石油地球物理勘探  2022, Vol. 57 Issue (s1): 215-222  DOI: 10.13810/j.cnki.issn.1000-7210.2022.S1.033
0
文章快速检索     高级检索

引用本文 

张枫, 贾学成, 张晓敏, 姜宏宇, 张宝权, 刘翠风. 相控反演薄储层预测技术在鄂尔多斯盆地东缘的应用. 石油地球物理勘探, 2022, 57(s1): 215-222. DOI: 10.13810/j.cnki.issn.1000-7210.2022.S1.033.
ZHANG Feng, JIA Xuecheng, ZHANG Xiaoming, JIANG Hongyu, ZHANG Baoquan, LIU Cuifeng. Application of thin reservoir prediction technology based on facies-controlled inversion at eastern margin of Ordos Basin. Oil Geophysical Prospecting, 2022, 57(s1): 215-222. DOI: 10.13810/j.cnki.issn.1000-7210.2022.S1.033.

本项研究受中国石油天然气集团有限公司重大科技专项“海陆过渡相页岩气勘探开发关键技术研究”(2021DJ2002(JT))资助

作者简介

张枫  副教授, 1974年生; 1997年获西南石油学院油藏工程专业学士学位, 2005年获中国石油勘探开发研究院石油工程专业硕士学位, 2008年获中国地质大学(北京)油气田开发工程专业工学博士学位; 现就职于东方地球物理公司研究院地质研究中心, 主要从事地震资料解释及地质综合研究

张枫, 河北省涿州市华阳东路东方地球物理公司科技园研究院地质研究中心, 072751。Email: zhangfeng08@cnpc.com.cn

文章历史

本文于2022年3月7日收到,最终修改稿于同年5月10日收到
相控反演薄储层预测技术在鄂尔多斯盆地东缘的应用
张枫 , 贾学成 , 张晓敏 , 姜宏宇 , 张宝权 , 刘翠风     
东方地球物理公司研究院地质研究中心, 河北涿州 072751
摘要:鄂尔多斯盆地东缘大宁—吉县区块石炭系—二叠系发育煤系地层,岩性复杂,储层致密且厚度小(一般为2~10m,平均为3m)、横向变化快,导致砂岩储层地震反射特征多样,定量预测难度大。为此,分析储层地震响应特征,开展了相控储层反演。首先,采用二维地震正演方法,明确不同沉积微相的地震响应模式;然后,开展波形聚类分析,明确相边界;最后,基于地震波形指示反演技术开展“相控反演”,通过对不同微相的砂体边界进行约束,实现了二叠系山西组23亚段致密薄储层的定量预测。与实际地震资料对比,反演结果可靠;后验井证实反演结果与钻探结果吻合率达83%。该方法可为同类致密储层的预测提供参考。
关键词鄂尔多斯盆地东缘    煤系地层    薄储层    正演    相控反演    
Application of thin reservoir prediction technology based on facies-controlled inversion at eastern margin of Ordos Basin
ZHANG Feng , JIA Xuecheng , ZHANG Xiaoming , JIANG Hongyu , ZHANG Baoquan , LIU Cuifeng     
Geological Research Center, GRI, BGP Inc., CNPC, Zhuozhou, Hebei 072751, China
Abstract: Coal measure strata have developed in the Carboniferous-Permian in the Daning-Jixian Block located at the eastern margin of the Ordos Basin. These strata are characterized by complex lithology, tight thin reservoirs (generally 2~10m thick, with an average thickness of 3m), and fast lateral variation. Consequently, the sandstone reservoirs exhibit diverse seismic reflection characteristics, leading to difficult quantitative prediction. For this reason, the seismic response characteristics of the reservoirs are analyzed, and facies-controlled reservoir inversion is conducted. Specifically, the two-dimensional seismic forward modeling method is used to identify the seismic response patterns of different sedimentary microfacies. Then, waveform clustering analysis is carried out to define the facies boundaries. Finally, the seismic waveform indication inversion method is employed for "facies-controlled inversion". The sand body boundaries of different microfacies are constrained, thereby achieving the quantitative prediction of the tight thin reservoir in the third submember of the second member of the Permian Shanxi Formation. The comparison with actual seismic data reveals the reliability of the inversion results. The posterior wells verify that the coincidence rate between the inversion results and the drilling data reaches 83%. The proposed method can provide technical support for the prediction of similar tight reservoirs.
Keywords: eastern margin of the Ordos Basin    coal measure stratum    thin reservoir    forward modeling    facies-controlled inversion    
0 引言

