近年来非常规油气资源越来越受到业界重视,非常规油气藏的重要性日益凸显。页岩油以其“源储一体、近源聚集、规模资源”等特性必然成为常规油气勘探、开发的重大接替领域[1-2]。页岩油勘探领域的地质认识、勘探靶区选择、评价依据及勘探技术对策与传统油气勘探领域的差别很大,存在较大不确定性,影响了陆相页岩油预测进程[3-4]。
由于页岩油不同于常规油气藏,对页岩油勘探、开发的评价要素的选取存在差异。邹才能等[5]认为页岩油“核心区”评价的关键因素为有机质含量与有机质成熟度、储层脆性指数、页岩油黏度、地层能量及富有机质页岩规模。张金川等[6]建议页岩油评价时考虑含油性与含油率、有机质成熟度、有机质含量、埋深、地层压力等。文献调研结果表明:富有机质岩相是页岩油富集的基础;可流动性是页岩油富集产出的前提;裂缝是页岩油富集产出的关键[7-8]。
辽河坳陷页岩油资源量巨大,大民屯凹陷沙四段页岩油作为接替勘探领域的认识出现较晚。2018年以前,按照致密油勘探的技术思路研究页岩油,存在以下问题:一是油页岩作为沙四段页岩油领域的烃源岩,更多地关注其生烃能力,而忽视了其自身的储集能力;二是储层“甜点”预测方法单一,常采用波阻抗反演和地震属性分析等常规技术宏观预测地质“甜点”,结果存在多解性;三是尚未开展与工程“甜点”(储层脆性、裂缝等)相关的参数预测。为此,本文针对大民屯凹陷沙四段页岩油的特殊地质条件,综合应用岩心、分析化验、测井、地震等基础资料,以岩石物理分析为依据,确定了以源岩品质、储层品质及工程品质为主要评价要素,并建立主要评价要素与地球物理响应参数之间的关系模型,形成陆相页岩油“甜点”地震预测技术体系,以提高“甜点”预测精度,确定有利目标靶区,为页岩油勘探部署提供可靠的技术支撑,通过部署实施水平井实现效益勘探、开发。
1 页岩油地质特征大民屯凹陷是辽河坳陷的三大凹陷之一,油气资源十分丰富。沙四段油页岩为主要烃源岩,有机碳含量集中分布于3%~10%,有机质丰度偏高,具备形成页岩油的特殊地质条件。
现有的钻井、录井、测井等资料表明,在古近系沙四段沉积早期,在大民屯凹陷中部沉积了一套以含碳酸盐油页岩、泥质云岩互层为主的油页岩,分布面积达220km2,厚度为40~200m,为页岩油形成的重要物质基础。S224等4口老井在沙四段页岩层试油已获工业油气流,表明沙四段页岩油具有较大的勘探潜力。
1.1 岩性特征岩矿分析鉴定结果表明,区域构造升降使油页岩发育段呈典型的“三层”结构特征[9-10],根据岩石组合类型自上而下依次为Ⅰ、Ⅱ、Ⅲ组(图 1)。
地球化学实验分析结果表明,研究区烃源岩有机碳含量(TOC)集中分布于3%~10%,具有一定的生烃潜力。生烃潜量(S1+S2)是指单位质量烃源岩中的有机质质量[11]。由S352井沙四段下部烃源岩岩心、岩屑地化剖面(图 2)可见:主要源岩分布于Ⅰ组以及Ⅲ组,TOC≥4%,S1+S2>25mg/g,为极好烃源岩;Ⅱ组的TOC≤2%,S1+S2为0.4~8.54mg/g,平均值为4.35mg/g,Ⅱ组生油条件差于Ⅰ组和Ⅲ组。
由S352井沙四段岩性、物性及脆性指数统计表(表 1)可见:沙四段整体储层物性较差,孔隙度为1.4%~11.2%,平均值约为5.1%;渗透率一般不超过0.1mD,因此属于致密储层;Ⅱ组泥质云岩储集物性最好,孔隙度平均值为6.1%,是有利的页岩油储层。系统观察取心井的岩性并结合扫描电镜、铸体薄片、激光共聚焦等多种数据可知,沙四段下部储层储集空间主要分为基质孔隙和裂缝两大类,具有孔隙—裂缝双重孔隙特征。
岩石力学实验数据表明,Ⅱ组、Ⅲ组石英、白云石等脆性矿物含量高,导致储层脆性指数相对较高(最高达到74%,平均值为60.3%),因此更适合压裂改造。以A95井试油为例,压裂改造前日产液4.02t,累计回收油0.778m3,洗油累计出油30.1t;压裂改造后日产油达7.5t,有效提升了产能。
2 页岩油地球物理响应特征 2.1 叠后地震响应特征大民屯凹陷三维地震资料信噪比高,目的层地震资料主频为26Hz,频带为3.5~54Hz,具有较高的分辨能力。经合成记录标定可有效识别油页岩纵向三层结构,为开展页油岩“甜点”预测提供了高精度数据。
