浅水三角洲的概念自1954年由Fisk等[1]正式提出以来,经过不断研究以及在勘探实践中的不断发展日趋完善。20世纪80年代至今,在中国诸多含油气盆地内均发现浅水三角洲,前人围绕其形成机制、构造背景、沉积模式及成藏条件等方面展开了一系列相关研究[2-8]。与常规三角洲不同,浅水三角洲沉积具有盆大水浅、构造沉降稳定、物源供给充足且地形坡度平缓、湖平面升降频繁等特点[6]。人们从三角洲供源系统[3]、分叉参数[7]和沉积骨架[8]等多角度研究浅水三角洲,其中根据不同的沉积骨架将浅水三角洲分为分流砂坝型和分流河道型。
分流砂坝型在平面上多呈朵叶状、坨状分布,相对于分流河道型受湖浪改造作用较大;分流河道型多呈条带状分布[9],河道砂体下切作用较强,形态随水流能量改变而呈多样性[7]。分流砂坝型外前缘亚相发育范围较广,即扇主体多位于枯水期湖平面之下,而分流河道型则与之相反,其内前缘亚相更发育[10]。因此,在垂向上分流砂坝型多呈均质韵律或反韵律特征[11],而分流河道型则呈多期叠置的正韵律特点[12]。
前人主要研究了分流河道型,对于分流砂坝型多为沉积模式研究。张昌民等[8]、金振奎等[13]通过考察鄱阳湖、洞庭湖的现代沉积建立了三角洲沉积模式;尹太举等[11]利用水槽模拟实验研究三角洲朵体的发育过程、展布形态;吴穹螈等[9]利用开发井区的密井网资料精细刻画分流砂坝朵体内部构型单元并建立构型模式,为剩余油挖潜提供技术支持。
目前对处于勘探阶段地区的分流砂坝型储层预测的实例较少,针对少井地区及浅水三角洲储层相对较薄、横向砂体变化快的特点,主要应用地震沉积学[2, 4]、地震属性融合[14-15]等技术手段刻画砂体。本文以准噶尔盆地腹地盆1井西凹陷Z6区块侏罗系三工河组储层为例,在分流砂坝型沉积模式的指导下,利用正演模拟分析储层地震响应特征,通过优选地震属性预测分流砂坝展布范围及浅水三角洲前缘储层,为下一步勘探指明方向。
1 地质概况 1.1 区域地质背景Z6区块位于准噶尔盆地腹地盆1井西凹陷东侧,北、东分别与石西凸起、莫北凸起相邻,南部为莫索湾凸起,主要物源来自北东东方向[5](图 1)。早中侏罗世,准噶尔盆地在晚三叠世形成的大型坳陷湖盆背景上继续沉积,进入断陷—伸展阶段[16],盆地整体处于缓慢沉降状态,构造活动稳定[10];位于盆地中央的凹陷湖盆边缘斜坡带地形平缓,气候湿润、物源充足,广泛发育浅水三角洲沉积体系[5]。
Z6区块下侏罗统三工河组(J1s)自下而上分为一段(J1s1)、二段(J1s2)和三段(J1s3)。J1s2又细分为上(J1s22)、下(J1s21)亚段,J1s21主要发育厚层块状中粗砂岩,J1s22底部发育一套厚约8~25 m的粉细砂岩。根据前人研究成果[17],J1s分为2个三级层序以及5个体系域(图 2)。三级层序界面位于J1s21厚层砂岩顶部,在野外露头和钻井岩心上均能看到明显的风化壳及冲刷面特征[18]。界面之下随着可容空间与沉积物供给量比值(A/S)减小,砂体厚度逐渐增大;界面之上A/S值逐步增大,砂体向上减薄,最终沉积厚层泥岩。每一期体系域分界面GR曲线均呈较明显的突变特征,水进域向高位域转换的湖泛面附近发育稳定的泥岩沉积。
J1s22的砂岩储层与J1s3的厚层泥岩共同构成了准噶尔盆地腹地重要的储盖组合之一[17],是油气运聚的主要场所,也是本次研究的目标储层。
1.2 储层预测难点目前Z6区块储层预测主要存在以下难点:①钻井分布不均,多集中在东侧,难以分析西侧砂体发育范围及有利沉积相带展布特征;②目标储层砂泥岩构成复杂,既有厚层块状砂体,也有薄层单砂体及砂泥岩互层,砂体厚度局部变化较大,难以准确刻画砂体边界;③部分井区砂、泥岩波阻抗特征相近,单凭地震反射振幅特征难以区分,应用常规叠后地震反演等技术无法有效预测储层展布范围。
本文借助三维地震及钻井资料,结合前人的浅水三角洲沉积特征研究成果,建立适合Z6区块的沉积模式和正演模型,通过砂体地震响应特征分析、地震属性优选,预测有利储层展布范围。
2 浅水三角洲沉积模式 2.1 沉积微相特征根据前人对现代三角洲沉积模式的研究[8, 13],认为较低的可容纳空间、较大的砂体沉积速率以及不稳定的沉积物供给通道是分流砂坝型浅水三角洲形成的基本条件。三角洲前缘亚相主要包括分流砂坝、分流间湾、废弃河道及席状砂等微相(图 3)。分流砂坝在平面上多呈朵状、坨状,剖面上呈“底平顶凸”形态,坝体中间厚、四周薄。分流砂坝之间一般以分流间湾泥岩互相分割,多是与砂体同时期沉积的产物。河道沉积会因分流作用而弱化,并伴随着水动力条件的减弱在后期废弃,即在沉积后期细粒沉积物会在局部地区就地卸载,形成以砂质泥岩为主的废弃河道。受水进期湖浪作用影响,一部分砂坝会在后期被改造成连片发育的薄层席状砂,以粉砂岩、泥质粉砂岩为主。