鄂尔多斯盆地东缘大宁—吉县区块石炭系—二叠系发育煤系地层,储集层主要为石炭系太原组—二叠系石盒子组砂岩。太原组为陆表海清水与浑水混合沉积,由碳酸盐岩、陆源碎屑岩组成;山西组为陆源碎屑沉积,发育5#煤层。其中,山西组5#煤层与太原组碳酸盐岩之间的山西组23(后文简称山23)亚段底砂岩是该区煤系地层致密气开发的主要层系,以辫状河三角洲前缘亚相沉积为主,单层厚度为2~10m。

储层预测精度已成为制约研究区油气开发的主要因素之一。其主要难点在于:①储层段岩性复杂,发育煤层、泥岩、砂岩和碳酸盐岩,而非简单的泥质背景下的砂岩储层。不同岩性组合可以对应相同的地震反射特征,且砂、泥岩之间阻抗差异小,常规阻抗反演技术无法有效预测砂岩的空间展布规律。②单层砂岩厚度小,横向变化大,利用主频为35Hz的地震资料,纵向分辨能力很难识别薄储层。

针对鄂尔多斯盆地东缘山23亚段储层,以往主要是从两个方面开展预测工作:①应用属性分析技术[1-11]预测储层。通过数据统计建立已知井揭示的地质特征与地震属性之间的对应关系,对地震数据体进行单一属性的提取与分析,或多种属性融合分析,从而实现储层的宏观预测。②地震反演[12-18]。通过叠后、叠前反演获得反映储层性质的地层岩石弹性参数,从而实现对储层分布以及含气性的预测。

无论是属性分析还是地震反演预测储层,多是基于稳定沉积环境下、古构造控制河道的发育且河道都充填砂质沉积的“假设”。但研究区沉积环境变化较快,相同的地震反射特征可能对应着不同的岩性组合,这将会严重影响储层预测的精度。为此,本文从储层沉积特征分析入手,结合钻井资料进行二维正演模拟,明确不同沉积微相的地震响应模式,建立地震相与沉积相之间的联系;然后采用地震波形指示反演(SMI)技术开展“相控反演”,实现二叠系山23亚段致密薄储层的定量预测,以期为大宁—吉县区块油气开发提供技术支撑。

1 沉积微相特征

研究区山西组以三角洲平原及前缘亚相沉积为主。钻井揭示主力油气层山23亚段主要发育水下分流河道、河口坝—远砂坝、分流间湾等3种沉积微相。水下分流河道和河口坝砂体是该区油气主要的储集体。

水下分流河道水动力条件强,沉积物粒度较粗,自然伽马(GR)曲线形态以箱形、钟形为主(图 1)。单层砂体厚度为2~10m,砂岩石英含量高,泥质含量低。储层物性好,平均孔隙度为7.57%,平均渗透率为0.68mD。岩心可见底部冲刷面,向上发育槽状交错层理、板状交错层理和平行层理,为粒度逐渐变细的正粒序结构,反映了沉积过程中水动力逐渐减弱或物源供给减少的沉积特征。