从过S238—S352—S232井地震剖面(图 3)看,纵向上不同的岩性组合表现为明显的反射特征差异。Ⅰ组厚层油页岩表现为一套连续、稳定的低频、强振幅反射;Ⅱ组泥质云岩与薄层砂岩组合表现为一套不连续反射,横向上相位变化快;Ⅲ组泥质云岩与含粉砂油页岩组合表现为中—高频较强反射。地震振幅、频率及波组特征变化为预测储层岩性提供了高保真资料。
OVT域偏移的螺旋道集能更好地还原道集方位信息,保留所有方位角的信息,经方位各向异性校正可消除方位各向异性对宽方位地震成像的影响,从而显著提高岩性解释、流体识别、裂缝预测等的精度[12-13]。随着分方位数据的日益丰富,推动了方位各向异性裂缝预测方法迅猛发展,主要有基于方位属性的裂缝预测,包括振幅、衰减、速度方位各向异性等方法[14]。为确保每个不同方位扇区处于均匀采样状态,须对OVT域叠前道集进行炮检距—方位角域数据预处理(图 4),剔除炮检距大于最大非纵距的数据,保留炮检距小于最大非纵距的数据,对道集重插、重排以优化数据体,确保各扇区覆盖次数均匀。
应用OVT域偏移的螺旋道集数据各个方位的地震波振幅等信息研究各向异性特征。提取目的层某一点不同划分方位的均方根振幅值,通过椭圆拟合方法预测裂缝。结果表明,不同划分方位振幅的椭圆长轴方向可指示裂缝方向(图 5),椭圆长轴与短轴之比表示裂缝强度,裂缝预测结果准确反映了地下各向异性特征。
针对研究区岩性组合类型丰富、岩性横向变化快等特征,以实际测井资料为基础,利用各类测井曲线可以直观、有效地判断岩性,从而定量分析储层物性及含油气性。
S352井沙四段不同层组的油页岩、泥质云岩在测井曲线上有明显差异(图 6):Ⅰ组油页岩段呈“六低”(低密度、低速度、低横波阻抗、低泊松比、低杨氏模量、低脆性指数)特征;Ⅱ组泥质云岩段呈“五高一低”(高密度、高速度、高横波阻抗、低泊松比、高杨氏模量、高脆性指数)特征。
依据上述岩石物理特征,横波阻抗可有效区分储层岩性。Ⅱ组泥质云岩段横波阻抗呈高值(大于6500m·s-1·g·cm-3),而Ⅰ组厚层油页岩段横波阻抗呈低值(小于5000m·s-1·g·cm-3)。不同层组的储层脆性指数可用杨氏模量表征:Ⅰ组油页岩段的杨氏模量值偏小,脆性指数分布在45%以下;Ⅱ组泥质云岩段的杨氏模量值偏大,脆性指数大于50%。另外,TOC值与纵波阻抗具有较好的线性关系(下文详细介绍)。由此可见,反映页岩油的源岩品质(TOC值)、储层品质(岩性)及工程品质(脆性指数)可与地球物理响应参数建立良好的对应关系。
3 地震甜点预测技术根据大民屯凹陷沙四段页岩油的地质特征,确定了以源岩品质、储层品质及工程品质为主要的评价要素。根据不同层组的岩性组合特征制定不同的技术措施。Ⅰ组以油页岩为主,以寻找富有机质油页岩为目标,TOC值预测是重点;Ⅱ组以泥质云岩为主,储层物性相对较优,溶蚀缝发育,储层岩性及裂缝预测是关键,储层脆性指数预测也是重点;Ⅲ组下段以寻找优质砂体、上段以寻找稳定的泥质云岩为目标,储层岩性预测是关键。
3.1 有机页岩TOC值预测油页岩TOC值是页岩油资源评价中的重要参数之一。近年来,在油气勘探中以ΔlgR模型为代表的测井地球化学技术在源岩的TOC值的非均质性评价方面得到了广泛应用[15-16]。
利用ΔlgR模型将常规坐标的声波时差和对数坐标的电阻率曲线叠合,通过确定基线位置以确定两条曲线间的间距在对数电阻率坐标的读数ΔlgR,反映了岩石属性以及烃源岩品质等信息。TOC值定量关系为
$ \Delta \lg R=\lg \frac{R}{R_{\mathrm{b}}}+K\left(\Delta t-\Delta t_{\mathrm{b}}\right) $ | (1) |
式中:ΔlgR为两条曲线间的距离,R为实测电阻率;Rb为基线电阻率;K=0.02为叠合系数;Δt为实测声波时差;Δtb为基线声波时差。
ΔlgR与TOC值呈线性相关,并且是成熟度的函数,即
$ \mathrm{TOC}=\Delta \lg R \times 10^{2.297-0.1688 \mathrm{LOM}}+\Delta \mathrm{TOC} $ | (2) |
式中:LOM为有机质成熟度;ΔTOC为TOC值地区校正值。
