石油地球物理勘探  2020, Vol. 55 Issue (3): 694-704  DOI: 10.13810/j.cnki.issn.1000-7210.2020.03.026
0
文章快速检索     高级检索

引用本文 

姜晓宇, 张研, 甘利灯, 宋涛, 杜文辉, 周晓越. 花岗岩潜山裂缝地震预测技术. 石油地球物理勘探, 2020, 55(3): 694-704. DOI: 10.13810/j.cnki.issn.1000-7210.2020.03.026.
JIANG Xiaoyu, ZHANG Yan, GAN Lideng, SONG Tao, DU Wenhui, ZHOU Xiaoyue. Seismic techniques for predicting fractures in granite buried hills. Oil Geophysical Prospecting, 2020, 55(3): 694-704. DOI: 10.13810/j.cnki.issn.1000-7210.2020.03.026.

本项研究受国家科技重大专项“前陆冲断带及复杂构造区地震成像关键技术与构造圈闭刻画”(2016ZX05003-003)资助

作者简介

姜晓宇, 博士研究生, 1988年生; 2011年获东北石油大学地球物理学专业学士学位, 2014年获中国石油勘探开发研究院地球探测与信息技术专业硕士学位; 2014~2017年就职于恒泰艾普集团股份有限公司; 现在中国石油勘探开发研究院攻读地球探测与信息技术专业博士学位, 主要研究方向为地震储层预测

姜晓宇, 北京市学院路20号中国石油勘探开发研究院油气地球物理研究所, 100083。Email:294449190@qq.com

文章历史

本文于2019年9月17日收到,最终修改稿于2020年2月19日收到
花岗岩潜山裂缝地震预测技术
姜晓宇 , 张研 , 甘利灯 , 宋涛 , 杜文辉 , 周晓越     
中国石油勘探开发研究院, 北京 100083
摘要:在大量文献调研基础上,分析常用的花岗岩潜山裂缝地震预测技术应用的前提条件、应用效果及优缺点。得到以下结论:①构造导向滤波技术可以提高叠后地震资料信噪比,“两宽一高”地震资料能显著提高潜山顶面及内幕成像精度;②相干体技术不受解释误差影响但刻画精度低,且只能预测同相轴错断的断层;③曲率属性只能识别两侧存在地层褶曲现象的断裂;④蚂蚁体属性能定性识别小断层和大尺度裂缝,与叠前方位各向异性结合可实现大尺度及中等尺度裂缝发育带的定量预测;⑤与相干等传统叠后属性相比,最大似然体属性预测裂缝精度更高,能实现断裂带内部及裂缝密集发育区的预测,但缺乏主干断裂信息;⑥基于统计法的各向异性强度计算结果比基于椭圆拟合法的计算结果更准确。
关键词花岗岩潜山    地震属性    裂缝预测    最大似然体    两宽一高    OVT    
Seismic techniques for predicting fractures in granite buried hills
JIANG Xiaoyu , ZHANG Yan , GAN Lideng , SONG Tao , DU Wenhui , ZHOU Xiaoyue     
Research Institute of Petroleum Exploration and Development, CNPC, Beijing 100083, China
Abstract: After analyzing the preconditions, application, advantages and disadvantages of techniques for predicting fractures in granite buried hill reservoirs on the basis of a large number of references, it is concluded that: ①The structure-oriented filtering technique can improve the signal-to-noise ratio of post-stack seismic data, and the seismic data with WWH (wide frequency, wide azimuth and high density) can significantly improve the imaging accuracy of the top and inside of buried hills; ②Coherent volume is not affected by interpretation errors, but its description accuracy is lower, and it can only predict faults with discontinuous events; ③Curvature attributes can only identify the fault with folded formations on both sides of it; ④Ant bodies attributes can qualitatively identify small faults and large fractures, and combining with prestack azimuth anisotropy, they can quantitatively predict large and medium fracture zones; ⑤Compared with traditional post-stack attributes such as coherence, the maximum likelihood volume is accurate to predict fractures, and it can predict the interior of a fault zone and a dense fracture area, but it can't provide the information about trunk faults; ⑥The anisotropic strength based on statistical data is more accurate than that based on ellipse fitting.
Keywords: granite buried hills    seismic attributes    fracture prediction    the maximum likelihood    WHH    OVT    
0 花岗岩潜山油气藏勘探现状

目前世界上已经发现的基岩油气藏中,花岗岩油气藏约占40%,储量占75%[1]。在花岗岩潜山中发现油气藏的有:利比亚锡尔特盆地的Nafoora油田;委内瑞拉马拉开波盆地的La Paz油田;智利西麦哲伦盆地的Lago_Mercedes油田;美国堪萨斯中部的Orth油田;越南湄公河三角洲的白虎油田;乍得Bongor盆地的Ronier油田等[2-4]

另外,还有很多基底为花岗岩的含油气盆地,如:中东波斯湾油气区;俄罗斯、哈萨克斯坦的滨里海盆地;苏丹的穆格莱特盆地;俄罗斯的伏尔加—乌拉尔盆地;澳大利亚的吉普斯兰盆地;加拿大西部盆地;美国的洛杉矶盆地、阿巴拉契亚盆地;委内瑞拉的东委内瑞拉盆地等[5-6]