图 1 DD1井山23亚段沉积微相 太1为太原组一段,山22为山西组二段二亚段

河口坝GR曲线形态呈漏斗形,岩性以细砂岩为主,单层砂体厚度为2~5m。

分流间湾沉积粒度细,GR曲线形态呈齿形。岩性为砂泥岩互层,以泥岩厚、砂岩薄为特征,单层厚度为1~2m。储层物性差,平均孔隙度为5.82%,平均渗透率为0.08mD。

2 地震波形相控反演

传统的地质统计学反演主要是基于空间域变差函数建立储层空间模型,只能粗略表达空间变异程度,无法体现相变特征,并且对样本分布均匀程度要求比较苛刻,从而限制了该方法的应用[19]。地震波形相控反演技术根据地震沉积学原理,充分利用地震波形的横向变化反映储层空间的相变特征,分析储层垂向岩性组合的高频结构特征,按照不同频带特征对地震波形样本与井样本映射关系进行筛选,进而建立合理的空间模型,更好地体现了相控的思想[14]。它是一种真正的井震结合高频模拟方法,使反演结果从完全随机转向逐步确定,同时对井位分布的均匀性没有严格要求,大大提高了储层反演的精度,拓宽了适用领域。

2.1 模型正演

选取山23亚段发育不同厚度底砂岩的连井剖面(图 2a)开展地震模型正演。正演结果(图 2b)与原始地震资料(图 2c)波形特征基本一致,可认为原始地震资料保真、保幅,具备开展储层预测的资料基础。

图 2 连井剖面(a)、正演地震剖面(b)及实际地震剖面(c)对比 本1为本溪组一段;太2为太原组二段;山23-1、山23-2、山23-3分别为山西组二段三亚段1、2、3小层

图 2可见:①山23亚段底砂岩(如GG1井)厚度较大(11.8m)时,与下伏灰岩高速层形成较强阻抗界面(图 2a左),表现为短轴透镜状地震反射特征(图 2b图 2c);②山23亚段底砂岩(如GG2井)厚度中等(4.4m)时(图 2a中),主频较低,呈中弱复波地震反射特征(图 2b图 2c);③山23亚段无底砂岩沉积或者底砂岩厚度很小(如GG3井)时,即较厚的低速泥岩与灰岩高速带接触可形成较强阻抗界面(图 2a右),也表现为透镜状地震反射特征(图 2b图 2c)。模型正演结果表明了不同沉积环境下的不同岩性组合可以形成相似的地震反射特征,地震资料的地质解释存在多解性。因此,需要建立不同岩性组合、沉积相、地震相之间的关系,应用相控反演技术解决该问题。

2.2 地震相—沉积相分析

地震波形的横向变化反映了沉积环境的变化,不同沉积相具有不同的地震相和地震波形特征,相似的沉积环境具有可类比的沉积组合结构,这些组合结构的变化与波形密切相关[14]。根据实际资料,研究区山23亚段地震响应特征可划分为3种模式(图 3):①短轴透镜状地震反射,对应水下分流河道微相。GR曲线主要表现为箱形—钟形,顶部渐变,底部突变,呈中—高幅度锯齿状。②中弱振幅复波地震反射,对应前缘水下分流河道、河口坝—远砂坝微相。GR曲线多以漏斗形为主,中高幅度,顶、底部均为渐变接触。③强振幅波峰或透镜反射,大致对应席状砂、水下分流间湾微相。席状砂微相GR曲线呈指形,低幅度、微齿,顶、底部与泥岩呈突变接触,砂岩厚度较小;水下分流间湾微相GR曲线值在泥岩基线附近,低幅、微齿,相对较为平滑。当地层厚度较小时,地震反射特征为强振幅波峰反射;当地层厚度较大时,地震反射特征为透镜反射。