利用ΔlgR模型计算单井TOC值,利用12口井的实测TOC值与预测TOC值建立关系式,二者相关性较高,相关系数达到0.728,TOC实测样点对应计算曲线值相对误差小于10%,说明本方法在研究区具有较强的适用性。
以大民屯凹陷54口井的声波时差和电阻率等数据为基础,计算各层组TOC,并编制沙四段各层组TOC值平面图(图 7),可见Ⅰ组TOC值一般大于2%,局部达到5%,表明Ⅰ组油页岩的品质较高。
应用高保真AVO道集数据开展叠前地质统计学反演,通过分析井资料和地质信息获得概率分布函数和变差函数,前者描述了特定岩性(砂岩、油页岩、泥质云岩)的岩石物理参数分布的可能性,后者描述了横向、纵向地质特征的结构和特征尺度。利用马尔科夫链—蒙特卡洛算法进行迭代计算,得到横波、纵波阻抗及密度共三个弹性参数体[17-20]。
岩石物理特征分析表明,横波阻抗曲线可有效区分油页岩、泥质云岩。该区SY1、S352等井的钻探结果揭示,储层岩性在横向、纵向变化快。由过SY1—S352井横波阻抗剖面(图 8)可见:Ⅰ组横波阻抗呈低值(冷色调),指示油页岩的主要分布段;Ⅱ组横波阻抗呈高值(暖色调),指示泥质云岩的主要分布段。对参与反演的54口井数据进行误差分析表明,其中42口井的砂体厚度绝对误差小于3m,符合率达到77.7%,预测精度较高。因此,利用横波阻抗可有效预测不同层组的岩性变化。
地震波在HTI介质中传播时,其旅行时、速度、振幅等属性随着传播方向的不同而变化,利用这些属性变化可以检测裂缝[21-22]。地震波沿裂缝走向传播时走时最短,能量最强;地震波垂直于裂缝方向传播时走时最长,能量最弱。由于螺旋道集中具有丰富的方位角和炮检距分布信息,因此可以分析方位各向异性变化。
应用GeoEast的EastTrack软件,通过优化方位角、炮检距等一系列流程,建立了一种自动化程度更高的裂缝分析结果参数模板[23]。通过沿层提取最大振幅、均方根振幅、走时等属性进行椭圆拟合,分析道集剖面的各向异性变化,了解裂缝发育强度及方向[19]。图 9展示了椭圆拟合方法裂缝预测效果。由图可见:基于椭圆拟合法的叠前属性的观测尺度更小,预测了裂缝发育强度,指示裂缝走向以北东向为主,局部发育北西向(图 9a),与裂缝玫瑰图一致(图 9b)。
裂缝发育区不仅具有较好的储集性能,而且从储层改造的角度上讲,压裂造缝效果更好。
3.4 岩石脆性指数预测目前主要用声波法和矿物组分法评价储层岩石脆性指数,其中常用的声波法利用阵列声波测井资料计算杨氏模量和泊松比[24-25],泊松比在一定程度反映了岩石塑性,可描述岩石受力时的变形能力;杨氏模量为纵向应力与应变之比值,反映了岩石的刚度,可表征岩石破裂之后裂缝的保持能力。
杨氏模量E与岩石脆性指数BI的关系为
$ \mathrm{BI} \times E=100 \times \frac{E-E_{\min }}{E_{\max }-E_{\min }} $ | (3) |
泊松比σ与BI的关系为
$ \mathrm{BI} \times \sigma=100 \times \frac{\sigma-\sigma_{\min }}{\sigma_{\min }-\sigma_{\max }} $ | (4) |
结合式(3)和式(4),得
$ \mathrm{BI}=\frac{\mathrm{BI} \times E+\mathrm{BI} \times \sigma}{2} $ | (5) |
式中:Emin、Emax分别为目的层段杨氏模量最小值、最大值;σmin、σmax分别为目的层段泊松比最小值、最大值。
图 10为S352井E-σ交会图。由图可见,高杨氏模量、相对较低泊松比储层的脆性指数较高,更容易产生裂缝,泥质云岩的杨氏模量最高,油页岩的杨氏模量最低,砂岩的杨氏模量介于两者之间。
利用叠前反演获得的纵波、横波阻抗以及密度体等弹性参数反演拉梅系数、剪切模量、泊松比、体积模量、杨氏模量等岩石物理参数,应用式(3)~式(5)计算岩石脆性指数数据体。