中国花岗岩油气藏主要分布在渤海湾盆地,如:辽东湾辽西潜山带的锦州25-1S油气田;渤海庙西凸起至渤东凹陷东的蓬莱9-1油田;济阳坳陷陈家庄凸起西南部的王庄油田;渤海沙垒田凸起西北倾没端的曹妃甸1-6油田等。此外,酒西盆地的鸭儿峡油田和珠江口凹陷的惠州凹陷、松辽盆地[7-9]、柴达木盆地的局部发育花岗岩基底[5]

受地震资料品质和地质认识的限制,一般情况下,花岗岩潜山不是盆地勘探初期的主要目标,潜山油气藏往往是浅层碎屑岩油气藏加深兼探而发现的。以乍得Bongor盆地花岗岩潜山油藏的发现为例,2007年发现下白垩统砂岩油气田,随着地震资料采集、处理技术的提高和地质认识的深入,系统复查已钻遇的测井和岩心资料以分析基岩潜山类型,结合钻井过程中的泥浆漏失情况,确定基岩存在以裂缝为主的储集空间,可成为油气成藏的有利场所。2012年针对潜山进行钻探,获得了油气发现。

随着花岗岩潜山油气藏的持续开发,潜山储层出现非均质性强、单井产能差异大、部分油井之间存在井间干扰、含水上升快等问题。裂缝识别与预测是解决上述问题的关键,也一直是具有挑战性的世界性难题[10-17]。目前国内采用的裂缝预测方法主要有:基于构造应力场或应变场数值模拟;叠后地震资料相干和曲率等属性分析。二者均存在尺度大、精度低等问题,而基于各向异性的叠前地震资料裂缝预测技术尚处于探索阶段。本文分析花岗岩潜山裂缝地震预测技术的前提条件、应用效果及优缺点,以期为花岗岩潜山油气藏的勘探提供指导作用。

1 花岗岩潜山裂缝地震预测技术

花岗岩潜山裂缝地震预测技术大体上可分为叠前和叠后两类,目前常用的裂缝地震预测技术的优缺点如表 1所示,不同技术适用性及应用效果不同。

表 1 花岗岩潜山裂缝地震预测技术对比

由于潜山内幕地震资料成像差,信噪比低,一般可在裂缝预测前采用构造导向滤波处理技术提高地震资料品质。

构造导向滤波技术是利用地层倾角和方位角沿地层定向滤波,再利用曲率和相干属性描述地层不连续性,并对无意义的不连续性做平滑处理,从而达到边缘保护的目的,使地震数据同相轴的连续性和错断特征更明显。地震资料经构造导向滤波技术处理后,同相轴能量增强,断点清晰,潜山内幕信息更加明确(图 1)。

图 1 构造导向滤波处理前(a)、后(b)效果对比[18] 箭头所指为花岗岩潜山顶面
1.1 裂缝叠后地震预测技术 1.1.1 相干体属性技术

相干体属性技术是基于地震反射同相轴的不连续性预测断裂分布。相干类属性有以下优点:

(1) 相干体属性技术不受任何解释误差的影响,可直接从三维地震数据体中获取断层和地层信息,用于断层、岩性体边界的不连续性检测,极大地提高了解释精度;(2)对横向一致的地层、构造进行了压缩,提取的水平时间切片可以显示任意方向的断层,解决了平行同相轴的断层难以解释的问题;(3)由于裂缝性储层的非均质性会引起地震反射特征的不规则变化,在相干体切片上表现为低相干的特征,因此相干体属性技术也可应用于裂缝性储层发育区的预测[19]

相干体属性技术大致经历了三代发展。第一代是基于归一化互相关算法的相干体属性技术(Correlation),计算速度快,分辨率高,但只适用于信噪比高的地震数据。第二代是基于相似性算法的相干体属性技术(Semblance),可以对任意多道地震数据计算相似性,抗噪性强,但分辨率低。第三代是基于本征值算法的相干体属性技术(Eigenstructure),将多道地震数据组成协方差矩阵,并计算特征值,提高了抗噪能力和分辨率,但计算量大,而且计算中采用了以计算点为中心的固定时窗长度,无法兼顾具有宽频带的浅层数据和窄频带的深层数据,导致计算的相干体属性不能真实反映波组特征[20-21]

近年来,基于几何结构张量的相干体属性技术、基于高阶统计量的相干体属性技术、基于小波变换的多尺度相干体属性计算技术等对第三代相干体属性技术进行了改进,也有人称为新一代(或第四代)相干体属性技术。但是,相干体属性技术的应用仍有一定的局限性:首先,要求地震数据的信噪比高;其次,相干体属性技术对地层的细微弯曲不敏感,相干体属性无法识别反射波同相轴不断开的断裂(图 2a)。对于断裂构造复杂的花岗岩潜山裂缝型储层,广泛发育着不同级次的断层和裂缝,地层产状(倾角和方位角)变化大,尤其是潜山内幕地震资料存在照明不均、成像差、信噪比低等问题,即使采用最先进的相干体算法,结果也不尽理想。

图 2 曲率属性、相干属性识别断裂比较 (a)相干属性不能识别,曲率属性能识别;(b)曲率属性不能识别,相干属性可识别;(c)曲率、相干属性都可识别。黑线表示断层,其他色线表示层位
1.1.2 曲率属性技术

曲率属性属于地震几何属性的一种,与地震反射体的弯曲程度相对应,用于识别裂缝、断层和褶皱等地质构造。一般曲率越大,裂缝就越发育。

曲率属性技术是基于垂直作用下的弯曲薄板理论,应用时须满足以下前提条件: ①岩石是脆性的,裂缝形成主要是由于岩石破裂作用,不考虑岩层的塑性变形作用; ②只能用于预测弯曲岩层面上抗张应力形成的张性缝,即断裂两侧若均不存在地层的褶曲现象,则曲率属性无法识别(图 2b);③岩层受力变形而弯曲[22-23]