图 3 山23亚段地震波形—测井相响应特征

利用波形聚类开展地震相分析(图 4),强振幅波峰反射(蓝色)为分流间湾微相沉积;中弱振幅复波反射(绿色)为小规模分流河道、河口坝微相沉积;透镜状反射(橙色)为水下分流河道或者分流间湾两种沉积微相。地震相可明显区分强振幅反射的分流间湾及较厚砂体的分流河道微相,但对于透镜状反射,如:GG3井与GG1井同为透镜状反射特征,分别对应水下分流河道(厚砂体)和分流间湾(无砂体)两种沉积微相,说明地震响应特征对应的地质模型存在多解性。因此,需要进一步开展基于沉积相控制、地震相(地震波形)驱动的相控波形反演,最大限度地减小相似地震反射特征的多解性,进一步提高储层预测精度。

图 4 山23亚段波形聚类
2.3 敏感测井曲线修正

测井曲线重构可以提高岩性识别和储层预测精度,如曲线校正、经验公式统计拟合、小波变换重构、多曲线重构等[20-21]。本文反演采用的地震数据为子波分解重构的去煤层强反射数据体,需要考虑井震资料的一致性,将测井曲线上煤层的声波值范围修正到泥岩的声波值范围。一般来说,地震资料去煤层强反射,测井曲线也需相应修正,修正后井震合成记录波组特征的一致性更好。

研究区声波曲线可以区分灰岩与煤,但无法有效区分泥岩与砂岩。自然伽马曲线可以区分泥岩与砂岩,但无法有效区分灰岩与煤。本文仅将致密砂岩作为储层进行预测,因此直接利用测井曲线消除煤层、灰岩干扰的思路构建砂岩敏感曲线。基本思想是合并干扰层,突出储层。具体实现步骤为:①统计泥岩段对应的GR值;②把灰岩和煤层对应的GR值范围改为泥岩GR值范围。该方法获得的新GR曲线只保留了砂岩的低GR特征,消除了灰岩、煤层低GR的干扰(图 5图 6),因而可以作为砂岩敏感曲线用于反演。

图 5 山23亚段GR曲线修正前、后对比

图 6 山23亚段GR曲线修正前(上)、后(下)岩性直方图对比
2.4 相控SMI技术

不同于常规的稀疏脉冲波阻抗反演或传统的地质统计学反演技术,近几年发展起来的SMI技术是一种新的高精度反演方法。其方法原理是:地震波形反映了沉积环境和岩性组合的空间变化,代表储层垂向岩性组合的调谐样式,其横向变化反映了储层空间的相变特征。因此,依据地震波形的变化可以宏观反映储层的空间变异性[13]。SMI技术对井位分布的均匀性没有严格要求,也大大提高了储层反演的精度和适用领域。

前文描述了该研究区地震相—沉积相—砂岩厚度之间关系及分类,利用SMI技术既能遵循地震相的趋势,并加入测井信息,可进一步区分透镜状地震反射特征;同时该反演方法还能大大提高砂岩的纵向分辨能力,大大提高砂岩的预测精度。

相控SMI技术的流程如图 7所示:①利用地震、岩心、测井资料开展波形聚类、二维正演模拟、沉积相—地震相综合分析,明确不同沉积微相的地震响应模式;②进行敏感测井曲线重构,采用SMI技术开展“相控反演”;③利用反演结果合成地震数据并与观测地震数据对比,若二者匹配,则该反演结果作为储层预测结果;否则,继续优化反演参数进一步反演。

图 7 相控SMI技术流程
3 反演效果分析

采用三种方法评价SMI技术结果的可靠性。

(1) 利用反演数据体正演,再与实际地震资料对比。由图 8可见,由反演数据体合成的地震波形与实际地震波形特征基本一致,说明反演方法、反演参数的选取以及反演结果均较合理。

图 8 反演数据体合成地震数据(变密度显示)与实际地震数据(波形显示)叠合剖面

(2) 将反演结果与地震波形剖面叠合、对比分析。由图 9可见,GG8井钻遇山23亚段底砂岩水下分流河道,砂体厚度为6m,在垂直河道的地震剖面上表现为中、弱振幅波谷反射特征,在反演剖面上砂体呈短轴、不连续的砂岩特征;GG3井钻遇分流间湾席状砂,砂体不太发育,厚度小于1m,在地震剖面上虽然表现为透镜状反射特征,但受井震相控反演约束,反演剖面上砂体不发育。反演结果与实际的沉积特征相符。