一般而言,脆性矿物(如石英、长石、碳酸盐岩等)的含量越高,岩石的脆性越高。由脆性指数反演剖面(图 11)可见:Ⅰ组油页岩段富含黏土矿物,表明脆性矿物含量最低,脆性指数小于45%;Ⅱ组泥质云岩中脆性矿物含量最高,脆性指数大于50%;Ⅲ组为泥质云岩与含粉砂油页岩互层,脆性指数介于Ⅰ组与Ⅱ组之间,与表 1的数据较吻合。
通过对页岩油的源岩品质、储层品质及工程品质等关键要素的“甜点”预测与评价,建立页岩油“甜点”分类评价标准,明确研究区重点层系和有利区带,有效指导页岩油勘探。
本区油页岩主要分布于Ⅰ组,为极好烃源岩,源岩品质最佳,又可作为潜在储层;Ⅱ组发育泥质云岩,厚度较大,石英含量约为25%,是本区最好的储集体。裂缝是页岩气富集高产的关键因素,Ⅱ、Ⅲ组发育较丰富的长石和白云石等可溶性矿物,构造缝及溶蚀缝发育,总体上Ⅱ组储层品质最佳。主要根据脆性指数评价确定工程“甜点”分布范围。由于Ⅱ组石英含量高,同时脆性指数较高,因此工程品质最佳。
综上所述,Ⅱ组泥质云岩为最好的储集体,岩石脆性指数高,易于压裂改造,并被Ⅰ组和Ⅲ组油页岩夹持,形成典型“三明治”结构,因此Ⅱ组是页岩油最重要的勘探层组。Ⅱ组泥质云岩储层发育较连续,根据泥质云岩厚度变化,确定一类有利区带总面积为23.6km2,厚度为5~30m;二类有利区带总面积为67.4km2,厚度为3~5m(图 12)。
为探索Ⅱ组泥质云岩发育段含油气情况,在平安堡构造带优选有利目标,根据研究结果指导水平井的轨迹设计,部署了SY1井。SY1井从Ⅰ组油页岩段钻遇Ⅱ组泥质云岩段。水平段Ⅰ组油页岩预测长度为1245m,实钻长度为895m,预测符合率为71.8%;水平段Ⅱ组泥质云岩预测长度为438m,实钻长度为540m,预测符合率为81.4%。多段压裂后日产液73t、日产油9.3t、日产气1250m3,具备一定的稳产能力。SY1井的成功钻探揭示了大民屯凹陷沙四段页岩油还具很大的勘探潜力,进一步坚定了本区页岩油勘探的信心。
5 结束语针对中国东部小规模断陷盆地陆相页岩油岩相纵向分段、横向变化快等特征,综合应用地质资料,以岩石物理分析为依据,确定了以源岩品质、储层品质及工程品质为主要的评价要素。利用“两宽一高”地震资料,分层组、分要素精准预测了页岩油“甜点”分布,形成了一套针对陆相页岩油“甜点”的地球物理预测方法和技术流程。综合评价明确了页岩油勘探的重点层组和有利目标靶区,为水平井轨迹设计及钻探提供了可靠的技术支撑,有效提高了水平井油层钻遇率。
[1] |
邱振, 李建忠, 吴晓智, 等. 国内外致密油勘探现状、主要地质特征及差异[J]. 岩性油气藏, 2015, 27(4): 119-126. QIU Zhen, LI Jianzhong, WU Xiaozhi, et al. Exploration status, main geologic characteristics and their differences of tight oil between America and China[J]. Lithologic Reservoirs, 2015, 27(4): 119-126. DOI:10.3969/j.issn.1673-8926.2015.04.018 |
[2] |
杜金虎, 何海清, 杨涛, 等. 中国致密油勘探进展及面临的挑战[J]. 中国石油勘探, 2014, 19(1): 1-9. DU Jinhu, HE Haiqing, YANG Tao, et al. Progress in China's tight oil exploration and challenges[J]. China Petroleum Exploration, 2014, 19(1): 1-9. DOI:10.3969/j.issn.1672-7703.2014.01.001 |
[3] |
胡素云, 赵文智, 侯连华, 等. 中国陆相页岩油发展潜力与技术对策[J]. 石油勘探与开发, 2020, 47(4): 819-828. HU Suyun, ZHAO Wenzhi, HUO Lianhua, et al. Development potential and technical strategy of continental shale oil in China[J]. Petroleum Exploration and Development, 2020, 47(4): 819-829. |
