2. 大庆油田勘探开发研究院, 黑龙江大庆 163712;
3. 大庆油田有限责任公司, 黑龙江大庆 163712
2. Exploration and Development Institute, Daqing Oilfield of CNPC, Daqing, Heilongjiang 163712, China;
3. Daqing Oilfield of CNPC, Daqing, Heilongjiang 163712, China
沉积相研究是油气资源勘探、评价及开发中最基础也是最重要的工作之一。多年来,针对曲流河沉积相,为了精细识别点坝砂体边界及其内部夹层展布特征,中国地质学者通过储层精细对比、点坝精细识别、废弃河道识别、储层构型精细表征研究单砂体的边界和内部构型;国外地质学者通过野外露头剖面测量、现代沉积考察、利凹波德(Leopold)和舒姆(Schumm)经验公式等刻画单砂体。人们以野外露头观测、现代沉积特征分析为手段,探索了以点坝表征为核心、精细刻画废弃河道和侧积层展布特征的曲流河道砂体表征方法[1-3],这对于特高含水后期老油田厚砂体剩余油挖潜具有重要作用。这些研究成果主要以野外露头、现代沉积模式为指导,结合密井网资料建立点坝砂体和废弃河道的测井相模式,划分单一河道边界,分析不同期次曲流河道砂体的规模和展布特征。在此基础上,研究曲流河点坝及其内部侧积体构型,建立点坝砂体的三维储层构型模式,分析剩余油分布特征。但是受限于多期点坝切叠、废弃河道窄小,导致基于井资料得到的河道组合类型多样,即使井网密度达到248口/km2,依然不能控制废弃河道走向,无法确定点坝及废弃河道的组合模式,尤其是多期次的曲流河道交汇、切叠时难度更大。
为此,笔者以大庆长垣西部斜坡区萨一油层组1小层(以下简称萨Ⅰ1)为例,以高密度三维地震资料为基础,以海拉尔河段现代沉积为实例,以“将今论古”的思路建立了4种曲流河平面展布模式,在平面和剖面上精准识别了废弃河道响应特征,形成由井震结合识别点坝及废弃河道的新方法,提高了识别精度。首次利用地震储层预测成果建立了古河道内部单一侧积体长度、宽度与河流满岸宽度之间的关系,相关系数达0.9以上,丰富了曲流河构型地质知识库,为西部斜坡区稠油开发提供了精准的地质依据。
1 研究区概况研究区位于大庆长垣西部斜坡区泰康隆起带西北端(图 1),面积共计378.12 km2。2017年完成了高密度三维地震资料采集、处理和解释,地震面元尺寸为20 m×20 m,采样间隔为2 ms,地震资料频率范围为5~110 Hz,萨Ⅰ地震资料主频为50 Hz。萨Ⅰ厚度约为30 m,顶部发育厚度为7~10 m的黑色泥岩,中部发育泥质粉砂岩与粉砂岩薄互层,下部发育细砂岩和粉砂岩。目的层萨Ⅰ 1厚度为6~8 m,主要为三角洲内前缘水下河道沉积[4]。2017—2020年,针对鼻状构造背景与水下河道砂体形成的有利圈闭,陆续钻探了7口探井,常规试油7口井均获高产工业油流。2020年,为了推动勘探、开发一体化评价,围绕高产井部署16口直井,其中15口井钻遇油层,平均有效厚度为2.6 m,平均单井年产能为480 t,证实油气产能较高。在此基础上,优选河道宽度大于200 m的河道部署水平井、河道宽度小于200 m的河道部署直井,共部署开发井256口(直井142口、水平井114口), 设计产能为20.67万t。但同一河道上相邻仅500 m的2口水平井的首钻效果差异较大,平5井含油砂岩钻遇率为89.5%,邻井平4井含油砂岩钻遇率仅为21.5%,水平井实钻效果与预测结果不一致。因此,精准预测河道砂体边界、点坝砂体内部废弃河道宽度及展布特征、点坝内部物性变差带是下步井位优化及实施的关键。
根据中国西流松花江支流卡伦河、伊敏河、海拉尔河、莫日格勒河、饮马河5支河流16个点坝的野外踏勘资料, 利用卫星照片精细分析了伊敏河曲流河道复合砂体分布特征及单一河道砂体平面识别组合模式。可见: ①曲流河道复合砂体为多期曲流河单砂体侧积形成(图 2a中A点曲流河道复合砂体宽度为5.77 km),曲流河单砂体即某曲流河段从形成到废弃期间(不小于一个点坝的形成时间)形成的砂体。②通过精细识别曲流河单砂体,建立了不同微相及单砂体平面识别组合模式(图 2b)。