对于相干体属性无法预测的反射波同相轴不断开现象(图 2a),由于地层发生了弯曲,曲率属性可以识别。地层既发生错断又产生弯曲现象,相干和曲率属性都可以识别(图 2c)。乍得Bongor盆地某区花岗岩潜山的曲率属性切片(图 3)和基于曲率体计算的裂缝玫瑰花图(图 4)均可以清楚地展现潜山的裂缝发育方向与程度。

图 3 某区曲率属性平面分布图 深色表示裂缝发育,蓝色虚线为北东—南西走向断裂[24]

图 4 某区裂缝走向玫瑰花属性水平切片[24] 黑线表示裂缝方向
1.1.3 谱分解技术

谱分解技术是通过提高地震资料分辨率增强储层的横向不连续性,从而描述微断裂信息[25]。Stockwell等[26]提出的S变换结合了小波变换和短时傅里叶变换的优点,在信号分析中得到了广泛的应用。自该方法提出以来,为了突破S变换中固定的基本小波的限制,许多学者对S变换算法提出了改进方案[27],并通过改变S变换中窗函数随频率变化的趋势,提出了广义S变换的概念。应用广义S变换对地震资料进行频谱分解可实现分频显示,并可获取丰富的地质信息,对于识别花岗岩潜山发育的小断层具有良好的效果[28-34]

1.1.4 蚂蚁体追踪技术

蚂蚁体追踪技术基于蚁群算法实现对断裂的追踪和识别。该算法原理为模拟蚂蚁在食物与巢穴之间根据可吸引蚂蚁的信息素浓度寻求最短路径。在地震数据中,“蚂蚁”根据振幅及相位之间的差异,沿着可能的断层和裂缝移动完成对二者的刻画。

与相干属性相比(图 5),蚂蚁体属性凸显了断裂线状构造特征,去除了与断裂无关的信息,提高了断裂解释精度。缺点是平面预测结果往往过于杂乱,无规律。原因之一是控制蚂蚁追踪结果的参数太多,调节困难。

图 5 相干属性(a)与蚂蚁体属性(b)平面切片对比 深色表示断裂或裂缝位置

蚂蚁体追踪技术是基于叠后地震数据运算的,虽然其精度比相干等属性高,但也只适用于对小断层和大尺度裂缝的预测。可预测裂缝发育的方向,但难以定量化表征裂缝发育密度。

王军等[35]、马晓宇等[36]将蚂蚁体追踪技术与叠前各向异性技术相结合,将叠前分方位各向异性信息融入到蚂蚁体追踪技术中,得到裂缝的方向与密度,使裂缝预测由定性转向定量化,可预测大尺度及中等尺度裂缝发育带。图 6为与基于蚂蚁体各向异性与基于振幅各向异性预测的裂缝密度切片对比,图中颜色的变化表示裂缝密度的变化,红色区域为裂缝集中发育区域。可以看出,基于蚂蚁体各向异性方法不仅可以清晰地预测裂缝发育带展布特征,还可以定量计算裂缝密度,对于交叉裂缝也能有效识别,比基于振幅各向异性刻画的裂缝更为精细和全面。

图 6 基于振幅各向异性(a)与基于蚂蚁体各向异性(b)预测的裂缝密度切片对比[36]
1.1.5 最大似然属性技术

Hale[37]在研究断面提取和断距估算时提出了最大似然属性。最大似然属性是通过对整个地震数据体扫描、计算数据样点之间的相似性,获得断裂发育的最可能位置及概率。结合倾角扫描和构造导向滤波等技术,可以增强断裂的地震成像效果,提升断裂刻画精度。

最大似然属性主要包括Likelihood和Thinlikelihood属性计算两个方面。Likelihood属性的计算基于地震相似性,是为了压制噪声从而突出断裂的成像。与相干体技术中的Semblance属性不同,Likelihood属性是Semblance属性8次幂与1的差值,因此放大了相邻样点间相似性的对比关系,进一步凸显断裂的成像。Thinlikelihood属性是在Likelihood属性体计算的基础上进行样点扫描,对于每个样点附近一定步长范围内不同走向、不同倾角处Likelihood属性值只保留最大值及其对应的倾角、方位角信息,其余值设置为0,以此记录断裂最有可能发育的位置及该位置断裂发育的概率。Thinlikelihood属性比Likelihood对断裂的刻画更加准确。

最大似然属性技术关键步骤包括:①分析断裂的地震反射特征,便于最大似然属性计算参数的提取以及切片的地质解释;②倾角控制下断裂成像加强,目的是去除随机噪声、提高信噪比、突出断裂位置同相轴错断的成像效果;③提取最大似然属性; ④解释属性切片,在断裂地质模式的指导下进行断裂刻画[38]

图 7是花岗岩潜山最大似然体(Thinlikelihood属性)与相干体属性平面对比图。由图可见:相干体属性比较清楚地刻画了主干断裂,但是无法刻画断裂带内部结构以及裂缝发育区;最大似然体属性比相干体精度高,比较清楚地刻画了断裂带内部结构,并且对于裂缝密集发育区的预测效果较好,但对主干断裂整体展布的刻画效果不如相干属性。

