石油地球物理勘探  2022, Vol. 57 Issue (1): 159-167  DOI: 10.13810/j.cnki.issn.1000-7210.2022.01.017
0
文章快速检索     高级检索

引用本文 

杨春生, 姜岩, 宋宝权, 王高文, 张秀丽. 小河道薄砂层井震联合识别技术及应用——以大庆长垣西部AGL地区为例. 石油地球物理勘探, 2022, 57(1): 159-167. DOI: 10.13810/j.cnki.issn.1000-7210.2022.01.017.
YANG Chunsheng, JIANG Yan, SONG Baoquan, WANG Gaowen, ZHANG Xiuli. Recognition technology integrating logging and seismic data for thin sand reservoir in narrow channel and its application: Taking the AGL area in western Daqing placanticline as an example. Oil Geophysical Prospecting, 2022, 57(1): 159-167. DOI: 10.13810/j.cnki.issn.1000-7210.2022.01.017.

本项研究受国家科技重大专项“大庆长垣特高含水油田提高采收率示范工程”(2016ZX05054)资助

作者简介

杨春生  博士研究生, 高级工程师, 1982年生; 2006年、2009年分别获东北石油大学资源勘查工程专业学士学位、矿产普查与勘探专业硕士学位; 就职于大庆油田勘探开发研究院, 主要从事储层预测工作; 现在东北石油大学攻读地质资源与地质工程专业博士学位

杨春生, 黑龙江省大庆市开发区发展路184号东北石油大学地球科学学院, 163318。Email: 54081359@qq.com

文章历史

本文于2021年1月20日收到,最终修改稿于同年8月3日收到
小河道薄砂层井震联合识别技术及应用——以大庆长垣西部AGL地区为例
杨春生①② , 姜岩 , 宋宝权 , 王高文 , 张秀丽     
① 东北石油大学地球科学学院, 黑龙江大庆 163318;
② 中国石油大庆油田公司勘探开发研究院, 黑龙江大庆 163712
摘要:大庆长垣西部AGL地区萨零油层组发育三角洲前缘小型水下分流河道砂体储层。三角洲前缘为砂泥岩薄互层沉积,水下河道窄,砂体厚度小、相变快,河道砂体地震特征不清晰,储层预测困难。为此,提出小河道薄砂层井震联合识别技术。首先,结合井、震资料,在精细地层格架控制下,通过逼近地下地质结构的正演模拟,构建窄小河道砂体三种地震响应模式;然后,按照点→面→体的思路,由井标定水下窄小河道砂体地震反射特征,在平面上利用地震属性追踪河道边界和走向,在三维地震数据体上分析窄小河道的形成期次和演化规律,定性描述窄小河道的展布特征;最后,根据已知井目的层地震反射波形特征和砂岩厚度,应用关联度分析法,实现基于波形模式识别的河道薄砂层厚度定量预测。应用该技术研究成果在大庆长垣西部AGL地区TA2无井控制区块部署开发井9口,完钻后河道预测符合率达到100%,砂体厚度相对误差为9.6%,单井最高日产油4.1t,指导了老油田周边油气勘探与开发,达到了增储上产的目的。
关键词三角洲前缘亚相    窄小河道砂体    井震联合识别技术    砂体精细刻画    大庆长垣    
Recognition technology integrating logging and seismic data for thin sand reservoir in narrow channel and its application: Taking the AGL area in western Daqing placanticline as an example
YANG Chunsheng①② , JIANG Yan , SONG Baoquan , WANG Gaowen , ZHANG Xiuli     
① School of Earth Sciences, Northeast Petroleum University, Daqing, Heilongjiang 163318, China;
② Research Institute of Exploration and Development, Daqing Oilfield Company, PetroChina, Daqing, Heilongjiang 163712, China
Abstract: A small-scale sand body reservoir develops in the subaqueous distributary channel in front of the delta in the Saling oil group of the AGL area in the western Daqing placanticline. The delta front witnesses the thin interbedded deposition of sand shale. The channel is narrow, and sand bodies feature thin thickness and fast sedimentary facies transition. These make reservoir prediction challenging. In response, this paper proposes a recognition technology integrating logging and seismic data for the thin sand reservoir in the narrow channel of the study area. First, three seismic response models are established for the sand bodies in the narrow channel through the analysis of the forward model close to the underground geologic structure with seismic data under the control of a fine stratigraphic framework. Then according to the sequence from point to plane and then to volume, we calibrate the reflection characteristics of sand bodies in the narrow channel with logging data, trace the boundary and trend of the channel with the seismic attribute in the plane, analyze the sedimentary period and evolution law of the narrow channel on the three-dimensional (3D) seismic data volume, and qualitatively describe the distribution characteristics of the narrow channel. Finally, depending on the known seismic reflection waveform characteristics in wells and sandstone thickness, we perform the quantitative thickness prediction regarding the thin sand reservoir in the channel based on waveform pattern recognition with the correlation analysis method. This technology is applied to deploy 9 development wells in TA2 block without well control in the AGL area in western Daqing placanticline. After drilling, the consistency of channel prediction reaches 100%. The relative error of sand body thickness is 9.6%, and the maximum daily oil production of a single well reaches 4.1t. This research is capable of guiding the hydrocarbon exploration and development in the surrounding areas of old oilfields and achieves the goal of increasing reserves and production.
Keywords: delta front sub-facies    sand bodies in narrow channel    recognition technology integrating logging and seismic data    meticulous depiction of sand body    Daqing placanticline    
0 引言

