2. 页岩油气富集机理与有效开发国家重点实验室, 北京 100083;
3. 中国石化页岩油气勘探开发重点实验室, 北京 100083;
4. 中国石化石油勘探开发研究院, 北京 100083
2. State Key Laboratory of Shale Oil and Gas Enrichment Mechanism and Effective Development, Beijing 100083, China;
3. SinoPEC Key Laboratory of Shale Oil/Gas Exploration and Production Technology, Beijing 100083, China;
4. SinoPEC Petroleum Exploration and Production Research Institute, Beijing 100083, China
页岩气储层具有自生自储、无气水界面、低孔低渗等特征(徐秋枫等,2016).储层中页岩的岩石成分复杂,储集空间多样,其中裂缝和孔隙发育程度及其中所含流体类型是影响页岩气产能的重要因素(丁文龙等,2012).因此,储层流体识别对于页岩气勘探开发中的储层精细描述具有重要意义.当低孔低渗情况下,页岩储层含不同流体时的地震反射振幅对储层含流体类型的变化不敏感,此时以振幅信息为主的常规AVO方法的应用受到一定限制(胡玮等,2014).因此,需要充分考虑反射波形振幅、相位等信息,才能在现有技术条件下,最大限度提高页岩储层含气性的预测能力.
在地震反射波形描述方面,时频属性是对地震反射振幅和相位信息的一种有效刻画方式.随着时频分析和谱分解技术的深入研究和广泛应用,Castagna等(2003)通过谱分解方法,直接利用“低频阴影”进行储层烃类检测.在频散与衰减机制方面,Chapman等(2003)基于挤压喷流效应提出了描述多尺度裂缝型介质全频带频散与衰减的模型.Brown(2009)证明了盐水饱和岩石的纵波速度频散很小,而岩石含油气时纵波速度频散呈现异常高值.以上研究为频变AVO反演提供了技术方法与理论依据.
在此基础上开发的频变AVO反演技术,通过定量表征纵波的速度频散程度、构建流体识别因子,能够进行储层流体识别.Wilson等(2010)结合Chapman多尺度裂缝介质理论与Smith-Gidlow近似,以不同频率的振幅谱替换AVO近似公式中的反射系数,以频谱分解得到的振幅谱扩展了AVO近似公式.之后通过在频率域内进行泰勒级数展开,定量的描述地震波频散的程度.吴小羊(2010)进一步扩展了这一理论的研究,用改进的Wigner-ville分布进行频谱分析,使该方法在理论模型和实际地震资料的处理中均能得到较高的时频分辨率. Zhang等(2011)提出了基于Shuey近似的频变AVO反演方法,以反演得到的与频散程度相关的参数定义频散属性(Dispersion-dependent attributes),应用于流体检测.程冰洁等(2012)研究了截距、梯度、碳氢检测因子、流体检测因子、纵横波阻抗等频散属性参数,并应用到碎屑岩储层的含气性识别中.Sun等(2012)通过实验验证了利用纵波频散程度进行烃类检测的有效性,并通过频变AVO反演进行碳酸盐岩储层的含油气识别.赵万金和杨午阳(2014)将Wilson(2010)提出的方法应用于苏里格气田,验证了文中方法的有效性及适用性.胡玮等(2014)将反演谱分解方法与频变AVO反演结合,应用到致密砂岩薄储层的含气性预测.然而,上述方法主要针对砂泥岩储层、致密储层和碳酸盐岩储层,而针对页岩储层的频变AVO反演研究相对较少.
本文基于页岩地震岩石物理及叠前反演理论,建立针对页岩储层的叠前频变AVO反演方法和技术流程.首先,根据实际测井数据,利用Chapman等效介质理论建立页岩储层理论模型,正演模拟及分析储层含气和含水的地震响应特征;之后,基于理论模型测试和标定频变AVO反演方法,分析利用流体因子识别不同类型流体对应的优势频率;最后,将该方法应用到四川盆地龙马溪组页岩气储层叠前地震数据,为储层含气性识别提供技术与方法.
