和LD分别为纵波阻抗、横波阻抗和密度的对数。
2.2 基于甚低频补偿的分频迭代反演预测大型砂体储层(岩性)宏观分布特征的刻画是大型砂体优势储层预测的基础, 而厚度的精确预测是关键。常规技术流程中, 厚度预测精度偏低有两方面的原因:①地震数据的频带宽度有限, 特别是低频成分缺失或信号较弱[20]; ②由于钻井稀疏, 造成全频带的测井数据沿构造插值之后建立的低频模型在远井区甚低频部分横向易模型化、纵向与实际不符, 造成厚储层反演不准。本次试算模型为依据实际钻井资料建立的楔状砂体模型(图 5a), 模型参数见表 1。当反演使用水平层状低频模型(图 5b)时, 模型不能正确反映厚储层的甚低频成分, 造成厚储层出现预测砂体“分叉”现象, 反演结果误差较大(图 5c); 当低频模型的甚低频成分能够正确反映地层的构造特征时(图 5d), 厚储层反演结果与设计模型更为吻合, 砂体预测精度高(图 5e)。根据这一认识, 结合不同资料的频带特征, 提出了基于甚低频补偿的分频迭代反演技术。
基于甚低频补偿的分频迭代反演首先由速度场获取甚低频信息(0~3Hz), 表征厚层砂体的趋势特征, 再用甚低频约束反演得到低频信息, 采用逐级约束反演的方法, 得到大型砂体的全频带储层预测结果, 从而提高厚储层的预测精度。其主要技术流程如下。
1) 采用地震优化处理[21]得到地震层速度。
2) 基于测井速度-密度交会分析获得地层速度与阻抗统计关系。图 6a和图 6b分别给出了全频带的纵波速度与全频带的纵波阻抗和横波阻抗交会分析结果。由图 6a和图 6b可见, 两者相关性较好, 呈近似线性关系。图 6c和图 6d分别给出了甚低频(0~3Hz)的纵波速度与甚低频的纵波阻抗和横波阻抗的交会分析结果。由图 6c和图 6d可见, 纵波速度与纵、横波阻抗的正相关性进一步提高。因此, 可依据所统计的正相关关系利用步骤1)中的层速度计算对应的甚低频(0~3Hz)纵、横波阻抗。
3) 将地震数据进行分频处理得到低频分量, 以步骤2)中的甚低频阻抗信息作为低频模型进行约束, 利用地震低频分量(3~15Hz)进行叠前同步反演, 得到地震低频分量对应的反演结果。
4) 利用步骤3)中的反演结果作为低频模型进行约束, 利用全频带的地震信息(3~60Hz)进行叠前同步反演, 得到分频迭代的反演结果。
该方法运用分频地震信息, 采用逐级反演的方法, 有效利用和突出了甚低频及低频信息, 提高了厚储层的预测精度。
2.3 基于有利岩相敏感信息的相控反演预测优势储层针对低渗大型砂岩储层孔渗关系复杂的特点, 采用孔隙度和有利岩相相结合的非均质性评价方法进行储层预测。岩石物理研究指出, 孔隙度与密度信息相关, 而洁净粗粒的有利岩相与横波信息相关。因此, 引入标准抛物线型三参数AVO近似方程, 构建叠前地震数据中的密度信息和横波反射率信息, 利用密度信息分析砂体的孔隙度变化, 利用横波反射率信息进行地震-沉积相分析, 作为相控反演中相控约束的依据, 进而反演出有利岩相敏感弹性参数, 预测砂体的有利岩相。传统的三项式Shuey近似公式[23]可以简写为:
$R(\alpha)=A+B \sin ^{2} \alpha+C\left(\operatorname{tg}^{2} \alpha-\sin ^{2} \alpha\right) $ | (2) |
其中, A=1/2(ΔvP/vP+Δρ/ρ), B=1/2(ΔvP/vP)-4(vS2/vP2)(ΔvS/vS)-2(vS2/vP2)(Δρ/ρ), C=1/2·(ΔvP/vP)。(2)式两侧乘以cos2α, 并对三角函数进行重新整理, 可得:
$R(\alpha) \cos ^{2} \alpha=A \cos ^{2} \alpha+B \sin ^{2} \alpha \cos ^{2} \alpha+C\left(\sin ^{2} \alpha-\right.\\ \left.\sin ^{2} \alpha \cos ^{2} \alpha\right)=A+(B-A) \sin ^{2} \alpha+(C-B) \sin ^{4} \alpha $ | (3) |
式中:R(α)为当入射角是α时的地震振幅。用y代表R(α)cos2α, x代表sin2α, 则(3)式可写为:
$y=R+W x+V x^{2} $ |
$R=\frac{1}{2}\left(\frac{\Delta v_{\mathrm{P}}}{v_{\mathrm{P}}}+\frac{\Delta \rho}{\rho}\right) $ |
$W=-\frac{1}{2} \frac{\Delta \rho}{\rho}+4 \frac{v_{\mathrm{S}}^{2}}{v_{\mathrm{P}}^{2}} \frac{\Delta v_{\mathrm{S}}}{v_{\mathrm{S}}}+2 \frac{v_{\mathrm{S}}^{2}}{v_{\mathrm{P}}^{2}} \frac{\Delta \rho}{\rho} $ | (4) |