Z6区块在J1s沉积期构造背景稳定,地势平缓、湖盆宽广,为近物源沉积环境且沉积物供给充足,湖平面升降频繁,具备发育浅水三角洲的基本条件。在盆大水浅的沉积背景下,即便是小幅度的湖平面升降也会导致较大的水域面积变化,伴随着长距离湖岸线迁移,供给水道改道频繁,难以稳定发育。因此沉积区的地貌被反复改造,砂体前积或侧积迁移,呈朵体形态叠置。因此,浅水三角洲在岩心、测井相、地震反射特征等方面有别于常规三角洲。
由Z6区块的岩心照片可以识别楔状交错层理(图 4a)和冲刷面、泥砾定向排列(图 4b)等沉积构造。粒度累积概率曲线也呈以跳跃组分和悬浮组分为主的两段式(图 5)[19],反映了强水动力条件的牵引流沉积特征[3];植物碳屑和泥岩碎屑代表浅而动荡的湖水环境。测井曲线形态多呈齿化箱型的均质韵律,部分井J1s22底部可见向上变粗的反旋回粒序特征(图 6),反映砂体内部被多次冲刷改造;“钟形”的正韵律(分流河道)沉积不发育[9, 11]。在以西山窑组(J2x)煤系地层为标准层拉平的地震剖面(图 7)上,目的层呈亚平行、不连续反射结构的低角度前积地震反射特征,这种隐性前积现象是浅水三角洲典型的地震沉积学特征[4]。
结合Z6区块钻井资料、地震反射特征及现代沉积的研究成果,认为该区发育典型的分流砂坝型浅水三角洲。分流砂坝是浅水三角洲的沉积骨架,在沉积区内多呈叠覆式连片分布;砂坝会在一定区域内尖灭,不同位置的砂坝沉积厚度一定程度上受沉积时古地形影响;分流河道下切作用较弱,主要为供源通道。最终呈现以分流砂坝为优势储层、分流间湾为分流砂坝的间隔、分流河道废弃充填的沉积特征。
3 有利储层展布范围预测 3.1 储层岩石物理特征及地震响应特征本文依据现有的沉积模式作为指导,首先研究目标储层测井岩石物理特征、地震响应特征。
利用Z6区块已有的19口井数据精细对比地层,并分层段统计岩石物理参数。该区J1s21由平均厚度约为80 m的厚层高速砂岩与顶部厚度为5~14 m的高位域向低位域转换期的低速泥岩组成;J1s22由平均厚度约为20 m的分流砂坝砂岩复合体与顶部厚度约为30 m的水进域低速砂质泥岩段组成。J1s3整体由高位域高速泥岩组成,厚度约为95~110 m;J1s3底部是一套厚度为3~5 m的水进域向高位域转换期的湖泛面泥岩段,速度和密度呈异常低值特征,且在全区分布稳定,是识别J1s3和J1s2的重要标志(图 8左)。
钻井声波和密度数据统计以及合成记录井震标定结果表明,J1s22整体呈“2波峰+1波谷”地震反射特征,而砂岩储层主要对应双轴反射内部的波谷区域。通过J1s3、J1s2岩性组合正演波形拆分可见,受J1s3底部极低速泥岩和J1s22砂泥岩组合的调谐效应的影响,目标砂体部分呈波谷反射特征(图 8右)。此外,Z6区块的分流砂坝砂岩与分流间湾泥岩的岩石物理特征基本相近(图 9),与上覆水进期泥岩组成的“泥+砂”或“泥+泥”岩性组合在地震剖面上均呈强波谷地震响应特征(图 10)。该区块砂、泥岩波阻抗值相近的特点也难以应用叠后地震反演等技术,因此尝试根据分流砂坝的前积及侧积地震反射特征预测储层。
本文主要采用褶积正演模拟方法[20],并使用雷克子波作为震源。在模型建立过程中,J1s3的高速厚层泥岩、底部的极低速泥岩以及J1s21的厚层砂岩的厚度和速度都非常稳定,而J1s22的砂岩厚度和速度、J1s21顶部的泥岩厚度变化非常大。因此将J1s21顶部的泥岩段和整个目的层J1s22合并建模,综合考虑J1s22的砂岩和泥岩速度并统一赋值(砂岩速度取值4500 m/s,泥岩速度取值4200 m/s),取地震主频为40 Hz,重点模拟砂体厚度及形态变化对地震反射特征的影响,包括砂体尖灭、叠置、前积等。最终通过反复调整砂泥岩组合,得到的正演结果与地质模型及实际地震剖面较吻合(图 11)。
由正演结果可见:单砂体储层厚度越大,振幅越大;厚层泥岩与叠置砂岩振幅基本相近,难以区分;在分流砂坝前积或侧积尖灭处出现地震波形突变或同相轴中断,在靠近J1s22底部、砂体下超尖灭处尤为明显;分流间湾泥岩一般发育在分流砂坝侧缘,其低速泥岩与下伏薄层砂岩及上覆高速泥岩叠加,使目的层J1s22频率增大。
3.3 地震属性分析根据Z6区块目的层及其上、下界面地震反射特征,广泛提取振幅类、频谱类和“三瞬”类属性,筛选具有明确地质意义的地震属性,同时借助钻井岩性数据,优选可表征沉积模式的地震属性。分析认为,均方根振幅、弧长、瞬时相位和瞬时频率等属性能更好地反映J1s22的地质特征。
均方根振幅(图 12a)与砂岩厚度之间的相关性较强,尤其是较大振幅对应厚层砂岩,适用于分辨波阻抗差值较大的地质体[21-23];弧长(图 12b)属于频谱类属性[21],主要适用于区分振幅特征相同、频率有差别的地层,可以有效区分富砂或富泥的情况。上述两种属性的平面特征相似:在砂岩储层较厚的位置(QS201井、Z6井附近),振幅和弧长属性值均偏大;对于薄层砂体(QS1井、QS8井)分辨不清,也无法准确区分厚层低速泥岩(QS3井)和砂岩,仅能指示有利相带的大致区域。