共识别出:河床亚相,包括点坝和底部滞留沉积微相;废弃河道亚相,包括可连续识别的废弃河道和牛轭湖微相,当洪水期时,单一曲流河道在凸岸地势低洼处易形成决口水道,随着水动力逐渐增强,原来的河道被逐渐废弃,形成决口改道型废弃河道,在平面上呈“S”型,延伸较长,由多个点坝形成侧向侵蚀;堤岸亚相,包括天然堤和决口扇微相,决口扇微相又进一步分为决口水道和决口漫型席状砂;河漫亚相,包括小型决口河道、溢岸薄层砂、溢岸泥质沉积、河漫湖泊、河漫沼泽等微相。通过卫星照片分析伊敏河大型复合曲流带,建立了伊敏河曲流河4种亚相(包括13种微相)平面展布模式。伊敏河流域范围大、地势平坦、水体浅,由卫星照片可以观测到不同期次曲流河点坝及其内部废弃河道、现今河道等展布特征,为识别研究区地下复杂曲流河单砂体提供了理论模式。
测井资料的优势是垂向分辨率高,可以有效识别厚度为0.2 m的储层,但受井网密度约束,只能依靠模式绘图法预测井间储层。地震资料的垂向分辨率较测井资料低,但地震资料的横向分辨率较高。由于曲流河道砂体的宽度远大于沉积厚度(宽度∶厚度=120∶1),因此利用地震资料横向分辨率的优势,可在平面上识别点坝边界及其内部废弃河道展布特征(图 3)。曲流河道宽度约为80 m,当井网密度为150 m×150 m时,共有9口井钻遇曲流河道(图 3a);与现代曲流河沉积原型(图 3a)相比,依据模式绘图法预测的点坝及废弃河道形态(图 3b)及沉积相存在多解性;当地震资料采样密度为20 m×20 m时(图 3c),可以预测储层横向变化,精准描述曲流河点坝形态和废弃河道(图 3d)。
曲流河点坝砂体与内部废弃河道的岩性差别较大,无论是突弃型还是渐弃型废弃河道,其内部泥质含量明显高于点坝,为利用地震资料识别点坝和废弃河道提供了岩石物理分析基础。因此,厘清点坝和废弃河道的地震响应特征,是在平面上精准预测点坝及废弃河道的关键。
2.3 地球物理响应特征 2.3.1 剖面响应特征前人总结了废弃河道的测井响应特征[5],分述如下。
(1) 渐弃型。新形成主体河道上部水体与废弃河道内部水体一直连通,主体河道水体大部分流到下游,只有小部分水体流到原来废弃河道内,由于取直坝的半遮挡作用以及水动力较弱,废弃河道内沉积了来自主体河道的夹杂少量跳跃组分的细粒沉积物。微电极曲线呈长钟形的正旋回或松塔状特征,总体底部电阻率值呈高幅度,中间电阻率值呈中低幅度,上部泥质含量较多,电阻率呈微锯齿状低幅度;自然电位曲线呈微齿化的底突顶渐特征。
(2) 轻度突弃型。新形成主体河道与废弃河道不连通,废弃河道处于静水环境,仅在洪水期废弃河道内才能沉积少量细粒物质,形成以含少量粉砂质泥岩为主的沉积。微电极曲线总体呈底部中低幅度,上部基本接近泥岩基线;自然电位曲线底部呈尖峰状,顶部为泥岩基线。
(3) 中度突弃型。与轻度突弃型形成机制类似,但测井响应特征略有不同。微电极曲线总体呈底部低幅度,上部接近泥岩基线;自然电位曲线底部呈低幅度尖峰状,顶部为泥岩基线。
(4) 重度突弃型。与轻度突弃型形成机制类似,但测井响应特征略有不同。微电极曲线总体呈底部低幅度,上部为泥岩基线;自然电位曲线底部呈略有低幅度尖峰状,顶部为泥岩基线。
根据研究区废弃河道成因类型及其岩性特征(图 4a),依据完钻井分析建立地质模型(图 4b)并进行自激、自收地震正演模拟(图 4c)。萨Ⅰ1和萨Ⅰ2各发育一套砂体,萨Ⅰ储层结构接近泥包砂型,呈砂岩低阻抗、泥岩高阻抗特征(图 4a)。正演结果(图 4c)表明,萨Ⅰ顶面为全区可追踪的强波峰反射,四种模型对应四种波形模式:模式①,萨Ⅰ顶面呈能量减弱的波峰反射特征;模式②,萨Ⅰ顶面同样呈能量减弱的波峰反射特征,只是废弃河道发育部位波峰反射能量强于河道发育部位,但低于萨Ⅰ顶面的强波峰反射特征;模式③,萨Ⅰ顶面呈能量减弱的波峰反射特征,但减弱程度明显小于模式①;模式④,萨Ⅰ顶面呈能量微弱减弱的波峰反射特征,波峰纵向幅度增大。
基于上述正演模拟结果,在地震剖面上识别萨Ⅰ点坝及其内部废弃河道的波组特征。
基于井点测井微相模式、井壁取心资料及物性、含油性分析判定JA井和JC井钻遇河道微相。JB井、JD井钻遇近突弃型废弃河道(图 5a),4口井位于同一河道内部。由过4口井的地震剖面(图 5b)可见,JA井、JC井与JB井、JD井均呈能量减弱的波峰反射特征,但后者能量强于前者。JE井与上述4口井不在同一条河道,测井微相模式为决口型河道,同样呈能量减弱的波峰反射特征,在地震剖面上仅影响4个地震道,判定为宽度约为80m的窄小决口河道的响应(图 5b)。