近年来,地震沉积学作为层序地层学、地震地层学之后的又一新兴交叉学科,它的核心思想和研究思路逐渐被接受和认可。地震属性分析是地震沉积学中广泛采用的一种较成熟的方法[1-5],应用效果比较显著。随着地震勘探技术的不断发展,学者们研究了陆相沉积体系的储层[6-9],尤其在近岸扇、深水重力流等方面取得了丰富的成果,而针对浅水湖盆三角洲前缘亚相方面的研究却较少。受砂泥薄互层结构、水下河道窄、储层薄的不利影响,利用地震资料精细预测砂体分布及厚度的效果较差,无法满足油气藏开发阶段的井位部署要求。大庆长垣西部AGL地区萨零油层组位于上白垩统嫩江组一段上部,为河控三角洲沉积,三角洲前缘亚相小型水下分流河道砂体为有利储层。本文以地震沉积学理论为指导[10-12],结合沉积特征,采用井震联合的研究思路,运用模型正演、地震波组特征分析、地震属性优选和地层等时切片等方法,按照点→面→体逐级预测、逐步提高窄小河道砂体预测精度的技术路线,精细预测三角洲前缘窄小河道砂体的展布特征;最后基于波形模式识别技术实现了对无井控制区的窄小河道砂体厚度的定量预测,在实际资料应用中取得了较好的效果。

1 研究区概况

AGL地区TA2区块位于松辽盆地泰康隆起带与龙虎泡—大安阶地交会处(图 1)。目的层萨零油层组发育三角洲前缘沉积厚度大约35m,为砂泥岩薄互层。水下分流河道窄(河道砂体宽度一般小于300m)、砂体厚度小、相变快。萨零油层组从上至下划分为S01~S05共计5个小层,其中S02小层、S05小层分别对应上、下两套河道砂体(图 2a)。S05小层河道砂体厚度相对较大,单井平均钻遇砂岩厚度为6.6m,为主力产油层。1971年针对S05小层投产开发,截至1988年共投产18口井。之后该区块一直没有发现新储层。

图 1 大庆长垣西部AGL地区TA2区块位置

图 2 T37-22井柱状图(a)及河道砂体地震反射特征(b)

在已钻井中,仅T37-22井钻遇S02小层砂体,含油砂岩厚度为4.6m(图 2a),揭示了S02小层河道砂体同样具有较大的油气勘探潜力。因此,有必要开展小河道薄砂层井震联合识别技术研究,针对S02小层部署开发井位,实现新层位的投入开发。