瞬时相位(图 12c)反映了地震波穿过不同岩性地质体时引起的相位变化特征,是度量同相轴连续性的参数,有利于判别砂体尖灭、河道、断层等地层不连续的地质现象[24]。瞬时相位不受地震振幅的影响,适用于砂泥岩反射能量相近的情况[25]。由图 12c可见,分流砂坝前积或侧积造成的地震波形变化呈明显的“断崖式”瞬时相位特征,即高相位值(红色,QS1井、QS201井)与低相位值(蓝绿色,QS3井)突变形成的边界(图 12c红色箭头处)——砂泥岩边界,非常清楚地刻画了分流砂坝边界。
瞬时频率(图 12d)是瞬时相位对时间的偏导数,可指示地层岩性变化,一般认为其突变值指示砂体尖灭或油水界面[25]。由正演结果可见间湾泥岩与坝砂交界处的频率发生了明显变化(图 11),在图 12d中更明显,即低频砂岩(棕黄色)与高频泥岩(深蓝色)的边界线较明确,尤其在Z6区块北部(图 12d的红色箭头处),更清晰地刻画了分流间湾边界。
3.4 沉积相带划分及砂体预测结果正演模拟和地震属性分析结果表明,在Z6区块均方根振幅(图 12a)、弧长(图 12b)属性可以指示厚层砂岩发育区域,瞬时相位(图 12c)、瞬时频率(图 12d)属性可以刻画砂泥岩边界。因此根据图 12,可以刻画该区沉积相带展布范围,并描述有利储层的边界形态。
图 13为Z6区块J1s22沉积微相图。由图可见:总体上,分流砂坝砂体在全区均有分布,呈条状、朵叶状、坨状展布;分流砂坝之间以分流间湾相隔;分流河道作为沉积背景以砂质泥岩、泥岩充填特征为主,与分流间湾难以区分。具体表现为:靠近物源方向,砂体受分流河道控制较明显,呈条状特征(①、②);靠近湖中心位置,砂体受湖浪改造作用更明显,呈坨状、朵叶状(③、④)。预测的储层展布范围与钻井资料揭示的砂泥岩发育情况吻合较好,说明在少井情况下,通过分析有效的地震属性可合理地刻画分流砂坝型浅水三角洲砂体边界。
(1)低角度前积或侧积对于下伏地层地震波形的影响是判断砂体边界的关键,适用于划分分流砂坝型浅水三角洲沉积相带,对勘探阶段预测有利储层的延展范围尤为关键。
(2)相较于传统的振幅类属性,瞬时相位和瞬时频率属性更清晰地刻画了Z6区块分流砂坝和分流间湾边界,尤其是瞬时相位属性不受振幅影响,对于岩性尖灭等地质体的相位变化也十分敏感。
(3)在沉积模式的指导下,利用地震属性分析预测的分流砂坝砂体展布范围与钻井资料揭示的砂、泥岩发育情况吻合较好,说明在少井情况下,通过分析有效的地震属性可合理地刻画分流砂坝型浅水三角洲砂体边界。
[1] |
FISK H N, KOLB C R, MCFARLAN E J, et al. Sedimentary framework of the modern Mississippi delta[J]. Journal of Sedimentary Research, 1954, 24(2): 76-99. DOI:10.1306/D4269661-2B26-11D7-8648000102C1865D |
[2] |
王俊, 赵家宏, 腾军, 等. 浅水三角洲前缘砂体地震沉积学研究——以松南乾安地区上白垩统青三段为例[J]. 沉积学报, 2018, 36(3): 570-583. WANG Jun, ZHAO Jiahong, TENG Jun, et al. Seismic sedimentology research on shallow water delta front sandbodies: A case study on Member 3 of upper Cretaceous Qingshankou Formation in Qianan area, south Songliao Basin, NE China[J]. Acta Sedimentologica Sinica, 2018, 36(3): 570-583. DOI:10.14027/j.issn.1000-0550.2018.082 |
[3] |
叶蕾, 朱筱敏, 秦祎, 等. 断陷湖盆浅水三角洲沉积体系[J]. 地球科学与环境学报, 2018, 40(2): 186-202. YE Lei, ZHU Xiaomin, QIN Yi, et al. Depositional system of shallow water delta in rifted lacustrine basin[J]. Journal of Earth Sciences and Environment, 2018, 40(2): 186-202. DOI:10.3969/j.issn.1672-6561.2018.02.006 |