图 7 过花岗岩潜山属性平面图 (a)相干体;(b)最大似然体。深色表示断裂或裂缝发育位置
1.2 裂缝叠前地震预测技术

叠后方法预测裂缝速度快,但精度低,难以实现裂缝密度与方位信息的定量预测。近年来,关于裂缝叠前地震预测技术的研究越来越多。地震波在裂缝型介质中传播时表现为旅行时、速度、振幅、衰减、频率、相位等方位各向异性。虽然横波比纵波的方位各向异性更强,但由于横波的勘探成本高且信噪比低,限制了横波裂缝预测技术的发展。多分量转换横波裂缝检测技术尚不完善。VSP地震探测范围有限而无法对裂缝进行区域检测。目前,常用的裂缝叠前地震预测技术还是基于纵波振幅方位各向异性[39-47]

基于纵波振幅方位各向异性裂缝预测技术是利用纵波振幅随方位角变化规律预测裂缝走向和密度。郝守玲等[48]对裂缝介质的纵波方位各向异性特征进行物理模型试验时发现,当裂缝走向与观测方位平行时(夹角为0°),反射波振幅和速度最大;

随着裂缝走向与测线方位之间夹角的增大,反射波的振幅和速度逐渐减小;当夹角为90°时,反射波振幅和速度最小。Vladimir等[49]将振幅或旅行时等随着裂缝走向与测线方位之间夹角的变化规律总结为椭圆方程

$ R(\phi ) = A + B {\rm{sin}} 2\phi $ (1)

式中: R为振幅、旅行时或速度的幅值;ϕ为观测方位与裂缝的夹角,当ϕ=0°时,表示裂缝走向,当ϕ=90°时,表示垂直裂缝走向;A表示各向同性振幅、旅行时或速度;B表示振幅、旅行时或速度随反射角的变化量。

基于纵波属性方位各向异性的裂缝叠前地震预测技术对地震资料品质要求较高。传统窄方位采集的地震资料已不能满足花岗岩潜山裂缝预测精度要求。随着资料采集、处理技术的发展,“两宽一高”(宽频、宽方位、高密度)地震勘探技术逐渐兴起。与常规地震资料相比,高密度、宽频、宽方位地震资料能显著改善潜山的成像质量、拓宽频带和提高信噪比,可提高潜山顶面及内幕成像精度(图 8)。

图 8 常规地震资料(a)与“两宽一高”地震资料(b)[50]对比

利用“两宽一高”地震资料提供的OVT域五维道集资料能提高各向异性分析的精度[50]。夏亚良等[51]以中非花岗岩潜山裂缝储层为例,以花岗岩裂缝地质特征为指导,以式(1)为理论基础,利用椭圆拟合法预测裂缝,不仅能预测裂缝发育的走向(图 9a黑色线),还能定量预测裂缝发育的强度(图 9a彩色部分),预测结果与测井成像结果一致。但是,用该方法预测裂缝时,需要进行局部炮检距和方位角叠加,可能会影响预测结果的准确性。另外,OVT处理后的道集资料数据量大,运算时间长,如果拟合点过多,运算时间将会更长。

图 9 花岗岩基底裂缝强度及走向平面预测结果 (a)裂缝预测图黑色杆状表示走向,彩色表示裂缝强度;(b)测井裂缝走向玫瑰图。从左至右分别为W1、W2、W3井[51]

花岗岩潜山可能发育单组或多组高角度缝和网状缝。基于椭圆拟合法的叠前纵波方位各向异性裂缝预测技术更适用于预测单组高角度裂缝发育带,不太适用于多组裂缝发育带(多个方位的裂缝)。多个方位裂缝发育时,反射系数随方位变化特征更为复杂,导致预测结果不太准确。如图 10所示,在单组裂缝发育情况下,反射系数随方位呈近似椭圆变化(图 10a);在正交裂缝情况下,反射系数随方位变化规律复杂(图 10b)。利用不同炮检距的振幅进行椭圆拟合法预测裂缝存在多解性。以图 11为例,当发育有两组走向不同的裂缝时,小炮检、中炮检距、大炮检距拟合的裂缝走向均不同。同时,拟合椭圆的离心率会随着裂缝组数的增多而变小,各向异性强度也随之减弱,导致部分裂缝无法识别。风化壳和基底下方可能发育的网状缝,由于不存在各向异性响应,叠前裂缝预测技术不适用。

图 10 反射系数随裂缝方位变化特征[36] (a)单组裂缝; (b)正交裂缝

图 11 椭圆拟合法的多解性分析[52] (a)振幅切片,黄绿色为强振幅; (b)小炮检距拟合; (c)中炮检距拟合; (d)大炮检距拟合

针对上述问题,王霞等[52]、陈志刚等[53]提出了基于统计法的各向异性强度预测技术。与椭圆拟合法不同的是,统计法各向异性强度预测虽然也是基于纵波方位各向异性原理,但没有进行局部炮检距与方位角叠加,而是首先通过道集规则化,将不规则的道集处理成螺旋道集后,直接在OVT道集中统计振幅或双程走时的方差以指示各向异性的强度。计算方差的离散公式

$ \beta = \frac{\pi }{{2N}}\sum\limits_{i = 0}^N {\frac{{|{R_i} - {R^\prime }|}}{{{R^\prime }}}} $ (2)