总体上,渐弃型接近点坝砂体,顶部泥质含量增加,重度突弃型接近河间泥岩沉积,轻度突弃型和中度突弃型介于二者之间。西部斜坡区萨Ⅰ点坝河道砂岩呈低阻抗,泥岩呈高阻抗,萨Ⅰ顶面呈波峰反射特征。当点坝砂体发育时,在地震剖面上呈能量减弱的波峰反射特征,当废弃河道发育时,在地震剖面上呈能量增强的波峰反射特征。
2.3.2 平面响应特征取心井显示点坝砂体沉积粒度较粗,物性和含油性较好;废弃河道沉积粒度较细,物性较差,这种突弃型废弃河道沉积层序整体以泥质含量较高的粉砂岩为主。研究区萨Ⅰ顶部的萨零—萨Ⅰ夹层为储层对比的一级标准层,在区域范围内稳定分布,在地震剖面上呈强波峰反射特征,控制萨Ⅰ顶部形态;萨Ⅰ底部的萨Ⅰ—萨Ⅱ夹层为萨Ⅰ底部储层对比的一级标准层,在区域范围内稳定分布,在地震剖面上呈强波峰反射特征,控制萨Ⅰ底部形态。因此,采用地层切片方法,优选均方根振幅属性体为敏感属性体提取地层切片[6-11]。以萨Ⅰ顶、底两个标志层为等时界面,即按照2 ms时间厚度内插10个小层,按照井震相关系数优选萨Ⅰ下部8 ms处对应萨Ⅰ1,井震相关系数为0.76。由萨Ⅰ1地震振幅属性平面图(图 6a)可见,在大片弱振幅带(曲流河道砂体)内可以识别断续发育的“S”型强振幅条带状地质体,结合钻遇评价井测井曲线,初步判断为废弃河道平面特征;JB井钻遇强振幅“S”型废弃河道,过JB井地震剖面(图 6b上)清晰显示废弃河道呈能量增强反射特征(红框处),JA井钻遇弱振幅曲流河点坝砂体,过JA井地震剖面(图 6b下)清晰显示点坝呈能量减弱反射特征(红框处)。图 6证实了前文基于正演模拟的波组特征分析结论。依据波组特征和地震属性分析结果,在JA井区同一条河道部署2口水平井(平4和平5井,间距为500 m),完钻后平5井含油砂岩钻遇率为86.9%,平4井含油砂岩钻遇率仅为21.5%,表明目前基于地震振幅属性预测曲流河道砂体边界精度低,得到的点坝砂体内部废弃河道不连续,点坝内部存在泥质含量高的物性变差带。因此,急需创新地震储层预测技术,搞清储层平面沉积特征,提高河道砂体预测精度,深入认识河道砂体内部非均质性,优化设计井位,提交探明地质储量。
传统方法在时间域预测薄储层一直受到地震分辨率极限(1/4波长)的限制。相对于传统地震属性技术,分频解释技术是一种地震储层预测新技术[12-15]。通过对三维地震资料分频处理,在解释储层时间厚度时,根据在频率域薄层组反射的唯一性,在频率域分析每一个频率对应的振幅特性,即每个薄层反射都对应一个特定的频率成分,其解释分辨率高于常规地震资料主频。经过分频处理、解释,呈现了全新的储层成像,是确定河道砂体边界进而识别河道砂体内部非均质性的新技术。分频解释技术预测结果的可信度较高,它不需要建立假设模型,不同于地震反演储层预测方法,通过直接计算和分析频率、振幅,最大限度地挖掘原始地震数据的地质信息,减少了由人为因素或数学算法干扰带来的假象。
但常规的分频解释技术受限于短时窗,本文在地震数据分频计算中引入目前较先进的小波分频变换算法[16-21],通过程序将地震数据由时间域数据体转换为频率域数据体。小波变换发展和完善了窗口傅里叶变换的局部化思想,它能在时间域和频率域同时对信号进行局部化分析,并且随着频率成分的改变而自动调整窗口形状以达到所需的要求,在高频端和低频端均能保持很高的分辨率,能够最大限度地分别利用地震资料低、高频信息识别厚、薄砂体。因此,在地震数据处理和解释中具有广阔的应用前景。目前有许多成熟的小波函数算法可供选择,这些函数具有不同的时频特征,需要根据研究区地质特征选择合适的小波函数。在西部斜坡区需要精准识别萨Ⅰ曲流带边界、点坝边界、废弃河道边界及展布特征,对废弃河道等的弱反射信号要求较高。因此,采用连续小波变换(CWT)算法[17]可以增强原始信号中特定尺度的弱信号,突出西部斜坡区萨Ⅰ不同厚度储层的有效信息,从而提高目的层储层预测精度。本次分频步骤如下。
(1) 地震数据转换。将时间域地震数据体利用CWT算法转换到频率域。
(2) 提取单频数据体。分析研究区地震资料的频带,如研究区地震频带为5~110 Hz,按5 Hz间隔提取一个单频体。