2 小河道井震联合识别 2.1 地震正演模拟

在精细地层格架控制下,通过逼近地下地质结构的正演模拟,建立河道砂体的地震反射模式,是提高萨零油层组河道砂体储层地震识别精度的关键。

T37-22井(图 2a)两套砂体之间隔层为粉砂质泥岩,厚度约10m;S02小层、S05小层河道砂体厚度分别为5.6、8.4m。从图 2b可以看出,S05小层河道砂体对应强波峰反射,而S02小层河道砂体振幅明显变弱,波形特征不清楚,二者反射特征明显不一致。这主要是由于小层砂体与萨零油层组顶面之间的距离不同,导致受萨零油层组顶面(波阻抗界面)产生的地震反射干涉的影响程度不同。

根据研究区内萨零油层组小层河道砂体发育特点,建立不同位置砂体的正演模型,分析对应的地震波形特征,可为无井区河道砂体识别及井位部署提供依据。

本文建立的速度模型如图 3a所示,绿色部分为萨零油层组上覆和下伏泥岩,速度、密度分别为2790m/s、2.21g/cm3;黄色部分为萨零油层组(泥岩含粉砂),速度、密度分别为3200m/s、2.11g/cm3;红色地质体代表河道砂体,宽度为140m,厚度约5m,与T37-22井S02小层厚度相同,速度、密度分别为3257m/s、2.37g/cm3;设立6个窄小河道砂体,在纵向上以5m等距离分布。图 3b是应用35Hz(TA2区块地震资料主频)零相位Ricker子波时该模型正演模拟剖面。由图可以看出,萨零油层组顶面呈波峰反射;河道1砂体距离萨零油层组顶面最近(1m),因而萨零油层组顶部波阻抗差增大,导致萨零油层组顶部波峰能量增强;河道2、河道3砂体距离萨零组顶面分别为6、11m,随着与萨零油层组顶面距离的增加,萨零油层组顶面和河道顶面两个波峰发生干涉,导致萨零油层组顶部地震反射相位发生变化;河道4、河道5、河道6与萨零油层组顶面距离分别为16、21、26m,随着距离增至15m以上,萨零油层组顶面对小层砂体反射波形影响较小,如河道6砂体逐渐成为孤立的波峰反射特征。

图 3 窄小河道砂体地质模型(a)及其正演模拟结果(b)
2.2 地震波形特征分析

通过地震反射波形变化可以确定河道砂体在纵向上的发育位置,建立不同期次砂体地震响应模式,并可以根据模式预测河道平面宽度。

萨零油层组顶面(图 4中蓝线)为波峰反射,是研究区的一个地震反射标志层,其下发育S05小层窄小河道砂体(图 4a,钻井已证实),距离萨零油层组顶面间隔为一个波谷,是萨零油层组早期发育的河道砂体。

图 4 萨零油层组窄小河道砂体地震反射模式 (a)孤立“透镜状”;(b)相位变化;(c)同相轴能量增强

依据已知的S05小层窄小河道砂体的地震波形特征和正演模拟分析结果,在平行于主测线方向寻找与正演模拟结果一致但尚无井钻遇的窄小河道砂体地震反射特征,进一步识别出另外两种模式:一是萨零油层组顶面波峰能量变强且明显下拉,即萨零油层组顶面相位发生变化(图 4b),对应河道3砂体(图 3),发育期次为中期;二是萨零油层组顶面波峰能量变强(图 4c),对应河道1砂体(图 3),发育期次为晚期。

另外,如图 4a所示,S05小层窄小河道砂体横向上范围为18个地震道。按地震面元为20m×20m估算,可以预测河道宽度约360m。

2.3 地震属性分析

地震属性分析是储层研究中广泛采用的一种方法[13-21]。地震属性与储层参数之间的关系复杂,不同地区、不同储层特征的敏感地震属性不同。即使在同一区块的不同层位,不同的砂、泥岩接触关系对应的敏感地震属性也有差异。针对萨零油层组砂泥岩薄互层特征,本文应用多元线性回归的地震属性分析方法。首先,分析多种地震属性与井点砂岩厚度之间的相关性,优选相关性较高的地震属性。相关系数为