图 9 AA′测线本文方法GR反演与地震波形叠合剖面 井左、右侧曲线分别为GR、AC。测线位置见图 10b

(3) 将未参与反演的水平井作为后验井。在未参与反演的26口水平井中,共22口井钻探结果与预测结果吻合,吻合率达83%。

以GG9H井为例(图 10),该井北侧的定向井GG1井钻遇山23亚段主河道底砂岩厚度为11.8m,河道为北西—南东走向。在SMI剖面(图 10a)上,GG1井山23亚段底砂岩清晰且顺河道方向有一定的延伸。GG9H井位于主河道,河道砂体在水平段尾端有减薄、尖灭的趋势。在实钻过程中,GG9H井在山23亚段底砂岩水平段基本都钻遇了优质砂岩,砂岩钻遇率大于90%。这也证明了反演结果的可靠性。砂岩厚度图(图 10b)表明,在西部存在一条水下分流河道,砂岩较发育。东部零星发育局部砂体,多以远离物源的河口坝—远砂坝沉积为主。

图 10 BB′测线本文方法GR反演剖面(a)及山23亚段底砂岩预测厚度(b)

综上所述,地震波形高分辨率相控反演结果在井点处符合率高,能够有效反映2m以上较薄砂岩,且反演剖面砂体形态自然、边界清晰,反演结果合理、可靠。

4 结论与认识

受煤系地层地震分辨率低以及海陆过渡相复杂地质条件的影响,海陆过渡相致密薄储层的预测是一个难题。本文在减弱煤层强干涉的基础上,通过模型正演建立沉积相—地震响应特征—地震相识别模式;井震结合,采用SMI技术,开展敏感曲线的相控SMI,获得了符合沉积规律的自然伽马数据体,可以识别并刻画研究区山23亚段底砂岩分布。得到以下两点认识。

(1) 正演是反演的基础。对于地质条件、沉积环境复杂区域,可以根据实际地质条件,结合地震反射特征,以正演模拟结果为指导,建立沉积相—地震响应特征—地震相识别模式是减少地震储层预测多解性的有效方法。

(2) 地震波形是地下地质体的综合地震响应,与沉积环境相关。SMI技术充分利用波形空间特征变化反映储层相变规律,更好地体现了相控的思想,预测结果合理、可靠。该方法对鄂尔多斯盆地其他区块山23亚段致密砂岩储层预测具有借鉴作用。