[4] |
赵文智, 胡素云, 侯连华, 等. 中国陆相页岩油类型、资源潜力及与致密油的边界[J]. 石油勘探与开发, 2020, 47(1): 1-10. ZHAO Wenzhi, HU Suyun, HUO Lianhua, et al. Types and resource potential of continental shale oil in China and its boundary with tightoil[J]. Petroleum Exploration and Development, 2020, 47(1): 1-10. |
[5] |
邹才能, 杨智, 崔景伟, 等. 页岩油形成机制、地质特征及发展对策[J]. 石油勘探与开发, 2013, 40(1): 14-26. ZOU Caineng, YANG Zhi, CUI Jingwei, et al. Formation mechanism, geological charactertics and development stategy of nonmarine shale oil in China[J]. Petroleum Exploration and Development, 2013, 40(1): 14-26. |
[6] |
张金川, 林腊梅, 李玉喜, 等. 页岩油分类与评价[J]. 地学前缘, 2012, 19(5): 322-331. ZHANG Jinchuan, LIN Lamei, LI Yuxi, et al. Classification and evalution of shale oil[J]. Earth Science Frontiers, 2012, 19(5): 322-331. |
[7] |
刘喜武, 刘宇巍, 刘志远, 等. 陆相页岩油甜点地球物理表征研究进展[J]. 石油与天然气地质, 2019, 40(3): 504-511. LIU Xiwu, LIU Yuwei, LIU Zhiyuan, et al. Progresses in geophysical characterization of continental shale oil sweet spots[J]. Oil & Gas Geology, 2019, 40(3): 504-511. |
[8] |
宁方兴. 济阳坳陷页岩油富集主控因素[J]. 石油学报, 2015, 36(8): 905-914. NING Fangxing. The main control factors of shale oil enrichment in Jiyang depression[J]. Acta Petrolei Sini-ca, 2015, 36(8): 905-914. |
[9] |
李晓光, 刘兴周, 李金鹏, 等. 辽河坳陷大民屯凹陷沙四段湖相页岩油综合评价及勘探实践[J]. 中国石油勘探, 2019, 24(5): 636-648. LI Xiaoguang, LIU Xingzhou, LI Jinpeng, et al. Comprehensive evaluation and exploration practice of Sha 4 lacustrine shale oil in Damintun sag, Liaohe depression[J]. China Petroleum Exploration, 2019, 24(5): 636-648. |
[10] |
蓝阔. 大民屯凹陷沙四段致密油成藏条件及潜力分析[D]. 黑龙江大庆: 东北石油大学, 2018, 1-40.
|
[11] |
赵政璋, 杜金虎. 致密油气[M]. 北京: 石油工业出版社, 2012: 1-51.
|
[12] |