$ R=\frac{\sum x y-\frac{\sum x \sum y}{N}}{\sqrt{\left[\sum x^{2}-\frac{\left(\sum x\right)^{2}}{N}\right)\left(\sum y^{2}-\frac{\left(\sum y\right)^{2}}{N}\right]}} $ (1)

式中:x为井点处地震属性;y为井点处砂岩厚度;N为已钻井数。

本文优选相关系数大于0.6的地震属性,如振幅差异、总绝对值振幅、最大波峰振幅、均方根振幅,它们的井震相关系数分别为0.65、0.67、0.63、0.68。从图 5可以看出,不同地震属性中,无井区1和无井区2都可见明显的条带状,呈河道展布特征。但依靠单一属性仍不能精准预测萨零油层组河道砂体的边界和发育规模,也无法判断无井控制区的窄小河道砂体的层位归属。还需要根据地震数据分析不同期次河道砂体垂向沉积演化规律。

图 5 萨零油层组不同地震属性平面图 (a)振幅差异;(b)总绝对值振幅;(c)最大波峰振幅;(d)均方根振幅
2.4 地震等时切片分析

基于地震沉积学的切片方法主要有三种:时间切片、地层切片和沿层切片。本文采用地层切片方法,对优选出的敏感属性体提取地层切片。萨零油层组底部泥岩分布稳定,可作为研究区内的另一个地震反射标志层。萨零油层组时间厚度约20ms,以萨零油层组顶部波峰与萨零油层组底部泥岩反射这两个标志层为等时界面,按照1ms间隔内插20个小层(图 6),内插出的地层切片可与地质上的小层相对应。

图 6 基于等时地层切片分析萨零油层组河道发育期次 萨零油层组顶面之下:(a)15ms;(b)11ms;(c)7ms;(d)3ms。图中黑色线条为断层

图 6可以看出,从萨零油层组顶面之下15ms开始,河道a、河道b发育;10~7ms时,河道a、河道b逐渐消亡,河道c、河道d和河道e发育;3ms时,河道c、河道d、河道e和河道f展布特征清晰。据此推知,河道a、河道b对应萨零油层组下部河道;河道c、河道d、河道e和河道f为萨零油层组上部河道。

3 小河道薄砂层定量预测

按照点→面→体的研究思路,即由已知井标定窄小河道砂体的地震反射特征,应用地震属性在平面上确定河道的边界和规模。根据三维地震数据体分析水下窄小河道的发育期次和沉积演化规律,在宏观上可定性分析窄小河道砂体空间展布特征和形成期次。而砂体厚度的定量预测是该类储层提高开发效果、优化井位部署的关键。

3.1 方法原理

灰色系统既含有已知信息,又含有未知信息或不确定信息[22-24],可用来预测井间储层分布。灰色系统理论中,关联度分析是将无限空间用有限数列取代,将连续概念用离散数列取代,根据曲线差异判断关联程度。正演模拟结果表明,当储层发育部位发生变化时,地震波形特征也随之变化。因此,可以利用关联度分析建立井点地震波形与储层参数之间的关系[25],实现储层预测。图 7为钻遇河道井的井旁地震道,每道波形作为一个模式对应相应的井点目的层砂岩厚度。图 8为未钻遇河道井的井旁地震道,每道波形作为一个模式对应相应的井点目的层泥岩厚度。

图 7 河道井旁地震道波形模式

图 8 非河道井旁地震道波形模式

设井旁地震道的特征参数序列Y为参考序列(母序列),Y={Yi(k)| i=1,2,…,mk=1,2,…,n},其中,i为已知井旁地震道模式数,k为地震样点数;其他任一地震道的特征参数序列X为比较序列(子序列),X={X(k)|k=1,2,…,n}。