式中:β为方差;N为离散样点个数;Ri为道集中某个点的振幅或双程旅行时;R′为振幅或双程旅行时的平均值。

与椭圆拟合法相比,方位统计法对方位角进行离散,考虑了每组裂缝导致的方位属性值的偏离程度。当发育多组裂缝时,各向异性强度值增大,减少了多组裂缝预测的多解性。

图 12所示的椭圆拟合法预测结果符合率虽达到80%,但从平面图上看,裂缝在全区普遍发育,规律性不明显。统计法各向异性强度预测结果与钻井符合率高且地质规律明显(图 13)。

图 12 椭圆拟合法各向异性强度预测结果 (a)各向异性强度平面图;(b)PS-3井(上)、RS-10井(中)和ME-2井(下)成像测井玫瑰图(左)与预测玫瑰图(右)对比[53]

图 13 统计法各向异性强度预测结果 (a)各向异性强度平面图;(b)PS-3井(上)、RS-10井(中)和ME-2井(下)成像测井玫瑰图(左)与预测玫瑰图(右)对比[53]
3 认识与展望

(1) 构造导向滤波处理技术可改善潜山内幕地震资料成像品质。

(2) 花岗岩裂缝叠后地震预测技术主要有相干、曲率、蚂蚁追踪、最大似然属性等。每种技术都有其优缺点及适用条件。其中蚂蚁体追踪与最大似然属性比相干等属性精度高,但也只能实现对大尺度及中等尺度裂缝发育带的定性预测。

(3) 裂缝叠前地震预测技术能定量预测裂缝发育的密度和方位,预测效果较叠后方法精度更高;椭圆拟合法适用于单组裂缝预测,统计法适用于多组裂缝预测;叠后预测方法更适用于风化壳储层和基底下方发育的网状缝。

(4) 裂缝叠前地震预测技术对资料品质要求较高。基于“两宽一高”采集地震资料可提高预测精度,但面对其产生的海量地震数据还需发展新的解释技术和数据压缩方法。目前大数据时代已经来临,期待更多的人工智能方法能与地震处理、解释方法相结合,解决五维地震数据量大的问题。