詹仕凡, 陈茂山, 李磊, 等. OVT域宽方位叠前地震属性分析方法[J]. 石油地球物理勘探, 2015, 50(5): 956-966. ZHAN Shifan, CHEN Maoshan, LI Lei, et al. OVT-domain wide-azimuth prestack seismic attribute analysis[J]. Oil Geophysical Prospecting, 2015, 50(5): 956-966. |
[13] |
印兴耀, 张洪学, 宗兆云. OVT数据域五维地震资料解释技术研究现状与进展[J]. 石油物探, 2018, 57(2): 155-178. YIN Xingyao, ZHANG Hongxue, ZONG Zhaoyun. Research status and progress of 5D seismic data interpretation in OVT domain[J]. Geophysical Prospecting for Petroleum, 2018, 57(2): 155-178. |
[14] |
龚明平, 张军华, 王延光, 等. 分方位地震勘探研究现状及进展[J]. 石油地球物理勘探, 2018, 53(3): 642-658. GONG Mingping, ZHANG Junhua, WANG Yanguang, et al. Current situations and recent progress in different azimuths seismic exploration[J]. Oil Geophysical Prospecting, 2018, 53(3): 642-658. |
[15] |
许晓宏, 黄海平, 卢松年. 测井资料与烃源岩有机碳含量的定量关系研究[J]. 江汉石油学院学报, 1998, 20(3): 8-12. XU Xiaohong, HUANG Haiping, LU Songnian. A quantitative relationship between well logging information and organic carbon content[J]. Journal of Jianghan Petroleum Institute, 1998, 20(3): 8-12. |
[16] |
朱振宇, 刘洪, 李幼铭. ΔlogR技术在烃源岩识别中的应用与分析[J]. 地球物理学进展, 2003, 18(4): 647-649. ZHU Zhenyu, LIU Hong, LI Youming. The analysis and application of ΔlogR method in the source rock's identification[J]. Progress in Geophysics, 2003, 18(4): 647-649. |
[17] |
何火华, 李少华, 杜家元, 等. 利用地质统计学反演进行薄砂体储层预测[J]. 物探与化探, 2011, 35(6): 804-808. HE Huohua, LI Shaohua, DU Jiayuan, et al. The application of geostatistic inversion method to prediction the thin sandstone reservoir[J]. Geophysical & Geochemical Exploration, 2011, 35(6): 804-808. |
[18] |
钱玉贵, 叶泰然, 张世华, 等. 叠前地质统计学反演技术在复杂储层量化预测中的应用[J]. 石油与天然气地质, 2013, 34(6): 834-840. QIAN Yugui, YE Tairan, ZHANG Shihua, et al. Application of pre-stack geo-statistics inversion techno-logy in quantitative prediction of complex reservoirs[J]. Oil & Gas Geology, 2013, 34(6): 834-840. |
[19] |