[4] |
曾洪流, 赵贤正, 朱筱敏, 等. 隐性前积浅水曲流河三角洲地震沉积学特征——以渤海湾盆地冀中坳陷饶阳凹陷肃宁地区为例[J]. 石油勘探与开发, 2015, 42(5): 566-576. ZENG Hongliu, ZHAO Xianzheng, ZHU Xiaomin, et al. Seismic sedimentology characteristics of sub-clinoformal shallow-water meandering river delta: A case from the Suning area of Raoyang sag in Jizhong depression, Bohai Bay Basin, NE China[J]. Petroleum Exploration and Development, 2015, 42(5): 566-576. DOI:10.11698/PED.2015.05.03 |
[5] |
孙靖, 薛晶晶, 费李莹, 等. 粗粒浅水三角洲沉积特征及模式——以准噶尔盆地莫北地区侏罗系三工河组为例[J]. 东北石油大学学报, 2022, 46(2): 13-22. SUN Jing, XUE Jingjing, FEI Liying, et al. Sedimentary characteristics and model of coarse-grained shallow-water delta: a case study of Jurassic Sangonghe Formation in Mobei Area, Junggar Basin[J]. Journal of Northeast Petroleum University, 2022, 46(2): 13-22. |
[6] |
刘自亮, 沈芳, 朱筱敏, 等. 浅水三角洲研究进展与陆相湖盆实例分析[J]. 石油与天然气地质, 2015, 36(4): 596-604. LIU Ziliang, SHEN Fang, ZHU Xiaomin, et al. Progress of shallow-water delta research and a case study of continental lake basin[J]. Oil & Gas Geology, 2015, 36(4): 596-604. |
[7] |
王夏斌, 姜在兴, 胡光义, 等. 浅水三角洲分流河道沉积模式分类[J]. 地球科学与环境学报, 2020, 42(5): 654-667. WANG Xiabin, JIANG Zaixing, HU Guangyi, et al. Classification of sedimentary models of distributary channels in shallow-water deltas[J]. Journal of Earth Sciences and Environment, 2020, 42(5): 654-667. DOI:10.19814/j.jese.2020.04053 |
[8] |
张昌民, 尹太举, 朱永进, 等. 浅水三角洲沉积模式[J]. 沉积学报, 2010, 28(5): 933-944. ZHANG Changmin, YIN Taiju, ZHU Yongjin, et al. Shallow water deltas and models[J]. Acta Sedimentologica Sinica, 2010, 28(5): 933-944. DOI:10.14027/j.cnki.cjxb.2010.05.006 |
[9] |
吴穹螈, 陈晓明, 赵汉卿, 等. 分流砂坝型浅水三角洲储层构型研究[J]. 西南石油大学学报(自然科学版), 2019, 41(2): 53-63. WU Qiongyuan, CHEN Xiaoming, ZHAO Hanqing, et al. Study on the hierarchy of a distributary-mouth bar type shallow-water delta reservoir[J]. Journal of Southwest Petroleum University(Science & Technology Edition), 2019, 41(2): 53-63. |
[10] |