$V=4 \frac{v_{\mathrm{S}}^{2}}{v_{\mathrm{p}}^{2}} \frac{\Delta v_{\mathrm{S}}}{v_{\mathrm{S}}}+2 \frac{v_{\mathrm{S}}^{2}}{v_{\mathrm{P}}^{2}} \frac{\Delta \rho}{\rho} $ |
与Shuey三项式相比, 改进的AVO三项式((4)式)为标准的抛物线方程, 可根据抛物线方程用最小二乘等方法求取系数R、W、V, 求取过程中, 可以去掉地震数据中不满足抛物线方程的异常值, 从而达到提高拟合精度和稳定性的目的。(4)式中W和V相加可得:
$\frac{\Delta \rho}{\rho}=-2(W+V) $ | (5) |
公式(5)仅与密度信息相关, 而密度与砂岩的有效孔隙度正相关, 因此, 密度可以作为孔隙度分析的敏感地震属性。假设vS/vP=0.5, 则(4)式中的W可写为:
$W=-\left(\frac{\Delta v_{\mathrm{S}}}{v_{\mathrm{S}}}+\frac{\Delta \rho}{\rho}\right) $ | (6) |
式中:W为横波反射率。根据岩石物理分析, 有利岩相与横波属性相关, 因此横波反射率W可以作为有利岩相的敏感地震属性, 为相控建模提供约束信息。
基于对有利岩相敏感的横波反射率属性进行约束, 开展相控叠前反演。横波反射率对于优势砂体具有较好的识别能力, 首先利用横波反射率识别砂体, 将所识别砂体纵向叠置特征、横向分布特征与研究区的沉积分析相结合, 建立研究区的沉积约束分类相带; 然后在分类相带的约束下控制研究区井信息的插值范围, 利用敏感属性约束建立低频模型以实现相控建模。该方法利用建立低频模型引入有利相带划分结果, 减少常规建模带来的模型化假象, 提升稀疏钻井条件下低频模型的地质合理性, 达到提高单砂体内部有利岩相预测精度的目的。
设计如图 7a所示模型进行试算。设计的正演模型泥岩背景中90m厚的砂岩分为三期单砂体, 上部为30m细砂岩, 中部为30m洁净粗粒砂岩, 下部为30m细砂岩, 具体参数见表 2。由于细粒和洁净粗粒砂岩的阻抗接近, 洁净粗粒砂岩在常规地震剖面上表现为弱反射(图 7b), 无法被有效识别, 在反演vP/vS剖面上与细砂岩区分度不高(图 7c)。但洁净粗粒砂岩在横波反射率剖面上具有较强的地震响应(图 7d), 运用该结果作为有利岩相敏感地震属性约束, 进行相控反演, 有效识别了洁净粗粒砂岩(图 7e)。
Z构造位于东海某凹陷中北部, 其主要目的层埋藏深, 均位于4000m以下的深层, 其中较浅部位的G1砂体是勘探开发的主要层系。工区内已钻井5口, 钻井揭示G1砂体具有厚度大、非均质性强的特点, 单层砂体平均厚度160m, 孔隙度范围在6%~12%, 渗透率范围在0.2~18.0mD。因此, 需要刻画G1砂体的分布特征并预测优势储层发育区, 为进一步评价该构造提供支撑。
首先, 应用基于甚低频补偿的分频迭代反演技术刻画砂体的展布特征。图 8对比了常规流程反演结果和基于甚低频补偿的分频反演结果。从图 8可以看出, 与常规流程叠前反演结果(图 8a)相比, 基于甚低频补偿的分频迭代反演结果(图 8b)的顶和底与厚储层(G1)吻合更好, 厚度预测更准确, 反映了大型砂体的展布趋势。利用反演结果, 刻画G1砂体的厚度分布特征。图 8c和图 8d分别给出了常规流程和基于甚低频补偿分频反演的G1砂体时间厚度。由图 8c和图 8d可见, 与常规叠前反演的砂体厚度展布特征相比, 基于甚低频补偿分频反演的G1砂体几何形态更具有河道展布特征, 与大型辫状河道的区域沉积认识一致, 揭示了辫状河的主物源来自西北方向。
在甚低频补偿的基础上, 通过改进的标准抛物线型三参数AVO方程计算横波反射率(图 9a), 将横波反射率展布特征(图 9b)、储层厚度变化特征和区域沉积分析相结合, 建立目的层的沉积相。考虑到沉积相的不确定性, 将沉积相划分为三类约束相(图 10a)进行相控建模:其中Ⅰ类相为近物源主河道和心滩发育的部位; Ⅱ类相为远物源主河道和河道侧缘相; Ⅲ类相包括河漫滩和沼泽相。
在进行地震敏感属性约束的相控反演时, 由于Ⅱ类相带以及Ⅲ类相带内实际钻井数较少, 因此在上述两个相带内提取伪井用于构建相控低频模型(图 10b)。应用基于甚低频补偿的反演结果提取W-1至W-7共7口伪井的弹性曲线(纵、横波阻抗等), 结合工区已钻井(Z-1至Z-5), 基于相带划分成果进行相控低频建模。其中, Z-1、Z-2、Z-3、Z-5井在Ⅰ类相带内进行低频插值, Z-4与W-1井在Ⅱ类相带内进行低频插值, W-2至W-7井在Ⅲ类相带内进行低频插值。结合该相控低频模型进行叠前同时反演, 其结果如图 11所示。与图 8b相比, 反演结果在保持厚储层特征的基础上, 反映出砂体内部更多的细节, 其低vP/vS和高横波阻抗的位置与优势储层发育段吻合较好。