1 研究区概况如图 1所示为龙马溪组页岩储层测井曲线,页岩气目标储层位于深度约2326 m以下,厚度约38 m,目标层具有较高的测井伽马射线值以及较低的纵、横波速度;随着深度的增加,地层密度从约2.6 g·cm-3降低至约2.4 g·cm-3;孔隙度较低,数值在0.05左右.图 2所示为过A井的叠后地震剖面,图中标出A井的位置.
首先基于传播矩阵理论,计算龙马溪组页岩地层高精度叠前合成地震记录,分析页岩气目标储层的地震响应特征.该方法与常规基于Zeoppritz方程与褶积的方法相比,不仅考虑界面两侧的波阻抗差异,还充分考虑了地层结构等因素的反射波动力学特征(Kennet, 1983; Rokhlin and Wang, 1992; Ursin and Stovas, 2002; Liu and Schmitt, 2003; 郭智奇,2008;郭智奇等, 2009, 2016; 刘财等, 2017).
对于P波入射,地层的反射、透射系数向量r =[RPP, RPS, TPP, TPS]的计算公式为
(1) |
其中,矩阵A1与A2分别是与上、下层介质物性参数有关的传播矩阵,Bα(α=1, …, N)为具有N层结构的中间层的传播矩阵;iP为P波入射向量,与入射介质物性参数有关;同时上述矩阵和向量都是入射波频率、波慢度等的函数.
图 3为研究区A井的井震标定结果,根据井旁地震数据处理提供的子波信息,所用震源为主频35 Hz的雷克子波.图 3a中黑色曲线为纵波速度测井曲线,红色曲线为通过Backus平均理论(Backus, 1962)对测井数据进行尺度粗化获得的纵波速度,尺度单元设为1 m.图 3b为传播矩阵理论计算得到的地震AVO响应.对比图 3a和图 3b,地层速度(阻抗)的极性变化与地震反射波峰、波谷一致,目标地层(灰色阴影显示)对应从波谷到波峰的一段强地震反射波形.
图 3c为传播矩阵理论计算的PP波频变反射系数.图 3d为合成PP波反射的频谱,即图 3c的频变PP波反射系数与地震子波频谱的乘积.图 3b中地震AVO响应由对图 3d的PP波反射频谱进行反傅里叶变换得到.
井震标定结果有助于深刻理解页岩气储层地震响应特征,并为地震反演模型的设计提供依据.
3 页岩气储层地震岩石物理模型如图 4a所示,岩心观测显示页岩气储层中观尺度(即远大于孔隙尺寸,远小于弹性波波长)层理缝较发育,地震波在流体填充的裂缝中传播时会发生能量衰减与速度频散.本文结合Chapman多尺度裂缝介质岩石物理设计理论模型,研究裂缝型页岩的衰减和频散、以及对应的地震响应特征,并应用理论模型测试和标定频变AVO反演方法.
根据图 3中的井震标定结果,针对页岩气目标储层设计模型如图 4b所示.其中,假设模型上覆、下伏层为各向同性.根据测井曲线及岩心分析,上层介质弹性参数设为:纵波速度Vp=4250 m·s-1,横波速度Vs=2360 m·s-1,密度ρ=2640 kg·m-3;下层介质的弹性参数为:纵波速度Vp=5849 m·s-1,横波速度Vs=3128 m·s-1,密度ρ=2721 kg·m-3;中间页岩气目标层参数设为:纵波速度Vp=4117 m·s-1,横波速度Vs=2300 m·s-1,密度ρ=2455 kg·m-3,孔隙度ϕ=0.05,裂缝密度εf=0.1,裂缝尺寸Lf=0.5 m,厚度h=38 m.