参考文献
[1]
《中国地质》编辑部. 中国地质专家在乍得邦戈尔盆地花岗岩储层中探获石油, 荣获国际大奖[J]. 中国地质, 2017, 44(1): 198-199.
Editorial Department of Geology in Chinese. Chinese experts obtain oil through drilling in the granite of Bongor basin in Chad and win the international award[J]. Geology in China, 2017, 44(1): 198-199.
[2]
马龙, 刘全新, 张景廉, 等. 论基岩的油气勘探前景[J]. 天然气工业, 2006, 26(1): 41-46.
MA Long, LIU Quanxin, ZHANG Jinglian, et al. On the prospect of oil and gas exploration in bedrock[J]. Natural Gas Industry, 2006, 26(1): 41-46.
[3]
赵政璋, 杜金虎, 牛嘉玉, 等. 渤海湾盆地"中石油"探区勘探形势与前景分析[J]. 中国石油勘探, 2005, 10(3): 1-7.
ZHAO Zhengzhang, DU Jinhu, NIU Jiayu, et al. Analy-sis of exploration situation and prospect of PetroChina exploration area in Bohai Bay Basin[J]. China Petro-leum Exploration, 2005, 10(3): 1-7. DOI:10.3969/j.issn.1672-7703.2005.03.001
[4]
赵围. 火山岩中找油气——访中国科学院院士刘嘉麒[J]. 中国石油石化, 2006, 14(3): 38-39.
ZHAO Wei. Oil and gas exploration in volcanic rocks:an interview with LIU Jiaqi, academician of the Chinese Academy of Sciences[J]. China Petrochem, 2006, 14(3): 38-39.
[5]
潘建国, 郝芳, 张虎权, 等. 花岗岩和火山岩油气藏的形成及其勘探潜力[J]. 天然气地球科学, 2007, 18(3): 380-385.
PAN Jianguo, HAO Fang, ZHANG Huquan, et al. Formation and exploration potential of granite and volcanic reservoirs[J]. Natural Gas Geoscience, 2007, 18(3): 380-385. DOI:10.3969/j.issn.1672-1926.2007.03.013
[6]
李国玉, 金之钧. 最新世界含油气盆地图集(上、下)[M]. 北京: 石油工业出版社, 2005.
LI Guoyu, JIN Zhijun. Latest Atlas of Petroliferous Basins in the World[M]. Beijing: Petroleum Industry Press, 2005.
[7]
朱夏. 中国中新生代盆地构造和演化[M]. 北京: 科学出版社, 1983.
ZHU Xia. Tectonics and Evolution of Mesozoic and Cenozoic Basins in China[M]. Beijing: Science Press, 1983.
[8]
李军, 张军华, 韩双, 等. 火成岩储层勘探现状、基本特征及预测技术综述[J]. 石油地球物理勘探, 2015, 50(2): 382-392.
LI Jun, ZHANG Junhua, HAN Shuang, et al. Exploration status, basic characteristics and prediction approaches of igneous rock reservoir[J]. Oil Geophysical Prospecting, 2015, 50(2): 382-392.
[9]
龚再升. 继续勘探中国近海盆地花岗岩储层油气藏[J]. 中国海上油气, 2010, 22(4): 213-220. DOI:10.3969/j.issn.1673-1506.2010.04.001
[10]
刘安, 吴世敏, 李旭兵, 等. 沉积盆地花岗岩的分布特征及其对油气藏的影响[J]. 断块油气田, 2013, 20(5): 545-550.
LIU An, WU Shimin, LI Xubing, et al. Distribution characteristics of granite in sedimentary basin and its influence on oil and gas reservoir[J]. Fault-Block Oil & Gas Field, 2013, 20(5): 545-550.
[11]
Grimm R E, Lynn H B, Bates C R, et al. Detection and analysis of naturally fractured gas reservoirs:Multi-azimuth seismic surveys in the Wind River basin, Wyo-ming[J]. Geophysics, 1999, 64(4): 1277-1292. DOI:10.1190/1.1444634
[12]
Fuck R F, Tsvankin I.Seismic signatures of two orthogonal sets of vertical microcorrugated fractures[C].SEG Technical Program Expanded Abstracts, 2005, 24: 146-149.
[13]
Canning A, Malkin A.Azimuthal AVA analysis using full azimuth 3D angle gathers[C].SEG Technical Program Expanded Abstracts, 2009, 28: 256-259.
[14]
NicolaevichI A, Viktorovich S I, Vasilyevich G A, et al. Applying full-azimuth angle domain prestack mi-gration and AVAZ inversion to study fractures in carbonate reservoirs in the Russian Middle Volga region[J]. First Break, 2013, 31(2): 79-83.
[15]
程四洪, 夏振宇, 刘天琳. 变质岩潜山内幕裂缝表征及储层预测研究[J]. 地球物理学进展, 2017, 32(2): 596-602.
CHENG Sihong, XIA Zhenyu, LIU Tianlin. Research of metamorphic buried hill fracture characterization and reservoir prediction[J]. Progress in Geophysics, 2017, 32(2): 596-602.
[16]
张吉昌, 刘增涛, 薛大力, 等. 变质岩潜山储层地震波组特征分析与应用[J]. 断块油气田, 2014, 21(4): 439-443.
ZHANG Jichang, LIU Zengtao, XUE Dali, et al. Analy-sis on seismic wave group features in metamorphic rock buried hill reservoir[J]. Fault-Block Oil & Gas Field, 2014, 21(4): 439-443.
[17]
夏振宇, 汪勇, 蔡伟祥, 等. 变质岩裂缝段地球物理响应特征分析与裂缝预测[J]. 科学技术与工程, 2015, 15(29): 7-14.
XIA Zhenyu, WANG Yong, CAI Weixiang, et al. Fracture prediction and the analysis of metamorphic rock fracture section geophysical response characteristics[J]. Science Technology and Engineering, 2015, 15(29): 7-14. DOI:10.3969/j.issn.1671-1815.2015.29.002
[18]
胡佳, 黄棱, 王丽丽, 等. GeoEast解释系统在松辽盆地王府断陷火山岩储层预测中的应用[J]. 石油地球物理勘探, 2014, 49(增刊1): 148-153.
HU Jia, HUANG Ling, WANG Lili, et al. Volcanic-faulted reservoir prediction in Wangfu Depression, Songliao Basin with GeoEast[J]. Oil Geophysical Prospecting, 2014, 49(S1): 148-153.
[19]
仲伟军, 姚卫江, 贾春明, 等. 地震多属性断裂识别技术在中拐凸起石炭系中的应用[J]. 石油地球物理勘探, 2017, 52(增刊2): 135-139.