郑胜. 准中地区三工河组浅水三角洲沉积模式及油气勘探意义[J]. 特种油气藏, 2019, 26(1): 87-93. ZHENG Sheng. Sedimentary pattern of the shallow-water delta in the Sangonghe Formation of Central Junggar Basin and its significance for hydrocarbon exploration[J]. Special Oil and Gas Reservoirs, 2019, 26(1): 87-93. |
[11] |
尹太举, 张昌民, 朱永进, 等. 叠覆式三角洲——一种特殊的浅水三角洲[J]. 地质学报, 2014, 88(2): 263-272. YIN Taiju, ZHANG Changmin, ZHU Yongjin, et al. Overlapping delta: A new special type of delta formed by overlapped lobes[J]. Acta Geologica Sinica, 2014, 88(2): 263-272. |
[12] |
朱筱敏, 刘媛, 方庆, 等. 大型坳陷湖盆浅水三角洲形成条件和沉积模式: 以松辽盆地三肇凹陷扶余油层为例[J]. 地学前缘, 2012, 19(1): 89-99. ZHU Xiaomin, LIU Yuan, FANG Qing, et al. Formation and sedimentary model of shallow delta in large-scale lake: example from Cretaceous Quantou Formation in Sanzhao Sag, Songliao Basin[J]. Earth Science Frontiers, 2012, 19(1): 89-99. |
[13] |
金振奎, 李燕, 高白水, 等. 现代缓坡三角洲沉积模式——以鄱阳湖赣江三角洲为例[J]. 沉积学报, 2014, 32(4): 710-723. JIN Zhenkui, LI Yan, GAO Baishui, et al. Depositional model of modern gentle-slope delta: A case study from Ganjiang delta in Poyang Lake[J]. Acta Sedimentologica Sinica, 2014, 32(4): 710-723. |
[14] |
张家乐, 程冰洁, 徐天吉, 等. 应用地震属性主成分分析识别古河道[J]. 石油地球物理勘探, 2023, 58(1): 190-195. ZHANG Jiale, CHENG Bingjie, XU Tianji, et al. Identification of paleochannels by seismic attribute principal component analysis[J]. Oil Geophysical Prospecting, 2023, 58(1): 190-195. |
[15] |
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. |
[16] |
何登发, 张磊, 吴松涛, 等. 准噶尔盆地构造演化阶段及其特征[J]. 石油与天然气地质, 2018, 39(5): 845-861. HE Dengfa, ZHANG Lei, WU Songtao, et al. Tectonic evolution stages and features of the Junggar Basin[J]. Oil & Gas Geology, 2018, 39(5): 845-861. |
[17] |
王居峰, 邓宏文, 蔡希源. 准噶尔盆地中部侏罗系层序地层格架[J]. 石油勘探与开发, 2005, 32(1): 23-26. WANG Jufeng, DENG Hongwen, CAI Xiyuan. Jurassic sequence stratigraphic frames in the Middle Junggar Basin[J]. Petroleum Exploration and Development, 2005, 32(1): 23-26. |
[18] |