3.2 岩石物理模型图 4c所示为基于图 4a的岩石物理模型示意图,地震波速度频散和能量衰减由Chapman(2003)和Chapman等(2003)基于裂缝性孔隙介质的喷射流动机制提出多尺度裂缝介质理论描述.该理论认为描述裂缝介质的弹性张量为复数并且与频率有关,表达式为
(2) |
其中,Cijkl0为由拉梅常数λ和μ表示的各向同性背景的弹性张量;Cijkl1和Cijkl2分别是孔隙和裂缝引起的扰动量;ϕP和εf分别表示介质的孔隙度和裂缝密度.由于拉梅常数λ和μ无法从测得的纵、横波速度中直接获得,在计算有效刚度张量时,引入新的拉梅系数Λ和M,使得测得的各向同性速度可以由Λ和M在某一频率f0下经过孔隙校正得到.公式为
(3) |
这里,λo=ρ(Vpo)2-2μo,μo=ρ(Vso)2.由此,公式(2)可以写为
(4) |
Chapman模型中,流体的流动发生在两个尺度:颗粒尺度τm和裂缝尺度τf.其中,颗粒尺度的流动与喷射流动频率有关,而裂缝之间的流体交换与低特征频率有关,依赖于裂缝密度等参数.两个时间尺度参数的公式为
(5) |
(6) |
其中,af是裂缝半径,ζ是颗粒尺度.cv是单个裂缝的体积,c1是裂缝与孔隙之间的连接数目.σc=πμr[2(1-ν)]是临界应力,Kc=σc/kf,r是裂缝的纵横比,ν是泊松比,kf是流体体积模量.流体压力弛豫时间τf导致地震频段内的速度频散和衰减,使得裂缝引起的地震各向异性具有频率相关性.由于裂缝的水平向定向分布,Chapman模型计算结果为VTI(Transversely isotropy with a vertical symmetry axis)各向异性.实际应用中,由于只有纵波地震数据,所以以下分析过程中我们只讨论垂直方向纵波速度的频散和衰减.
多尺度裂缝介质垂直方向的纵波速度VP和衰减因子1/Q可由Chapman模型的等效弹性刚度张量C33和饱和岩石的密度ρ计算,公式为
(7) |
(8) |
其中,Re和Im分别表示取复数的实部和虚部.
图 5为基于Chapman模型计算得到的页岩气储层纵波速度、纵波衰减系数随频率的变化曲线,图中比较了页岩含水、和含气饱和两种情况.图 5a所示为在0~1000 Hz频带范围内的速度频散曲线,其中纵波速度频散发生在地震频带内(0~100 Hz),并且高频极限的速度高于低频极限情况.同时,与含水情况相比,含气时页岩的纵波速度明显降低,并且频散程度更为明显.图 5b所示为对应的衰减因子,在地震频带内含气饱和岩石的衰减因子明显高于含水饱和岩石,而且衰减峰值与频散对应的特征频率一致.
首先给出频变AVO反演理论及流程,应用理论模型测试与标定反演算法和流体识别参数,之后应用于龙马溪页岩气储层含气性预测.其中,频变AVO反演理论见附录.
4.1 频变AVO反演流程频变AVO反演技术流程包括:
(1) 动校正、静校正、共中心点道集抽取、球面扩散补偿、根据速度模型计算入射角,得到叠前角道集数据.
(2) 对叠前角道集数据采用连续小波变换进行频谱分解,获得不同频率下的振幅谱S.
(3) 由于时频谱S(t, θ, f)中除了包含反射系数的频谱信息,还包含子波频谱的叠印效应,因此根据子波频谱设计权函数w对不同频率下的振幅谱进行谱均衡,公式为
(9) |
一般根据参考频率f=fref(通常取地震主频)构造权函数,公式为
(10) |
其中,max(Af=ref(θ))为在参考频率下入射角为θ时振幅谱的最大值,max(Af(θ))是在分解频率f下入射角为θ时的振幅谱的最大值.