(3) 优选敏感频带。对步骤(2)提取的21个单频体优选敏感频带,得到代表研究区储层信息的3个单频体,并开展基于频率域体属性融合的储层预测。通过分析分别钻遇近突弃型废弃河道、点坝砂体的JB井、JA井数据优选井旁地震频带,优选70 Hz以上高频带识别废弃河道,20 Hz左右低频带识别点坝砂体。通过23口钻遇点坝、废弃河道、窄小河道等不同类型、不同厚度砂体的评价井作为后验井,优选20 Hz低频体、75 Hz中高频体、100 Hz高频体预测厚度分别为5~8 m的厚层点坝砂体、3~5 m的砂体、1~3 m薄砂体。
(4) RGB属性融合。利用RGB技术融合20、75、100 Hz单频体,然后采用前述地层切片方法,优选RGB属性融合体切片(图 7)。
图 8为萨Ⅰ1振幅属性与基于小波分频的RGB属性融合平面图。由图可见:在区域1,振幅属性(图 8a)与基于小波分频的RGB属性融合(图 8b)预测的河道宽度分别为400、99 m;在区域2,图 8b精准预测了连续发育的宽约40 m的窄小河道;在区域3,图 8b精准识别了点坝内部连续分布的废弃河道;在区域4,图 8b识别了点坝内部的物性变差带;在区域5,图 8a预测为河道,而图 8b精准量化了河道边界,预测为河间沉积。在区域1实施1口水平井,实际钻遇的含油砂岩厚度为96 m,证实了图 8b的可靠性。同时,取消剩余5口水平井位,改为7口直井。
基于井资料识别单一期次河道砂体边界、组合点坝及内部废弃河道时,受限于废弃河道窄小、组合类型多样,即使井网密度达到248口/km2,依然无法控制废弃河道走向及确定废弃河道的组合模式,尤其是同层不同期次的曲流河道交汇、切叠时组合难度更大,基于井点测井资料很难识别单一期次河道砂体。因此,有必要以将今论古、井震结合的思路建立点坝及废弃河道的组合模式,为井位部署提供技术支撑。
通过分析伊敏河海拉尔段不同类型曲流河道,结合西斜坡萨Ⅰ基于小波分频的RGB属性融合成果,建立了研究区与伊敏河海拉尔段对应的4种曲流河道迁移、叠加平面模式。图 9为西部斜坡区萨Ⅰ曲流河道迁移、叠加平面模式卫片及地震属性切片。由图可见:①由典型单河道(图 9a左)的地震属性(图 9a右)可清晰地识别单一曲流河道和末期废弃河道。②可分、连续多河道(图 9b左)由两支河道交叉在一起,平面上可以恢复单一曲流河道边界、规模和走向;由地震属性(图 9b右)可清晰地识别两支单河道,在平面上可以恢复单河道边界规模和走向。③由连续河道+鳞片状点坝(图 9c左)的地震属性(图 9c右)可清晰地预测具鳞片状的点坝模式。④由含颈—沟取直点坝的单河道(图 9d左)的地震属性(图 9d右)很难识别单河道模式,平面上可见含颈—沟取直点坝的单河道。
前人基于井资料结合野外露头和现代沉积学认为,曲流河多具弯曲的单一河道特征,顾名思义曲率较大,曲流河沉积最主要砂体类型为点坝,曲流河沉积过程是凸岸不断加积、凹岸不断侵蚀,在凸岸一侧沉积的为点坝,凹岸一侧多发育废弃河道。渐弃型废弃河道下部为河道砂沉积,上部由泥质或泥质与粉砂质互层充填;突弃型废弃河道以泥质或泥质与粉砂质互层充填为主。另外,曲流河还发育天然堤、决口水道、决口扇等溢岸沉积,泛滥平原以泥质沉积为主。按曲率分为高弯度(曲率大于1.5)和低弯度(曲率小于1.5)曲流河,且对于后者没有细分。如图 7左侧河道1的曲率仅为1.06,故将其定义为“顺直型曲流河道”。研究区低弯度河道主要沉积特征是河道曲率小于1.1,近似于顺直型河道,同时河道内部发育点坝和废弃河道微相,与图 7中部和右侧同层不同期次的高弯度河道(河道2和河道3)沉积特征相同。Leeder[22]结合野外露头和现代沉积,指出点坝内部单一侧积体宽度与河流满岸宽度呈正相关关系。但对于点坝长度与河流满岸宽度之间关系的研究较少,尤其是利用地震储层预测得到古河道点坝长度、宽度、废弃河道宽度,建立古河道内部单一侧积体长度、宽度与河流满岸宽度之间关系的研究更少。笔者通过对大庆长垣西部斜坡区萨Ⅰ顺直型曲流河道的9个点坝、高弯度河道的13个点坝的规模测量,建立了河流满岸宽度与点坝内部单一侧积体长度、宽度的关系。测量古河道数据步骤为:一是测量古河道的曲率,分为顺直型和高弯度型两类;二是测量古河道的满岸宽度;三是测量古河道的点坝长度和宽度。
通过分析、对比建立了曲流河道点坝规模与河流满岸宽度之间的关系图(图 10),相关系数均在0.9以上。根据河道的平面展布特征、岩相特征并结合测井微相模式分析可知,研究区河流相为三角洲内前缘曲流河沉积,这种认识在以往曲流河沉积特征研究中极为少见。