ZHONG Weijun, YAO Weijiang, JIA Chunming, et al. Fault and fracture identification in Carboniferous, Zhongguai Uplift, Junggar Basin with seismic multi-attributes[J]. Oil Geophysical Prospecting, 2017, 52(S2): 135-139.
[20]
杨葆军, 杨长春, 陈雨红, 等. 自适应时窗相干体计算技术及其应用[J]. 石油地球物理勘探, 2013, 48(3): 436-442.
YANG Baojun, YANG Changchun, CHEN Yuhong, et al. Coherence calculation with adaptive windows and its application[J]. Oil Geophysical Prospecting, 2013, 48(3): 436-442.
[21]
蔡涵鹏, 胡光岷, 贺振华, 等. 基于非线性变时窗相干算法的不连续性检测方法[J]. 石油地球物理勘探, 2016, 51(2): 371-375.
CAI Hanpeng, HU Guangmin, HE Zhenhua, et al. Subtle discontinuity detection with nonlinear variable-time window coherency algorithm[J]. Oil Geophysical Prospecting, 2016, 51(2): 371-375.
[22]
王振卿, 王宏斌, 张虎权, 等. 塔中地区岩溶风化壳裂缝型储层预测技术[J]. 天然气地球科学, 2011, 22(5): 889-893.
WANG Zhenqing, WANG Hongbin, ZHANG Huquan, et al. Prediction technologies of weathering crust and fracture reservoirs in Tazhong area[J]. Natural Gas Geoscience, 2011, 22(5): 889-893.
[23]
孙尚如. 预测储层裂缝的两种曲率方法应用比较[J]. 地质科技情报, 2003, 22(4): 71-74.
SUN Shangru. Application comparison of two curvature methods for predicating reservoir fractures[J]. Geological Science and Technology Information, 2003, 22(4): 71-74. DOI:10.3969/j.issn.1000-7849.2003.04.013
[24]
王景春, 窦立荣, 徐建国, 等. "两宽一高"地震资料在花岗岩潜山储层表征中的应用——以乍得邦戈盆地为例[J]. 石油地球物理勘探, 2018, 53(2): 320-329.
WANG Jingchun, DOU Lirong, XU Jianguo, et al. Granitic buried-hill reservoir characterization based on broadband, wide-azimuth and high-density seismic data:A case study of Bangor Basin in Chad[J]. Oil Geo-physical Prospecting, 2018, 53(2): 320-329.
[25]
尹继尧, 刘明高, 赵建章, 等. 利用时频域地震信号相位残点特征检测地层连续性[J]. 石油地球物理勘探, 2014, 49(4): 745-750.
YIN Jiyao, LIU Minggao, ZHAO Jianzhang, et al. Stratigraphic continuity detection with seismic time-frequency phase residus[J]. Oil Geophysical Pros-pecting, 2014, 49(4): 745-750.
[26]
Stockwell R G, Mansinha L, Lower P. Localization of the complex spectrum:the S transform[J]. IEEE Transactions on Signal Processing, 1996, 44(4): 998-1001. DOI:10.1109/78.492555
[27]
李振春, 刁瑞, 韩文功, 等. 线性时频分析方法综述[J]. 勘探地球物理进展, 2010, 33(4): 239-246.
LI Zhenchun, DIAO Rui, HAN Wengong, et al. Review on linear time frequency analysis methods[J]. Progress in Exploration Geophysics, 2010, 33(4): 239-246.
[28]
郑成龙, 王宝善. S变换在地震资料处理中的应用及展望[J]. 地球物理学进展, 2015, 30(4): 1580-1591.
ZHENG Chenglong, WANG Baoshan. Applications of S transform in seismic data processing[J]. Progress in Geophysics, 2015, 30(4): 1580-1591.
[29]
姜晓宇, 宋涛, 杜文辉, 等. 利用广义S变换频谱分解不连续性检测技术预测断溶体油藏[J]. 石油地球物理勘探, 2019, 54(6): 1324-1328.
JIANG Xiaoyu, SONG Tao, DU Wenhui, et al. Fault-karst carbonate reservoir prediction with the spectral decomposition discontinuity detection based on gene-ralized S transform[J]. Oil Geophysical Prospecting, 2019, 54(6): 1324-1328.
[30]
Matos M C.Characterization of thin beds through joint time frequency analysis applied to a turbidite reservoir in Campos Basin, Brazil[C].SEG Technical Program Expanded Abstracts, 2005, 24: 1429-1434.
[31]
朱秋影, 魏国齐, 杨威, 等. 利用时频分析技术预测依拉克构造有利砂体分布[J]. 石油地球物理勘探, 2017, 52(3): 538-547.
ZHU Qiuying, WEI Guoqi, YANG Wei, et al. Favorable sand body prediction based on the time-frequency analysis in Iraqi structure[J]. Oil Geophysical Prospecting, 2017, 52(3): 538-547.
[32]
陈波, 魏小东, 任敦占, 等. 基于谱分解技术的小断层识别[J]. 石油地球物理勘探, 2010, 45(6): 890-894.
CHEN Bo, WEI Xiaodong, REN Dunzhan, et al. Small fault identification based on spectrum decomposition technique[J]. Oil Geophysical Prospecting, 2010, 45(6): 890-894.
[33]
范明霏, 吴胜和, 曲晶晶, 等. 基于广义S变换模极大值的薄储层刻画新方法[J]. 石油地球物理勘探, 2017, 52(4): 805-814.
FAN Mingfei, WU Shenghe, QU Jingjing, et al. A new interpretation method for thin beds with the maximum modulus based on the generalized S transform[J]. Oil Geophysical Prospecting, 2017, 52(4): 805-814.
[34]
Kazemi K, Amirian M, Dehghani M J. The S trans-form using an window to improve frequency and time resolutions[J]. Signal Image & Video Processing, 2014, 8(3): 533-541.
[35]
王军, 李艳东, 甘利灯. 基于蚂蚁体各向异性的裂缝表征方法[J]. 石油地球物理勘探, 2013, 48(5): 763-769.
WANG Jun, LI Yandong, GAN Lideng. Fracture char-acterization based on azimuthal anisotropy of ant-tracking attribute volumes[J]. Oil Geophysical Prospecting, 2013, 48(5): 763-769.
[36]
马晓宇, 王军, 李勇根, 等. 基于蚂蚁追踪的叠前裂缝预测技术[J]. 石油地球物理勘探, 2014, 49(6): 1199-1203.
MA Xiaoyu, WANG Jun, LI Yonggen, et al. Prestack fracture prediction based on ant tracking[J]. Oil Geo-physical Prospecting, 2014, 49(6): 1199-1203.