(4) 附录中公式(A2)可以写成矩阵形式为
(11) |
对于每一个时间采样点t,频率f对应的AVO属性P和G可以通过最小二乘法求解公式(11)得到,进一步计算可得如附录中公式(A3)—(A5)所示的属性流体属性参数HC、ΔF和σ.
(5) 附录中公式(A9)可以写成矩阵形式为
(12) |
可以通过最小二乘反演求解该超定方程组,得到每一个时间采样点t处的DP和DG.
本文应用连续小波变换Continuous Wavelet Transform, CWT)进行频变AVO反演中的时频分析计算.对于地震数据s(t),其小波变换可表示为
(13) |
其中,a为缩放因子,对应于频率信息;b为平移因子,对应于时空信息.公式(13)的结果从时间-尺度域变换为时间-频率域即可得到对应地震数据的时频谱.
4.2 频变AVO反演理论模型分析对于图 4的理论模型,图 6所示为页岩储层含气饱和时对应的地震AVO正演记录、时频谱及反演结果.其中,图 6a中的地震正演模拟由反射率算法(Booth and Grampin, 1983; Fryer and Neil, 1984; Fryer and Frazer, 1987)计算,根据数据处理提取的地震子波,将入射子波设为主频35 Hz的雷克子波.灰色阴影部分对应目标层的反射波形.图 6b为入射角10°的地震道对应的时频谱.图 6c、d、e分别为反演得的碳氢检测因子HC、流体检测因子ΔF、拟泊松比σ在几个选定频率下的变化规律.
与图 6相对,图 7所示为页岩储层含水饱和时的计算结果.对比图 6和图 7,可以发现在不同流体饱和的情况下,储层地震反射波形的振幅和相位、以及时频谱等特征变化明显.并且,定量反演得到的HC、ΔF和σ等参数也存在明显的变化,因此可以用来区分储层流体类型.
图 8进一步研究了不同频率下,HC、ΔF和σ等参数对流体类型的敏感性.计算结果为不同频率下HC、ΔF和σ等三个流体参数在对应的目标层反射波形时间范围内的均方根数值.可以看到,在0~50 Hz范围内,三个参数能够区分含气、含水情况;并且,可以通过含气、含水情况的差异确定优势频率(即各个参数能够最大程度区分含气、含水情况对应的频率).在实际数据应用中,优势频率是进行高精度频变AVO含气性识别的关键.
如图 9所示为图 8中各频变属性含气、含水情况的差异,可以看到这些差异随频率变化,峰值对应的频率范围即为优势频率(灰色阴影表示),对应频带范围为20 Hz左右.在该优势频率下,能够最大程度区分图 4中页岩储层目标层的含气、含水情况.可以看到,优势频率并不是地震子波主频,这可能与层间调谐干涉等储层结构因素有关,也进一步说明理论模型测试和标定的重要性.据此,在实际数据应用中,针对龙马溪页岩储层选取20 Hz对应的流体参数进行含气性预测.
图 10所示为储层含气饱和与含水饱和两种情况下,几个选定频率下目标层的反射系数随入射角的变化.频变反射系数曲线从对图 6a和图 7a的时频分析结果提取.从图中可以看出,储层在含水和含气时反射系数都呈Ⅰ类AVO特征.对比图 10a和图 10b,在10~40 Hz范围内,与含水饱和情况相比,储层含气饱和时反射系数的频散特征更明显.
另外,图 11所示为附录中公式(A11)对应的纵波速度频散属性DP的计算结果.其中,图 11a和图 11b分别对应含气、含水时的地震AVO响应,图 11c为纵波速度频散属性DP的计算结果.可以看到,储层含气的频散属性(实线)明显高于储层含水情况(虚线),从而验证了应用纵波速度频散属性DP在页岩储层含气性识别中的可行性.
下面将频变AVO反演技术应用于四川盆地龙马溪组页岩气储层的含气性的地震识别.