$ f_{i}(k)=\frac{\min \limits_{i} \min\limits _{k}\left|Y_{i(k)}-X_{(k)}\right|+\rho \max \limits_{i} \max \limits_{k}\left|Y_{i(k)}-X_{(k)}\right|}{\left|Y_{i(k)}-X_{(k)}\right|+\rho \max \limits_{i} \max\limits _{k}\left|Y_{i(k)}-X_{(k)}\right|} $ (2)

特征参数序列YXk点的关联系数为式中ρ为分辨系数,范围为0~1,一般取值为0.5。第i个模式曲线与预测曲线的关联程度为

$ R_{i}=\frac{1}{n} \sum\limits_{k=1}^{n} f_{i}(k) $ (3)

式中n为时窗内地震样点总数。

当井数较少,已知样点数不足时,无法仅根据已知井点建立地震反射模式。需要开展地震正演模拟分析,建立相应的储层响应模式,然后应用灰色关联度分析预测储层发育情况。由于地震波形受噪声、调谐效应等因素影响,导致局部预测结果仍存在不确定性。为了更好地表征地震数据的平稳特性,去除干扰信息,采用未确知信息滤波方法[25]对地震数据信噪比低的区域的预测结果进行滤波处理,可以较好地消除地震干扰信息的影响,合理预测河道砂体的展布特征。

3.2 实现步骤

首先提取典型井旁地震道的地震响应模式并将其作为母序列模板,而将其他井间地震道作为未知模式并将其作为子序列;然后将井间子序列预测曲线与已知井母序列波形模式曲线做关联度分析,再根据关联程度预测井间河道砂体的厚度。具体流程如下。

(1) 地震地质层位精细标定。根据河道砂体发育的厚度、深度和地震分辨能力,通过多井标定确定目的层顶、底对应的地震反射时窗,如研究区目的层地震反射时窗为12ms,地震纵向采样间隔为1ms,对应式(3)地震样点总数n=12。

(2) 根据典型井测井相模式,分析目的层时窗内钻遇河道和非河道的已知井井旁道的地震响应特征;建立两者模式曲线,将钻遇河道和非河道井的井旁地震道响应模式作为母序列,井间待预测点提取地震波形模式预测曲线作为子序列。

(3) 建立母序列井旁地震道波形模式曲线与子序列井间未知点预测曲线的关联函数,用式(2)计算井间各点关联系数,用式(3)计算关联程度。

(4) 在井间待预测点与已知井有效空间距离内,寻找预测点地震道特征与多个已知井旁地震道特征关联程度最大者,并根据该井砂岩厚度、距离进行加权计算,从而求取待预测点的砂岩厚度。

(5) 对砂岩厚度预测结果进行滤波处理。

4 应用效果

按照点→面→体的研究思路逐步定性分析萨零油层组窄小河道砂体,根据已知井钻遇河道砂体的井旁道地震响应特征,建立已知井河道砂体厚度与地震响应特征的对应关系,以井点地震响应特征和井间未知点的地震响应特征为桥梁,利用井点与井间未知点地震反射特征横向关联性预测河道砂体平面分布特征,基于波形模式定量预测河道砂体厚度。在研究区共预测砂岩厚度大于2m、无井钻遇的窄小河道砂体长度共12.4km(图 9)。

图 9 基于波形模式的储层厚度定量预测结果

在砂体厚度预测结果大于2m的有利部位部署井位9口(图 9表 1)。从表 1可以看出,新钻井河道预测符合率为100%;完钻后单井平均钻遇砂岩厚度3.84m,预测平均相对误差为9.6%。截至2019年底,9口井投产1年,单井单层最高日产油4.1t,平均日产油1.6t,整体效果较好。