王香文, 刘红, 滕彬彬, 等. 地质统计学反演技术在薄储层预测中的应用[J]. 石油与天然气地质, 2012, 33(5): 730-735. WANG Xiangwen, LIU Hong, TENG Binbin, et al. Application of geostatistical inversion to thin reservoir prediction[J]. Oil & Gas Geology, 2012, 33(5): 730-735. |
[20] |
郭同翠, 姜明军, 纪迎章, 等. 叠前地质统计学反演在页岩甜点和薄夹层预测中的应用——以西加拿大盆地W区块为例[J]. 石油地球物理勘探, 2020, 55(1): 167-175. GUO Tongcui, JIANG Mingjun, JI Yingzhang, et al. The application of prestack geostatistical in the prediction of shale sweet spots and thin interbeds: a case study of Block W in Western Canada Basin[J]. Oil Geophysical Prospecting, 2020, 55(1): 167-175. |
[21] |
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. |
[22] |
戴立波, 潘仁芳, 夏丹, 等. AVO技术在裂缝性储层中的应用[J]. 断块油气田, 2009, 16(5): 43-45. DAI Libo, PAN Renfang, XIA Dan, et al. Application of AVO technology in fractured reservoirs[J]. Fault-Block Oil & Gas Field, 2009, 16(5): 43-45. |
[23] |
杨敬雅, 李相文, 李磊, 等. 一种基于RBF算法的裂缝预测参数自动优化方法与应用[J]. 复杂油气藏, 2018, 11(4): 7-11. YANG Jingya, LI Xiangwen, LI Lei, et al. An automatic optimization method for fracture prediction parameters based on RBF algorithm and its application[J]. Complex Hydrocarbon Reservoirs, 2018, 11(4): 7-11. |
[24] |
檀文慧, 巴晶, 符力耘, 等. 龙马溪-五峰组富有机质页岩三维岩石物理模板分析及"甜点"预测[J]. 地球物理学报, 2021, 64(8): 2900-2915. TAN Wenhui, BA Jing, FU Liyun, et al. 3D rock physics template analysis and "sweet spot" prediction of Longmaxi-Wufeng organic-rich shale[J]. Chinese Journal of Geophysics, 2021, 64(8): 2900-2915. |
[25] |
赖富强, 罗涵, 龚大建, 等. 一种新的页岩气储层脆性指数评价模型研究——以贵州下寒武统牛蹄塘组页岩储层为例[J]. 地球物理学进展, 2018, 33(6): 2358-2367. LAI Fuqiang, LUO Han, GONG Dajian, et al. New evaluation model for brittle index of shale reservoir: a case study of Niutitang formation shale reservoir in Guizhou province[J]. Progress in Geophysics, 2018, 33(6): 2358-2367. |