图 12a、b分别为研究区目标地层的均方根振幅和时间厚度平面图,图中给出A井位置.图 13a为反演得到的研究区目标地层纵波速度频散属性DP平面图,图中灰色等值线为目标层的时间深度.并且可以看到,频散属性DP的分布与储层构造具有一定相关性.理论模型图 10的分析表明:频散属性DP数值越大,含气可能性越高.A井在目标层段钻遇天然气,这与反演结果中A井位置地震反射具有较高频散属性的现象一致,说明频散属性DP和HC在研究区页岩含气性识别中具有可行性.图 13b为反演得到的研究区目标地层均方根碳氢检测因子HC,图中可以看到,HC不能较好地反映页岩储层的含气特征.根据图 8a和图 9a的理论模型试算结果,在储层含气和含水情况下,碳氢检测因子HC的数值差异不大,并且含气与含水情况的差值存在正负两种情况,不利于页岩储层含气性识别.
图 14a、b分别为目标层在优势频率20 Hz时的流体检测因子ΔF和拟泊松比σ的平面图.流体检测因子ΔF与拟泊松比σ数值越大,含气的可能性越大.
上述反演结果为页岩储层含气性地震识别提供了依据.而对上述反演结果的进一步分析,需要结合多井信息对比进行验证和标定,评价各频散属性对页岩含气性识别的有效性.
5 结论本文研究了叠前频变AVO反演方法和技术流程,结合岩石物理模型设计理论模型对反演方法进行测试和标定,并进一步应用于四川盆地龙马溪页岩气储层含气性识别,主要结论如下:
(1) 对龙马溪组页岩地层进行高精度地震正演及井震标定.通过Backus平均理论将页岩地层测井曲线粗化为地震尺度模型,考虑了页岩地层的非均质各向异性特征.之后,应用传播矩阵算法计算页岩地层的地震AVO响应并进行井震标定,计算结果有助于深刻理解目标储层地震响应特征,并为地震反演模型的设计提供依据.
(2) 基于岩心分析,页岩气储层中观尺度层理缝较发育,而地震波在流体填充的裂缝型页岩中传播时会发生能量衰减与速度频散.因此,本文结合Chapman多尺度裂缝岩石物理方法设计理论模型,研究裂缝型页岩衰减和频散、以及对应的地震响应特征,并应用该理论模型测试和标定频变AVO反演方法.
(3) 理论模型反演测试表明:对于研究区目标层,应用频变AVO反演进行页岩地层含气性识别的优势频率为20 Hz左右,而不是地震子波的主频35Hz,这可能与层间调谐干涉等作用有关,也进一步说明理论模型测试与标定的重要性.
(4) 将频变AVO反演技术应用于四川盆地龙马溪组页岩气储层含气性地震识别.实际反演结果与先验测井信息一致,说明本文方法对研究区页岩含气性的识别具有可行性.进一步的研究需要通过多井反演结果对比,验证和评价各频散属性对页岩含气性识别的有效性.
附录 频变AVO反演基本理论Shuey在推导各向同性介质PP波反射系数近似公式时,首次提出了AVO截距和梯度的概念,并指出在入射角小于30°时,反射系数可用两项近似表示,公式为
(A1) |
式中,θ为平均入射角度;P为纵波垂直入射反射系数,为AVO的截距;G为AVO的梯度,主要与岩石的泊松比有关.
根据Chapman等(2003)的观点,地震波传播到频散介质界面时,频散造成的相速度差异会使反射系数随频率发生变化.如果假设界面两侧主要是纵波速度随频率变化、密度不会随频率变化,则公式(A1)可简单地表示为入射角度与频率的函数,即:
(A2) |
其中P(f)和G(f)分别表示频率为f时的AVO截距和梯度属性.基于这两个属性参数,可构建碳氢检测因子、流体识别因子和拟泊松比,公式为
(A3) |
(A4) |
(A5) |
根据某一频率下的HC、ΔF和σ我们可以分析储层的含流体特征,这一优势频率的选取对于储层流体识别的结果具有重要的意义.