对比、分析井位调整前、后的平4井、平5井的平面位置(图 11a)发现,井位调整后的平4井位于废弃河道的泥质含量较高的点坝内部物性变差带上,平5井主要钻遇优质点坝砂体,解释了井位调整前平4井、平5井的含油砂岩钻遇率分别为21.5%、89.5%(图 11b)的原因。结合图 9和图 11可知,单一点坝砂体内部避开物性变差带部署的水平井含油砂岩钻遇率最高。因此,应避免在点坝砂体内部废弃河道和物性变差带部署水平井,故将平6井部署在点坝砂体内部优质砂体段,设计水平段长度为450 m(图 12a),完钻后钻遇含油砂岩450 m,口袋处钻遇河道边部,砂岩钻遇率为100%,含油砂岩钻遇率为100%(图 12b),与钻前预测结果一致。
按照上述方法,利用研究成果指导了研究区开发方案部署,共设计井位197口,全部完钻后,99口直井钻井成功率为100%,平均单井钻遇有效砂岩厚度为3.2 m;98口水平井平均钻遇水平段426 m,平均砂岩钻遇率为96.0%,平均含油砂岩钻遇率为92.7%,首次利用地震储层预测成果成功指导近百口开发水平井部署,取得了较好效果。
5 结论及认识针对以往大庆长垣西部斜坡区曲流河点坝砂体边界、内部废弃河道及物性变差带预测精度低等难点,本文提出一套曲流河道井震联合识别技术,并获得以下认识:
(1) 基于地震正演模拟,建立了萨Ⅰ河道砂体的不同类型、不同期次的四种地震响应模式,利用地震波组特征及变化有效地甄别了曲流河点坝和内部废弃河道的地震响应特征;
(2) 应用“基于小波分频变换的RGB属性融合技术”识别曲流河点坝边界、内部废弃河道及物性变差带,能更合理地解剖曲流河道及其内部废弃河道展布特征和平面演化规律;
(3) 以将今论古、井震结合的思路建立了西部斜坡区萨Ⅰ的4种曲流河道迁移、叠加平面模式,认为位于典型单河道点坝内部的水平井的含油砂岩钻遇率最高,为近百口开发水平井位部署提供了地质依据。
[1] |
陈薪凯, 刘景彦, 陈程, 等. 主要构型要素细分下的曲流河单砂体识别[J]. 沉积学报, 2020, 38(1): 205-217. CHEN Xinkai, LIU Jingyan, CHEN Cheng, et al. The identification of single sand body in meandering river deposits based on the subdivision of main Architecture[J]. Acta Sedimentologica Sinica, 2020, 38(1): 205-217. |
[2] |
赵晨帆, 于兴河, 付超, 等. 曲流河三角洲—辫状河三角洲控制因素及演化过程探讨[J]. 沉积学报, 2019, 37(4): 768-784. ZHAO Chenfan, YU Xinghe, FU Chao, et al. Control factors and evolution progress of depositional system transition from meandering river delta to braided river delta: Case study of Shan2 member to He8 member, Ordos Basin[J]. Acta Sedimentologica Sinica, 2019, 37(4): 768-784. |
[3] |
MIALL A D. Architectural element analysis: a new method of facies analysis applied to fluvial deposits[J]. Earth Science Reviews, 1985, 22(4): 261-308. DOI:10.1016/0012-8252(85)90001-7 |
[4] |
蒙启安, 赵波, 梁江平, 等. 源外斜坡区油气成藏要素研究——以松辽盆地北部西部斜坡区为例[J]. 地质学报, 2014, 88(3): 433-466. MENG Qi'an, ZHAO Bo, LIANG Jiangping, et al. Hydrocarbon accumulation factors of the slope area outside of source area: a case study of West slope area in Northern Songliao basin[J]. Acta Geologica Sinica, 2014, 88(3): 433-446. DOI:10.3969/j.issn.1006-0995.2014.03.027 |