表 1 新钻井S02小层砂体厚度预测与实钻结果对比

从连井剖面(图 10)可以看出,新钻井T30-S22、T32-S22井钻遇S02小层晚期河道砂体,砂体厚度分别为1.5、1.9m;以T30-S22井为代表(图 11a),砂体为同相轴能量增强的波峰反射(类似于图 4b模式)。T38-S23、T39-S24、T4-S25、T41-S26井钻遇河道砂体厚度较大,分别为4.9、2.9、6.7、3.8m;以T38-S23井为代表,同相轴相位发生变化(图 11b,类似于图 4c模式)。新钻井验证了本文方法的实用性和有效性,可为老油田加密、扩边和挖潜提供参考。

图 10 新钻井河道砂体对比

图 11 新钻井T30-S22和T38-S23窄小河道砂体地震反射特征 (a)同相轴能量增强;(b)同相轴相位发生变化
5 结论与认识

针对三角洲前缘窄小河道薄砂层,本文采用井震联合识别技术,获得以下几点认识:

(1) 基于地震正演模拟,建立萨零油层组不同期次河道砂体三种地震响应模式,有助于利用地震波形特征识别窄小河道砂体;

(2) 基于标准层控制的地震等时切片分析技术和多元线性回归方法能更合理地解剖水下窄小河道砂体的形成期次、展布特征和演化规律;