进一步将公式(A2)的AVO截距项展开,可得:
(A6) |
式中,θ为入射角;f为频率.对式(A6)关于频率做一阶泰勒展开,得到:
(A7) |
假设f0是地震记录频带范围内某一参考频率,且:
(A8) |
公式(A8)可以写为
(A9) |
其中:
(A10) |
(A11) |
(A12) |
其中:DP表征纵波速度频散程度,DG表征频散程度随炮检距变化梯度.
Backus G E. 1962. Long-wave elastic anisotropy produced by horizontal layering. Journal of Geophysical Research, 67(11): 4427-4440. DOI:10.1029/JZ067i011p04427 |
Booth D C, Crampin S. 1983. The anisotropic reflectivity technique:Theory. Geophysical Journal International, 72(3): 755-766. DOI:10.1111/j.1365-246X.1983.tb02831.x |
Brown R L. 2009. Anomalous dispersion due to hydrocarbons:The secret of reservoir geophysics. The Leading Edge, 28(4): 420-425. DOI:10.1190/1.3112757 |
Castagna J, Sun S J, Siegfried R. 2003. Instantaneous spectral analysis:Detection of low-frequency shadows associated with hydrocarbons. The Leading Edge, 22(2): 120-127. DOI:10.1190/1.1559038 |
Chapman M. 2003. Frequency-dependent anisotropy due to meso-scale fractures in the presence of equant porosity. Geophysical Prospecting, 51(5): 369-379. DOI:10.1046/j.1365-2478.2003.00384.x |
Chapman M, Maultzsch S, Liu E R, et al. 2003. The effect of fluid saturation in an anisotropic multi-scale equant porosity model. Journal of Applied Geophysics, 54(3-4): 191-202. DOI:10.1016/j.jappgeo.2003.01.003 |
Cheng B J, Xu T J, Li S G. 2012. Research and application of frequency dependent AVO analysis for gas recognition. Chinese Journal of Geophysics (in Chinese), 55(2): 608-613. DOI:10.6038/j.issn.0001-5733.2012.02.023 |
Ding W L, Li C, Li C Y, et al. 2012. Dominant factor of fracture development in shale and its relationship to gas accumulation. Earth Science Frontiers (in Chinese), 19(2): 212-220. |
Fryer G J, Frazer L N. 1987. Seismic waves in stratified anisotropic media-Ⅱ。elastodynamic eigensolutions for some anisotropic systems. Geophysical Journal International, 91(1): 73-101. DOI:10.1111/gji.1987.91.issue-1 |
Fryer G J, Neil F L. 1984. Seismic waves in stratified anisotropic media. Geophysical Journal International, 78(3): 691-710. DOI:10.1111/j.1365-246X.1984.tb05065.x |
Guo Z Q. 2008. Wave field modeling in viscoelastic anisotropic media and reservoir information study[Ph. D. thesis] (in Chinese). Changchun: Jilin University.
|
Guo Z Q, Liu C, Feng Y, et al. 2009. Reflection characteristics of thin reservoirs and its AVO attributes analysis. Geophysical Prospecting for Petroleum (in Chinese), 45(5): 453-458. |
Guo Z Q, Liu C, Li X Y, et al. 2016. Modeling and analysis of frequency-dependent AVO responses in inelastic stratified media. Chinese Journal of Geophysics (in Chinese), 59(2): 664-672. DOI:10.6038/cjg20160223 |
Hu W, Han L G, Shang S. 2014. Application of frequency-dispersion attributes in identification of tight thin interbedded reservoirs. Geophysical Prospecting for Petroleum (in Chinese), 53(3): 367-372. |
Kennett B L N. 1983. Seismic wave propagation in stratified media. Cambridge, U. K.: Cambridge University Press.