[5] |
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. DOI:10.13810/j.cnki.issn.1000-7210.2017.06.020 |
[6] |
ZENG H, LOUCKS R G, BRONWN L F, J r. Mapping sediment-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 |
[7] |
ZENG H. Seismic imaging for seismic geomorphology beyond the seabed: Potentials and challenges[J]. Geological Society London Special Publications, 2007, 277(1): 15-28. DOI:10.1144/GSL.SP.2007.277.01.02 |
[8] |
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. |
[9] |
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 charac-terization with seismic structure and attribute information fusion[J]. Oil Geophysical Prospecting, 2017, 52(1): 138-145. |
[10] |
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. |
[11] |
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. |
[12] |
胡瑞卿, 何俊杰, 李华飞, 等. 时频域变分模态分解地震资料去噪方法[J]. 石油地球物理勘探, 2021, 56(2): 257-264. HU Ruiqing, HE Junjie, LI Huafei, et al. Seismic data denoising method based on VMD in time-frequency domain[J]. Oil Geophysical Prospecting, 2021, 56(2): 257-264. |
[13] |
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 genera-lized S transform[J]. Oil Geophysical Prospecting, 2019, 54(6): 1324-1328. |
[14] |
张付瑷, 陈学华, 罗鑫, 等. 改进的窗参数优化S变换及其在河道检测中的应用[J]. 石油地球物理勘探, 2021, 56(4): 809-814, 881. ZHANG Fuai, CHEN Xuehua, LUO Xin, et al. Improved window parameter optimized S-transform and its application in channel detection[J]. Oil Geophysical Prospecting, 2021, 56(4): 809-814, 881. |
[15] |
黄昱丞, 郑晓东, 栾奕, 等. 地震信号线性与非线性时频分析方法对比[J]. 石油地球物理勘探, 2018, 53(5): 975-989. HUANG Yucheng, ZHENG Xiaodong, LUAN Yi, et al. Comparison of linear and nonlinear time-frequency analysis on seismic signals[J]. Oil Geophysical Prospecting, 2018, 53(5): 975-989. |