(3) 关联度分析方法定量预测窄小河道砂体厚度,可以发挥井点的控制优势,又可以发挥地震空间分辨率的优势,可为后续老油田井位加密和扩边挖潜提供参考。

参考文献
[1]
王延光, 李皓, 李国发, 等. 一种用于薄层和薄互层砂体厚度估算的复合地震属性[J]. 石油地球物理勘探, 2020, 55(1): 153-160.
WANG Yanguang, LI Hao, LI Guofa, et al. A composite seismic attribute used to estimate the sand thickness for thin bed and thin interbed[J]. Oil Geophysical Prospecting, 2020, 55(1): 153-160.
[2]
王天云, 韩小锋, 许海红, 等. 无监督神经网络地震属性聚类方法在沉积相研究中的应用[J]. 石油地球物理勘探, 2021, 56(2): 372-379.
WANG Tianyun, HAN Xiaofeng, XU Haihong, et al. Study on sedimentary facies based on unsupervised neural network seismic attribute clustering[J]. Oil Geophysical Prospecting, 2021, 56(2): 372-379.
[3]
蔡义峰, 熊婷, 姚卫江, 等. 地震多属性分析技术在薄层砂体预测中的应用[J]. 石油地球物理勘探, 2017, 52(增刊2): 140-145.
CAI Yifeng, XIONG Ting, YAO Weijiang, et al. Thin sandstone prediction with seismic multi-attribute analysis[J]. Oil Geophysical Prospecting, 2017, 52(S2): 140-145.
[4]
彭达, 尹成, 朱永才, 等. 扇三角洲前缘薄互层叠置砂体的敏感属性分析[J]. 石油地球物理勘探, 2015, 50(4): 714-722.
PENG Da, YIN Cheng, ZHU Yongcai, et al. Sensitive seismic attribute analysis on thin interbed overlapped sandbodies in fan-delta front[J]. Oil Geophysical Prospecting, 2015, 50(4): 714-722.
[5]
郑江峰, 彭刚, 孙佳林, 等. 基于90°相移的振幅和频率属性融合法油气检测[J]. 石油物探, 2019, 58(1): 130-138.
ZHENG Jiangfeng, PENG Gang, SUN Jialin, et al. Fusing amplitude and frequency attributes for hydrocarbon detection using 90° phase shift data[J]. Geophysical Prospecting for Petroleum, 2019, 58(1): 130-138. DOI:10.3969/j.issn.1000-1441.2019.01.015
[6]
赵海波, 唐晓花, 李奎周, 等. 基于地震岩石物理分析与叠前地质统计学反演技术的齐家地区致密薄储层预测[J]. 石油物探, 2017, 56(6): 853-862.
ZHAO Haibo, TANG Xiaohua, LI Kuizhou, et al. Tight thin-bed reservoir prediction using rock physics analysis and prestack geostatistical inversion in the Qijia area[J]. Geophysical Prospecting for Petroleum, 2017, 56(6): 853-862. DOI:10.3969/j.issn.1000-1441.2017.06.011
[7]
金凤鸣, 刘力辉, 胡诚, 等. 地震岩性地貌体在薄储层沉积微相研究中的应用[J]. 石油地球物理勘探, 2017, 52(1): 173-180.
JIN Fengming, LIU Lihui, HU Cheng, et al. Application of seismic lithologic geomorphy in thin-bed reservoir sedimentary microfacies study[J]. Oil Geophysical Prospecting, 2017, 52(1): 173-180.
[8]
黄薇, 王始波, 张玉鹏, 等. 地震沉积学在薄储层岩性油藏勘探中的应用[J]. 大庆石油地质与开发, 2018, 37(1): 1-8.
HUANG Wei, WANG Shibo, ZHANG Yupeng, et al. Application of seismic sedimentology in the exploration of the lithological oil reserovirs in the thin layer[J]. Petroleum Geology & Oilfield Development in Daqing, 2018, 37(1): 1-8.
[9]
赵衍彬, 黄旭日, 陈永红, 等. 方向可控金字塔的地质体边界识别方法及在砂砾岩油藏中的应用[J]. 石油物探, 2021, 60(3): 414-420, 429.
ZHAO Yanbin, HUANG Xuri, CHEN Yonghong, et al. Application of the directionally steerable pyramid method to identify geological boundaries in a cong-lomerate sand reservoir[J]. Geophysical Prospecting for Petroleum, 2021, 60(3): 414-420, 429. DOI:10.3969/j.issn.1000-1441.2021.03.007
[10]
ZENG H, LOUCKS R G, BROWN L F. Mapping se-diment-dispersal patterns and associated systems tracts in fourth and fifth order sequences using seismic sedimentology: Example from Corpus Christi Bay, Texas[J]. AAPG Bulletin, 2007, 91(7): 981-1003. DOI:10.1306/02060706048
[11]
ZENG H. Seismic Imaging for Seismic Geomorphology beyond the Seabed: Potentials and Challenges[M]. Geological Society of London Special Publications, 2007, 15-28.
[12]
曾洪流. 地震沉积学在中国: 回顾和展望[J]. 沉积学报, 2011, 29(3): 61-70.
ZENG Hongliu. Seismic sedimentology in China: A review[J]. Acta Sedimentologica Sinica, 2011, 29(3): 61-70.
[13]
夏竹, 李中超, 贾瑞忠, 等. 井震联合薄储层沉积微相表征实例研究[J]. 石油地球物理勘探, 2016, 51(5): 1002-1011.