|
Liu C, Pei S J, Guo Z Q, et al. 2017. The application of seismic amplitude inversion for the characterization of interbedded sand-shale reservoirs. Chinese Journal of Geophysics (in Chinese), 60(5): 1893-1902. DOI:10.6038/cjg20170523 |
Liu Y B, Schmitt D R. 2003. Amplitude and AVO responses of a single thin bed. Geophysics, 68(4): 1161-1168. DOI:10.1190/1.1598108 |
Rokhlin S I, Wang Y J. 1992. Equivalent boundary conditions for thin orthotropic layer between two solids:Reflection, refraction, and interface waves. The Journal of Acoustic Society of America, 91(4): 1875-1887. DOI:10.1121/1.403717 |
Sun S Z, Jiang S, Sun X K. 2012. Fluid identification using frequency-dependent AVO inversion in dissolution caved carbonate reservoir.//82nd Ann. Internat Mtg., Soc. Expi. Geophys.. Expanded Abstracts, 1-5.
|
Ursin B, Stovas A. 2002. Reflection and transmission responses of a layered isotropic viscoelastic medium. Geophysics, 67(1): 307-323. DOI:10.1190/1.1451803 |
Wilson A. 2010. Theory and methods of frequency-dependent AVO Inversion[Ph. D. thesis]. Edinburgh: The University of Edinburgh.
|
Wu X Y. 2010. Frequency dependent AVO inversion using spectral decomposition techniques [Ph. D. thesis] (in Chinese). Wuhan: China University of Geosciences.
|
Xu Q F, Chen J W, Yao Q, et al. 2016. Application of spectral decomposition technology to the shale reservoir prediction:A case study of Yuqia sag in Qaidam Basin. Geological Bulletin of China (in Chinese), 35(2-3): 348-355. |
Zhang S X, Yin X Y, Zhang G Z. 2011. Dispersion-dependent attribute and application in hydrocarbon detection. Journal of Geophysics and Engineering, 8(4): 498-507. DOI:10.1088/1742-2132/8/4/002 |
Zhao W J, Yang W Y. 2014. Progress of frequency-dependent AVO hydrocarbon detection technology. Progress in Geophysics (in Chinese), 29(6): 2858-2865. DOI:10.6038/pg20140656 |
程冰洁, 徐天吉, 李曙光. 2012. 频变AVO含气性识别技术研究与应用. 地球物理学报, 55(2): 608-613. DOI:10.6038/j.issn.0001-5733.2012.02.023 |
丁文龙, 李超, 李春燕, 等. 2012. 页岩裂缝发育主控因素及其对含气性的影响. 地学前缘, 19(2): 212-220. |
郭智奇. 2008.粘弹各向异性介质波场模拟与储层信息研究[博士论文].长春: 吉林大学.
|
郭智奇, 刘财, 冯晅, 等. 2009. 薄储层的反射特性及其AVO属性分析. 石油物探, 45(5): 453-458. DOI:10.3969/j.issn.1000-1441.2009.05.004 |
郭智奇, 刘财, 李向阳, 等. 2016. 非弹性层状介质地震波频变AVO响应模拟及分析. 地球物理学报, 59(2): 664-672. DOI:10.6038/cjg20160223 |
胡玮, 韩立国, 尚帅. 2014. 频散属性在致密薄储层识别中的应用. 石油物探, 53(3): 367-372. DOI:10.3969/j.issn.1000-1441.2014.03.016 |
刘财, 裴思嘉, 郭智奇, 等. 2017. 地震波形反演技术在砂泥岩薄互层结构表征中的应用. 地球物理学报, 60(5): 1893-1902. DOI:10.6038/cjg20170523 |
吴小羊. 2010.基于频谱分析技术的频散AVO反演研究[博士论文].武汉: 中国地质大学.
|
徐秋枫, 陈建文, 姚泉, 等. 2016. 频谱分解技术在泥页岩储层含气性预测中的应用——以柴达木盆地鱼卡凹陷为例. 地质通报, 35(2-3): 348-355. |
赵万金, 杨午阳. 2014. 频变AVO油气检测技术进展. 地球物理学进展, 29(6): 2858-2865. DOI:10.6038/pg20140656 |