参考文献
[1]
秦雪霏, 李巍. 大牛地气田煤系地层去煤影响储层预测技术[J]. 吉林大学学报(地球科学版), 2014, 44(3): 1048-1054.
QIN Xuefei, LI Wei. Research of identification and trimming of coal-bed interference in Daniudi gas field[J]. Journal of Jilin University(Earth Science Edition), 2014, 44(3): 1048-1054. DOI:10.13278/j.cnki.jjuese.201403306
[2]
赖生华, 梁全胜, 袁通路. 鄂尔多斯盆地山西组二段煤层对下伏砂岩地震反射特征影响的数值模拟分析[J]. 石油物探, 2014, 53(3): 351-359.
LAI Shenghua, LIANG Quansheng, YUAN Tonglu. Numerical simulation analysis of the influence on underlying sandstone seismic reflection characteristics from coal seam in Member 2 of Shanxi Formation, Ordos Basin[J]. Geophysical Prospecting for Petroleum, 2014, 53(3): 351-359. DOI:10.3969/j.issn.1000-1441.2014.03.014
[3]
徐天吉, 沈忠民, 文雪康. 多子波分解与重构技术应用研究[J]. 成都理工大学学报(自然科学版), 2010, 37(6): 660-665.
XU Tianji, SHEN Zhongmin, WEN Xuekang. Research and application of multi-wavelet decomposition and reconstructing technology[J]. Journal of Chengdu University of Technology(Science & Technology Edition), 2010, 37(6): 660-665. DOI:10.3969/j.issn.1671-9727.2010.06.011
[4]
李永洲, 文桂华, 李星涛, 等. 沉积微相控制下的煤系地层致密砂岩气储层预测方法——以鄂尔多斯盆地大宁-吉县区块下二叠统山西组为例[J]. 天然气工业, 2018, 38(增刊1): 11-17.
LI Yongzhou, WEN Guihua, LI Xingtao, et al. Prediction methods of tight sandstone gas reservoir in coal-bearing strata under the control of sedimentary microfacies: A case study of Shanxi Formation of Lower Permian in Daning-Jixian block in Ordos Basin[J]. Natural Gas Industry, 2018, 38(S1): 11-17.
[5]
李芳, 蒋加钰, 杨彩娥. 鄂尔多斯盆地上古生界山二3亚段储层预测方法及效果[J]. 石油天然气学报, 2005, 27(6): 859-861.
LI Fang, JIANG Jiayu, YANG Caie. Method and effect of reservoir prediction in the 3rd member of Shanxi formation of Upper Palaeozoic in Ordos basin[J]. Journal of Oil and Gas Technology, 2005, 27(6): 859-861.
[6]
张卫华, 刘忠群. 沉积背景控制下的储层预测方法——以大牛地气田TGM地区的应用为例[J]. 石油物探, 2009, 48(4): 377-382.
ZHANG Weihua, LIU Zhongqun. Reservoir prediction methods under the control of sedimentary background: case study on the TGM area in Daniudi gasfield[J]. Geophysical Prospecting for Petroleum, 2009, 48(4): 377-382. DOI:10.3969/j.issn.1000-1441.2009.04.009
[7]
杜丽筠, 吴志强. 多地震属性优化的神经网络技术在鄂尔多斯盆地高阻抗砂岩储层预测中的应用[J]. 海洋地质动态, 2010, 26(10): 45-49.
DU Lijun, WU Zhiqiang. Application of neural network technology optimized by multiple seismic attributes to predict high-impedance sandstone reservoirs in Ordos Basin[J]. Marine Geology Letters, 2010, 26(10): 45-49.
[8]
蔡涵鹏, 胡浩炀, 吴庆平, 等. 基于叠前地震纹理特征的半监督地震相分析[J]. 石油地球物理勘探, 2020, 55(3): 504-509.
CAI Hanpeng, HU Haoyang, WU Qingping, et al. Semi-supervised seismic facies analysis based on prestack seismic texture[J]. Oil Geophysical Prospecting, 2020, 55(3): 504-509.
[9]
汪关妹, 张万福, 张宏伟, 等. 致密砂岩气地震预测关键技术及效果[J]. 石油地球物理勘探, 2020, 55(增刊1): 72-79.
WANG Guanmei, ZHANG Wanfu, ZHANG Hongwei, et al. Key technology and effect of prediction of tight sandstone gas based on seismic data[J]. Oil Geophysical Prospecting, 2020, 55(S1): 72-79.
[10]
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.