[16] |
包乾宗, 李庆春, 陈文超, 等. 联合连续小波变换和脊波变换的面波衰减方法及应用[J]. 石油物探, 2011, 50(4): 367-372, 397. BAO Qianzong, LI Qingchun, CHEN Wenchao, et al. Continuous wavelet transform and ridgelet transform joint ground-roll attenuation method and its application[J]. Geophysical Prospecting for Petroleum, 2011, 50(4): 367-372, 397. |
[17] |
尹继尧, 钟磊, 张吉辉, 等. 基于连续小波变换目标处理技术在储层预测中的应用[J]. 石油物探, 2016, 55(3): 433-440. YIN Jiyao, ZHONG Lei, ZHANG Jihui, et al. Target processing by continuous wavelet transform coefficients applied to reservoir prediction[J]. Geophysical Prospecting for Petroleum, 2016, 55(3): 433-440. |
[18] |
杨学亭, 刘财, 刘洋, 等. 基于连续小波变换的时频域地震波能量衰减补偿[J]. 石油物探, 2014, 53(5): 523-529, 602. YANG Xueting, LIU Cai, LIU Yang, et al. The attenua-tion compensation of seismic wave energy in time-frequency domain based on the continuous wavelet transform[J]. Geophysical Prospecting for Petroleum, 2014, 53(5): 523-529, 602. |
[19] |
王小杰, 栾锡武. 基于小波分频技术的地层Q值补偿方法研究[J]. 石油物探, 2017, 56(2): 203-209. WANG Xiaojie, LUAN Xiwu. The study of formation Q value compensation method based on wavelet frequency division technology[J]. Geophysical Prospecting for Petroleum, 2017, 56(2): 203-209. |
[20] |
丁峰, 年永吉, 王治国, 等. 地震多属性RGBA颜色融合技术的应用研究[J]. 石油物探, 2010, 49(3): 248-252. DING Feng, NIAN Yongji, WANG Zhiguo, et al. Application of seismic multi-attributes RGBA color blending[J]. Geophysical Prospecting for Petroleum, 2010, 49(3): 248-252. |
[21] |
牛双晨, 程冰洁. 基于WVD-MEM的高分辨河道识别方法[J]. 石油地球物理勘探, 2021, 56(5): 1157-1169. NIU Shuangchen, CHENG Bingjie. High-resolution channel identification method based on WVD-MEM[J]. Oil Geophysical Prospecting, 2021, 56(5): 1157-1169. |
[22] |
LEEDER M R. Fluviatile fining-upwards cycles and the magnitude of paleochannel[J]. Geological Magazine, 1973, 110(3): 265-276. |