[37]
Hale D. Methods to compute fault images, extract fault surfaces, and estimate fault throws from 3D seismic images[J]. Geophysics, 2013, 78(2): 33-43. DOI:10.1190/geo2012-0331.1
[38]
马德波, 赵一民, 张银涛, 等. 最大似然属性在断裂识别中的应用——以塔里木盆地哈拉哈塘地区热瓦普区块奥陶系走滑断裂的识别为例[J]. 天然气地球科学, 2018, 29(6): 817-825.
MA Debo, ZHAO Yimin, ZHANG Yintao, et al. Application of maximum likelihood attribute to fault identification:A case study of Rewapu block in Hala-hatang area, Tarim Basin, NW China[J]. Natural Gas Geoscience, 2018, 29(6): 817-825.
[39]
尹志恒, 狄帮让, 李向阳, 等. 国外应用纵波各向异性技术检测裂缝的研究进展[J]. 科技导报, 2011, 29(30): 73-79.
YIN Zhiheng, DI Bangrang, LI Xiangyang, et al. Progress in P-wave anisotropy technology for fracture detection[J]. Science & Technology Review, 2011, 29(30): 73-79. DOI:10.3981/j.issn.1000-7857.2011.30.011
[40]
刘依谋, 印兴耀, 张三元, 等. 宽方位地震勘探技术新进展[J]. 石油地球物理勘探, 2014, 49(3): 596-610.
LIU Yimou, YIN Xingyao, ZHANG Sanyuan, et al. Recent advances in wide-azimuth seismic exploration[J]. Oil Geophysical Prospecting, 2014, 49(3): 596-610.
[41]
吴萍, 杨长春, 王真理, 等. HTI介质中的反射纵波方位属性[J]. 地球物理学进展, 2009, 24(3): 944-950.
WU Ping, YANG Changchun, WANG Zhenli, et al. Reflection P wave azimuth attribute in HTI medium[J]. Progress in Geophysics, 2009, 24(3): 944-950. DOI:10.3969/j.issn.1004-2903.2009.03.016
[42]
马中高, 张国保, 孙成龙. 多方位速度和AVOA同步分析[J]. 石油地球物理勘探, 2009, 44(增刊1): 135-137, 144.
MA Zhonggao, ZHANG Guobao, SUN Chenglong. Multi-azimuth velocity and AVOA synchronous ana-lysis[J]. Oil Geophysical Prospecting, 2009, 44(S1): 135-137, 144.
[43]
曹宜. AVO技术新进展[J]. 油气地球物理, 2004, 2(1): 33-38.
CAO Yi. New progress of AVO technique[J]. Petroleum Geophysics, 2004, 2(1): 33-38.
[44]
Wang S X, Li X Y, Qian Z P, et al. Physical modeling studies of 3D P wave seismic for fracture detection[J]. Geophysical Journal International, 2007, 168(2): 745-756. DOI:10.1111/j.1365-246X.2006.03215.x
[45]
Qu S L, Ji Y X, Wang X, et al. Fracture detection by using full azimuth P wave attributes[J]. Applied Geophysics, 2007, 4(3): 238-243. DOI:10.1007/s11770-007-0032-9
[46]
杜启振, 杨慧珠. 方位各向异性介质的裂缝预测方法研究[J]. 石油大学学报(自然科学版), 2003, 27(4): 32-36.
DU Qizhen, YANG Huizhu. Detection method for fractures in azimuth anisotropic media[J]. Journal of the University of Petroleum(Edition of Natural Sciences), 2003, 27(4): 32-36. DOI:10.3321/j.issn:1000-5870.2003.04.009
[47]
王洪求, 杨午阳, 谢春辉, 等. 不同地震属性的方位各向异性分析及裂缝预测[J]. 石油地球物理勘探, 2014, 49(5): 925-931.
WANG Hongqiu, YANG Wuyang, XIE Chunhui, et al. Azimuthal anisotropy analysis of different seismicattributes and fracture prediction[J]. Oil Geophysical Prospecting, 2014, 49(5): 925-931.
[48]
郝守玲, 赵群. 裂缝介质对P波方位各向异性的影响——物理模型研究[J]. 勘探地球物理进展, 2004, 27(3): 189-194.
HAO Shouling, ZHAO Qun. The effect of fractured medium on P wave azimuth alanisotropy:A physical model study[J]. Progress in Exploration Geophysics, 2004, 27(3): 189-194.
[49]
Vladimir G, Tsvankin I. 3D description of normal moveout in anisotropic in homogeneous media[J]. Geophysics, 1998, 63(3): 1079-1092. DOI:10.1190/1.1444386
[50]
陈志刚, 徐刚, 代双和, 等. "两宽一高"地震资料的敏感方位油气检测技术在乍得潜山油藏描述的应用[J]. 地球物理学进展, 2017, 32(3): 1114-1120.
CHEN Zhigang, XU Gang, DAI Shuanghe, et al. Application of seismic sensitive azimuth hydrocarbon prediction based on"WF, WA & HD"seismic data at L buried hill in B basin, Chad[J]. Progress in Geophy-sics, 2017, 32(3): 1114-1120.
[51]
夏亚良, 魏小东, 王中凡, 等. OVT域方位各向异性技术在中非花岗岩裂缝预测中的应用研究[J]. 石油物探, 2018, 57(1): 140-147.
XIA Yaliang, WEI Xiaodong, WANG Zhongfan, et al. Application of azimuthally anisotropy by OVT gather for granite fracture prediction in Central Africa[J]. Geophysical Prospecting for Petroleum, 2018, 57(1): 140-147. DOI:10.3969/j.issn.1000-1441.2018.01.018
[52]
王霞, 李丰, 张延庆, 等. 五维地震数据规则化及其在裂缝表征中的应用[J]. 石油地球物理勘探, 2019, 54(4): 844-852.
WANG Xia, LI Feng, ZHANG Yanqing, et al. 5D seismic data regularization and application in fracture characterization[J]. Oil Geophysical Prospecting, 2019, 54(4): 844-852.
[53]
陈志刚, 李丰, 王霞, 等. 叠前各向异性强度属性在乍得Bongor盆地P潜山裂缝性储层预测中的应用[J]. 地球物理学报, 2018, 61(11): 4625-4634.
CHEN Zhigang, LI Feng, WANG Xia, et al. Application of prestack anisotropic intensity attribute in prediction of P buried hill fractured reservoir in Bongor Basin, Chad[J]. Chinese Journal of Geophysics, 2018, 61(11): 4625-4634. DOI:10.6038/cjg2018L0640