图 12为基于有利岩相敏感地震属性约束相控反演结果的有利岩相时间厚度图, 与基于常规流程反演的时间厚度图(图 8c)相比, 预测的优势储层集中发育于辫状河近源主体部位, 与区域沉积规律和认识更为吻合, 为该气田的下一步评价提供了依据。
1) 东海某凹陷花港组大型砂体发育, 内部非均质性强, 孔渗关系复杂, 仅依靠孔隙度单参数不能有效评价储层的非均质性, 预测优势储层。沉积储层研究认为洁净、粗粒砂岩与渗透率相关性高, 为优势储层的有利岩相; 岩石物理分析表明, 有利岩相具有低vP/vS、高横波阻抗等弹性特征。
2) 提出了大型砂体岩性-岩相分尺度预测方法。该方法在常规建模的基础上, 利用地震速度信息补偿模型中的甚低频, 采用分频迭代反演突出和保护地震数据中的低频成分, 从而提高大型砂体预测的精度, 在宏观尺度上刻画其分布特征; 在此基础上, 结合沉积储层认识与岩石物理分析, 利用标准抛物线型三参数AVO方程构建横波反射率信息, 形成基于有利岩相敏感地震属性约束的相控反演方法, 提高有利岩相敏感弹性参数的反演精度。
3) 大型砂体岩性-岩相分尺度预测方法在东海某凹陷Z构造应用结果表明, 该方法较常规技术提高了厚储层预测的精度, 厚度分布特征与区域沉积认识吻合; 基于有利岩相敏感地震属性约束的相控反演方法提高了反演结果的横向预测精度, 反映了砂体内部的叠置关系等更多细节。综合储层厚度信息、有利岩相的定性和定量信息, 预测G1砂体的优势储层发育区, 预测结果与已钻井结果吻合较好, 符合沉积规律及认识, 为该气田的下一步评价提供了依据。
[1] |
周东红, 张志军, 谭辉煌. 基于谱反演的超限厚储层描述技术及其在渤海海域"富砂型"极浅水三角洲储集层的应用[J]. 中国海上油气, 2015, 27(3): 25-30. ZHOU D H, ZHANG Z J, TAN H H. Super-thick reservoir characterization technique based on spectral inversion and its application on extremely shallow sand-rich delta, Bohai sea[J]. China Offshore Oil and Gas, 2015, 27(3): 25-30. |
[2] |
张志军, 王波, 谭辉煌, 等. 宽带雷克子波应用于基于谱反演的厚储层描述技术[J]. 中国海上油气, 2016, 28(3): 62-69. ZHANG Z J, WANG B, TAN H H, et al. Application of wide band Ricker wavelet on thick reservoir description based on spectral inversion[J]. China Offshore Oil and Gas, 2016, 28(3): 62-69. |
[3] |
HAMPSON D P, RUSSELL B H, BANKHEAD B. Simultaneous inversion of pre-stack seismic data[J]. Expanded Abstracts of 75thAnnual Internat SEG Mtg, 2005, 1633-1637. |
[4] |
印兴耀, 张世鑫, 张繁昌, 等. 利用基于Russell近似的弹性波阻抗反演进行储层描述和流体识别[J]. 石油地球物理勘探, 2010, 45(3): 373-380. YIN X Y, ZHANG S X, ZHANG F C, et al. Utilizing Russell A proximation-based elastic wave impedance inversion to conduct reservoir description and fluid identification[J]. Geophysical Prospecting for Petroleum, 2010, 45(3): 373-380. |
[5] |
郝前勇, 印兴耀, 王玉梅, 等. 弹性模量流体因子在永新工区储层预测中的应用[J]. 石油物探, 2012, 51(5): 502-507. HAO Q Y, YIN X Y, WANG Y M, et al. Application of elastic modulus fluid factor on reservoir prediction at Yongxin Block[J]. Geophysical Prospecting for Petroleum, 2012, 51(5): 502-507. |