刘豪, 王英民, 王媛, 等. 准噶尔盆地侏罗系三工河组层序界面结构分析[J]. 新疆石油地质, 2002, 23(2): 127-129. LIU Hao, WANG Yingmin, WANG Yuan, et al. Analysis of interfacial structure in J1s22 internal sequence of Jurassic Sangonghe Formation in Junggar Basin[J]. Xinjiang Petroleum Geology, 2002, 23(2): 127-129. |
[19] |
费李莹, 王仕莉, 吴涛, 等. 坡折带对砂质碎屑流沉积的控制作用——以准噶尔盆地盆1井西凹陷及周缘侏罗系三工河组为例[J]. 油气地质与采收率, 2020, 27(2): 26-34. FEI Liying, WANG Shili, WU Tao, et al. Control of slope break zone on sandy debris flow deposition: A case study of Jurassic Sangonghe Formation in west sag of Well Pen-1 and its periphery in Junggar Basin[J]. Petroleum Geology and Recovery Efficiency, 2020, 27(2): 26-34. |
[20] |
赵虎, 尹成, 鲍祥生, 等. 不同正演方法对地震属性的影响[J]. 石油地球物理勘探, 2013, 48(5): 728-733. ZHAO Hu, YIN Cheng, BAO Xiangsheng, et al. Different forward modeling method effects on seismic attributes[J]. Oil Geophysical Prospecting, 2013, 48(5): 728-733. |
[21] |
井涌泉, 栾东肖, 张雨晴, 等. 基于地震属性特征的河流相叠置砂岩储层预测方法[J]. 石油地球物理勘探, 2018, 53(5): 1049-1058. JING Yongquan, LUAN Dongxiao, ZHANG Yuqing, et al. Fluvial facies inter-bedded sand reservoir prediction with seismic multi-attributes[J]. Oil Geophysical Prospecting, 2018, 53(5): 1049-1058. |
[22] |
张宪国, 吴啸啸, 黄德榕, 等. 极限学习机驱动的地震多属性融合识别曲流带单一点坝[J]. 石油地球物理勘探, 2021, 56(6): 1340-1350. ZHANG Xianguo, WU Xiaoxiao, HUANG Derong, et al. Single point bar interpretation in meandering belt with extreme learning machine driven multiple seismic attributes fusion[J]. Oil Geophysical Prospecting, 2021, 56(6): 1340-1350. |
[23] |
廖仪, 刘巍, 胡林, 等. 地震保幅高低频拓展与多尺度贝叶斯融合反演[J]. 石油地球物理勘探, 2021, 56(6): 1330-1339. LIAO Yi, LIU Wei, HU Lin, et al. Research on high-and low-frequency expansion of seismic amplitude preserving and multi-scale Bayesian fusion inversion[J]. Oil Geophysical Prospecting, 2021, 56(6): 1330-1339. |
[24] |
张学娟, 卢双舫, 贾承造. 基于沉积特征分区域的多元地震属性储层定量预测方法[J]. 石油地球物理勘探, 2012, 47(1): 115-120. ZHANG Xuejuan, LU Shuangfang, JIA Chengzao. The regional multiple seismic attribute quantitative reservoir prediction method based on sedimentary characteristics[J]. Oil Geophysical Prospecting, 2012, 47(1): 115-120. |
[25] |
倪凤田. 基于地震属性分析的储层预测方法研究[D]. 山东青岛: 中国石油大学(华东), 2008.
|