XIA Zhu, LI Zhongchao, JIA Ruizhong, et al. Thin reservoir sedimentary microfacies characterization based on well logging and seismic data: a case study[J]. Oil Geophysical Prospecting, 2016, 51(5): 1002-1011.
[14]
杨占龙, 刘化清, 沙雪梅, 等. 融合地震结构信息与属性信息表征陆相湖盆沉积体系[J]. 石油地球物理勘探, 2017, 52(1): 138-145.
YANG Zhanlong, LIU Huaqing, SHA Xuemei, et al. Terrestrial lacustrine basin depositional system chara-cterization with seismic structure and attribute information fusion[J]. Oil Geophysical Prospecting, 2017, 52(1): 138-145.
[15]
卢勉, 姜岩, 李操, 等. 利用三维地震资料识别长垣油田曲流河废弃河道[J]. 石油地球物理勘探, 2017, 52(6): 1290-1297.
LU Mian, JIANG Yan, LI Cao, et al. Identification of meandering river abandoned channels in Changyuan Oilfield on 3D seismic data[J]. Oil Geophysical Prospecting, 2017, 52(6): 1290-1297.
[16]
赵丽平, 陈莉, 谭明友, 等. 曲流河沉积微相的三维地震描述[J]. 石油地球物理勘探, 2008, 43(6): 680-684.
ZHAO Liping, CHEN Li, TAN Mingyou, et al. 3-D seismic description of mender sedimentary microfacies[J]. Oil Geophysical Prospecting, 2008, 43(6): 680-684. DOI:10.3321/j.issn:1000-7210.2008.06.012
[17]
王治国, 尹成, 唐何兵, 等. 沉积模式约束的地震多属性水下扇岩相划分[J]. 石油地球物理勘探, 2015, 50(2): 357-362.
WANG Zhiguo, YIN Cheng, TANG Hebing, et al. Submarine fan lithofacies identification with depositional model and seismic attributes[J]. Oil Geophysical Prospecting, 2015, 50(2): 357-362.
[18]
肖佃师, 张飞飞, 卢双舫, 等. 井震联合识别复合砂体中单一河道——以朝44区块扶余油层为例[J]. 石油地球物理勘探, 2016, 51(1): 148-157.
XIAO Dianshi, ZHANG Feifei, LU Shuangfang, et al. Single channel identification in compound sand bodies by well and seismic data integration: An example in area of Chao 44 region, Fuyu Oilfield[J]. Oil Geophysical Prospecting, 2016, 51(4): 148-157.
[19]
赵东娜, 朱筱敏, 董艳蕾, 等. 地震沉积学在湖盆缓坡滩坝砂体预测中的应用——以准噶尔盆地车排子地区下白垩统为例[J]. 石油勘探与开发, 2014, 41(1): 55-61.
ZHAO Dongna, ZHU Xiaomin, DONG Yanlei, et al. Application of seismic sedimentology to prediction of beach and bar sandbodies in gentle slope of lacustrine basin: A case study of the Lower Cretaceous in Che-paizi area, Junggar Basin, NW China[J]. Petroleum Exploration and Development, 2014, 41(1): 55-61.
[20]
朱筱敏, 赵东娜, 曾洪流, 等. 松辽盆地齐家地区青山口组浅水三角洲沉积特征及其地震沉积学响应[J]. 沉积学报, 2013, 31(5): 889-897.
ZHU Xiaomin, ZHAO Dongna, ZENG Hongliu, et al. Sedimentary characteristics and seismic sedimentolo-gic responses of shallow-water delta of Qingshankou Formation in Qijia area, Songliao basin[J]. Acta Sedimentologica Sinica, 2013, 31(5): 889-897.
[21]
朱筱敏, 刘长利, 张义娜, 等. 地震沉积学在陆相湖盆三角洲砂体预测中的应用[J]. 沉积学报, 2009, 27(5): 915-921.
ZHU Xiaomin, LIU Changli, ZHANG Yi'na, et al. On seismic sedimentology of lacustrine deltaic depositional systems[J]. Acta Sedimentologica Sinica, 2009, 27(5): 915-921.
[22]
张鹏, 王昆, 于涛, 等. 基于多元线性回归分析法的煤层气含量预测[J]. 煤炭技术, 2016, 35(11): 112-115.
ZHANG Peng, WANG Kun, YU Tao, et al. Content predicting of CBM based on multiple linear regression analysis method[J]. Coal Technology, 2016, 35(11): 112-115.
[23]
刘如红. 酸岩反应速率影响因素的多元线性回归分析研究[J]. 石油化工应用, 2013, 32(3): 13-15.
LIU Ruhong. Study of the acid-rock reaction rate of primary and secondary factors based on multiple linear regression analysis method[J]. Petrochemical Industry Application, 2013, 32(3): 13-15. DOI:10.3969/j.issn.1673-5285.2013.03.004
[24]
李静, 刘震, 张媛, 等. 基于多元线性回归方法的地应力研究[J]. 科学技术与工程, 2010, 10(25): 6163-6165.
LI Jing, LIU Zhen, ZHANG Yuan, et al. The research of crustal stress distribution by using multivariate li-near regression[J]. Science Technology and Engineering, 2010, 10(25): 6163-6165. DOI:10.3969/j.issn.1671-1815.2010.25.010
[25]
刘开第, 吴和琴, 庞彦军, 等. 不确定信息数学处理及应用[M]. 北京: 科学出版社, 1997.