[6] |
桂金咏, 高建虎, 雍学善, 等. 致密储层敏感弹性参数叠前同步反演方法[J]. 石油物探, 2015, 54(5): 541-550. GUI J Y, GAO J H, YONG X S, et al. A prestack simultaneous inversion method for sensitive elastic paramaters of tight reservoir[J]. Geophysical Prospecting for Petroleum, 2015, 54(5): 541-550. |
[7] |
姜勇, 涂齐催, 李宁. 基于叠前同步反演的储层参数预测技术研究与应用[J]. 油气藏评价与开发, 2016, 6(1): 9-13. JIANG Y, TU Q C, LI N. Study on reservoir parameters prediction technique based on pre-stack simultaneous inversion and its application[J]. Reservoir Evaluation and Development, 2016, 6(1): 9-13. |
[8] |
张亚敏, 张书法, 钱利. 地震资料反演砂岩孔隙度方法[J]. 石油物探, 2008, 47(2): 136-140. ZHANG Y M, ZHANG S F, QIAN L. Sandstone porosity inversion based on seismic data[J]. Geophysical Prospecting for Petroleum, 2008, 47(2): 136-140. |
[9] |
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. |
[10] |
秦德文, 侯志强, 姜勇, 等. 泊松阻尼因子在预测高孔隙度砂岩中的应用[J]. 工程地球物理学报, 2015, 12(2): 190-193. QIN D W, HOU Z Q, JIANG Y, et al. The application of poisson dampening factor to inspection of high porosity sandstone[J]. Chinese Journal of Engineering Geophysics, 2015, 12(2): 190-193. |
[11] |
张显文, 曹树春, 聂妍, 等. 地震多属性孔隙因子参数反演及其在伊拉克M油田碳酸盐岩储层预测中的应用[J]. 石油物探, 2018, 57(5): 756-763. ZHANG X W, CAO S C, NIE Y, et al. Seismic multi-attribute inversion for pore-sensitive factor and its application in carbonate reservoir prediction of M oilfield in Iraq[J]. Geophysical Prospecting for Petroleum, 2018, 57(5): 756-763. |
[12] |
FONSTEN K, STEFFEN B, CEES C, et al. Broadband seismic data—The importance of low frequencies[J]. Geophysics, 2013, 78(2): WA3-WA14. |
[13] |
秦兰芝, 刘金水, 李帅, 等. 东海西湖凹陷中央反转带花港组锆石特征及物源指示意义[J]. 石油实验地质, 2017, 39(4): 498-504. QIN L Z, LIU J S, LI S, et al. Characteristics of zircon in the Huagang Formation of the central inversion zone of Xihu Sag and its provenance indication[J]. Petroleum Geology and Experiment, 2017, 39(4): 498-504. |
[14] |
陈琳琳. 东海西湖凹陷渐新世花港组轴向水系沉积机制探讨[J]. 海洋石油, 2001, 21(3): 35-41. CHEN L L. Depositional mechanism of axial water system in the Oligocene Huagang Formation of Xihu Depression, East China Sea[J]. Offshore Oil, 2001, 21(3): 35-41. |