[11]
范廷恩, 张晶玉, 王海峰, 等. 砂岩储层横向不连续性检测技术组合及应用[J]. 石油地球物理勘探, 2021, 56(1): 155-163.
FAN Ting'en, ZHANG Jingyu, WANG Haifeng, et al. Combination and application of detecting technology for lateral discontinuity of sandstone reservoir[J]. Oil Geophysical Prospecting, 2021, 56(1): 155-163.
[12]
刘喜武, 年静波, 吴海波. 几种地震波阻抗反演方法的比较分析与综合应用[J]. 世界地质, 2005, 24(3): 270-275.
LIU Xiwu, NIAN Jingbo, WU Haibo. Comparison of seismic impedance inversion methods and an application case[J]. Global Geology, 2005, 24(3): 270-275.
[13]
王贤, 唐建华, 毕建军, 等. 地震波形指示反演在石南地区薄储层预测中的应用[J]. 新疆石油天然气, 2017, 13(3): 1-5.
WANG Xian, TANG Jianhua, BI Jianjun, et al. Application of seimic motion inversion to prediction of thin reservoir in Shinan area[J]. Xinjiang Oil & Gas, 2017, 13(3): 1-5.
[14]
高君, 毕建军, 赵海山, 等. 地震波形指示反演薄储层预测技术及其应用[J]. 地球物理学进展, 2017, 32(1): 142-145.
GAO Jun, BI Jianjun, ZHAO Haishan, et al. Seismic waveform inversion technology and application of thinner reservoir prediction[J]. Progress in Geophysics, 2017, 32(1): 142-145.
[15]
谢春临, 李永义, 陈志德, 等. 波形指示模拟在致密油水平井钻探中的应用[J]. 石油地球物理勘探, 2021, 56(3): 564-573.
XIE Chunlin, LI Yongyi, CHEN Zhide, et al. Seismic motion simulation for horizontal well drilling in Fuyu reservoirs[J]. Oil Geophysical Prospecting, 2021, 56(3): 564-573.
[16]
杜昕, 范廷恩, 范洪军, 等. 少井背景下基于稀疏层反射系数反演的薄层预测[J]. 石油地球物理勘探, 2021, 56(2): 356-363.
DU Xin, FAN Ting'en, FAN Hongjun, et al. Prediction of thin reservoirs with less well data based on sparse-layer reflectivity inversion[J]. Oil Geophysical Prospecting, 2021, 56(2): 356-363.
[17]
王迪, 张益明, 牛聪, 等. 储层敏感流体因子反演及烃类检测[J]. 石油地球物理勘探, 2021, 56(1): 146-154.
WANG Di, ZHANG Yiming, NIU Cong, et al. Reservoir sensitive fluid factor inversion and its application in hydrocarbon detection[J]. Oil Geophysical Prospecting, 2021, 56(1): 146-154.
[18]
杨春生, 姜岩, 宋宝权, 等. 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[J]. 石油地球物理勘探, 2022, 57(1): 159-167.
YANG Chunsheng, JIANG Yan, SONG Baoquan, et al. 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[J]. Oil Geophysical Prospecting, 2022, 57(1): 159-167.
[19]
成琥, 赵宪生, 王红霞, 等. 基于BP网络和遗传算法的波阻抗混合反演[J]. 石油物探, 2006, 45(6): 574-579.
CHENG Hu, ZHAO Xiansheng, WANG Hongxia, et al. Acoustic impedance blending inversion based on BP and GA algorithm[J]. Geophysical Prospecting for Petroleum, 2006, 45(6): 574-579.
[20]
秦童, 蔡纪琰, 李德郁, 等. 曲线重构技术在渤海Q油田储层精细预测中的应用[J]. 物探化探计算技术, 2018, 40(3): 330-336.
QIN Tong, CAI Jiyan, LI Deyu, et al. Application of curve reconstruction technology in accurate reservoir prediction in Bohai Q oilfield[J]. Computing Techniques for Geophysical and Geochemical Exploration, 2018, 40(3): 330-336.
[21]
余瀚熠, 李瑞, 蒋涔, 等. 测井曲线重构技术在储层反演中的应用[J]. 物探化探计算技术, 2009, 31(6): 603-610.
YU Hanyi, LI Rui, JIANG Cen, et al. Application of well logging curve reconstruction technique in reservoir prediction[J]. Computing Techniques for Geophysical and Geochemical Exploration, 2009, 31(6): 603-610.