[15] |
吴志雄, 史基安, 张永庶, 等. 柴达木盆地北缘马北地区古近系辫状河微相特征及沉积模式[J]. 天然气地球科学, 2012, 23(5): 849-855. WU Z X, SHI J A, ZHANG Y S, et al. Sedimentary features and facies of Paleogene braided river in Mabei area[J]. Natural Gas Geoscience, 2012, 23(5): 849-855. |
[16] |
刘金水, 曹冰, 徐志星, 等. 西湖凹陷某构造花港组沉积相及致密砂岩储层特征[J]. 成都理工大学学报(自然科学版), 2012, 39(2): 130-136. LIU J S, CAO B, XU Z X, et al. Sedimentary facies and the characteristics of tight sandstone reservoirs of Huagang formation in Xihu depression, East China Sea Basin[J]. Journal of Chengdu University of Technology(Science & Technology Edition), 2012, 39(2): 130-136. |
[17] |
董春梅, 赵仲祥, 张宪国, 等. 西湖凹陷中北部花港组物源及沉积相分析[J]. 东北石油大学学报, 2018, 42(5): 25-34. DONG C M, ZHAO Z X, ZHANG X G, et al. Analysis of provenance and sedimentary facies of Huagang formation in the north central of Xihu Sag[J]. Journal of Northeast Petroleum University, 2018, 42(5): 25-34. |
[18] |
ZOPEPPRITZ K, ERDBBENWELLEN V. On the reflection and penetration of seismic waves through unstable layers[J]. Gottinger Nachr, 1919, 1(7B): 66-84. |
[19] |
FATTI J L, SMITH G C, VAIL P J, et al. Detection of gas in sandstone reservoirs using AVO analysis:A 3D seismic case history using the geostack technique[J]. Geophysics, 1994, 59(9): 1362-1376. DOI:10.1190/1.1443695 |
[20] |
ZONG Z Y, LI K, YIN X Y, et al. Broadband seismic amplitude variation with offset inversion[J]. Geophysics, 2017, 82(2): M43-M53. |
[21] |
何晓冬, 王峰, 庞二宽, 等. 井约束模型法速度分析技术在塔里木地区的应用[J]. 地球物理学进展, 2011, 26(4): 1378-1385. HE X D, WANG F, PANG E K, et al. Application of velocity analysis technology based on well constraint modelling method in tarim basin area[J]. Progress in Geophysics, 2011, 26(4): 1378-1385. |
[22] |
蔡希玲, 吕英梅. 地震数据时频分析与分频处理[J]. 勘探地球物理进展, 2002, 28(4): 265-270. CAI X L, LV Y M. Time-frequency analysis and frequency divisional processing of seismic data[J]. Progress in Exploration Geophysics, 2002, 28(4): 265-270. |
[23] |
SHUEY R T. A simplification of the Zoeppritz equations[J]. Geophysics, 1985, 50(4): 609-614. DOI:10.1190/1.1441936 |