地球物理学进展  2017, Vol. 32 Issue (1): 224-230   PDF    
不确定性反演关键参数的地质含义及正演模型反演研究——以渤海海域W油田为例
马良涛1, 范廷恩1, 王宗俊1, 田楠1, 井涌泉1, 高云峰1, 田立新2     
1. 中海油研究总院, 北京 100028
2. 中海石油 (中国) 有限公司天津分公司渤海石油研究院, 天津 300452
摘要:地质统计学反演具有较高的空间分辨率,在储层预测中应用广泛,其反演精度受地质框架模型、纵/横向变程和岩性比例等多个因素的影响.传统方法主要从反演角度通过参数测试的方式开展参数对反演精度影响的研究,进而求取合适的反演参数.该参数求取方式效率低,反演结果精度不高,不能完全准确地反应储层空间变化特征.针对这一问题,本文采用从模型正演及其相应反演角度开展参数对反演精度影响的研究,并对反演参数求取方法进行了阐述.首先论述了地质框架模型及变差函数的地质含义,并以渤海W油田明化镇组下段储层特征为指导,构建了曲流河沉积典型的堆叠型和侧叠型地质模型,进而开展模型正演及相应的地质框架模型、纵向变程和横向变程对反演精度影响的研究.分析表明:1)基于高分辨率层序地层格架构建的地质框架模型有助于反演精度的提高;2)合适的变程能够提升反演分辨率.纵向变程的求取应综合考虑最小地质体大小、地震采样率等因素,而横向变程的求取应以地质信息为指导;3)开发阶段以砂层组级别地质框架模型为约束,结合储层特征求取反演参数的方法赋予了参数明确的地质含义,反演结果清晰表征了储层内部砂体叠置及空间展布特征,有助于提高薄储层表征精度,为开发后期的井位部署和井位调整提供依据.
关键词地质统计学反演    地质框架模型    变差函数    地质含义    正演模拟及反演    
Key parameter's geologic meanings and its forward model inversion study for geostatistics inversion——take W oilfield in the Bohai bay for example
MA Liang-tao1 , FAN Ting-en1 , WANG Zong-jun1 , TIAN Nan1 , JING Yong-quan1 , GAO Yun-feng1 , TIAN Li-xin2     
1. CNOOC Research Center, Beijing 100028, China
2. Bohai Petroleum Institute, Tianjin Branch, CNOOC, Tianjin 300452, China
Abstract: At present, geostatistical inversion has been widely used in the reservoir prediction for its high spatial resolution. The inversion accuracy is influenced by many factors, such as geological framework model, vertical/latertal variation, lithology ratio, etc. In usual, the parameters are mainly optimized via a large number of testing. However, this way of parameter selection is not only inefficient, but also leads to low accuracy of inversion results which can not precisely describe the spatial variation characteristics of the reservoir. In view of this problem, a geological model is designed and its forward modeling result is obtained in this paper. Based on the forward modeling result, the influence of key inversion parameters on the inversion accuracy is studied, and the parameters selection suggestion is given. Specifically, the geological meanings of geological framework model and variogram are firstly discussed. Then a geological model with typical characteristics of meandering river, including amalgamated channel complex and stacked channel sand bodies, is built by referring to the reservoir characteristics of Lower Minghuazhen Formation in W oilfield of Bohai Bay. Based on the forward modeling result of the geological model, the influence of key inversion factors and parameters on inversion accuracy, including geological framework model as well as the vertical/latertal variation, is studied. The results show that:1) Geological framework model based on high-resolution sequence stratigraphic framework is conductive to improve inversion accuracy; 2) Appropriate variation can improve inversion resolution. The size of minimum geological body and seismic sampling should be taken into account while determining vertical variation, and the lateral variation selection should be based on the geological information as a guide; 3) In the stage of oilfield development, the inversion parameter selection method which is constrained by sand group level geological framework model and fully consider the reservoir characteristics, gives geological meaning to the parameters clearly. The inversion result accurately characterizes the sand body superimposing relationship within the reservoir and helps improving the precision for reservoir characterization. It can be served as basis for well placement and well adjustment in the development stage.
Key words: geostatistical inversion     geological framework model     variogram     geologic meanings     forward modeling and inversion    
0 引言

Haas、Dubrule于1994年首次提出地质统计反演的概念 (Haas and Dubrule, 1994),Rothman (1998)将其推广用于三维地震体的地质统计学反演 (Rothman,1998).此后,地质统计学反演技术广泛应用于油气储层描述中 (Sams et al., 1999Rowbotham et al., 2003慎国强等,2004Ramirez et al., 2005; 易平和林桂康, 2005; Sancevero et al., 2005李方明等,2007Sancevero et al., 2008边树涛等,2010刘占族等,2012王晓平等,2013张义等,2015; 闫玲玲等, 2015).地质统计学反演精度受地质框架模型、岩性比例、变差函数、概率密度函数、信噪比等多个参数的影响,其中,地质框架模型和变差函数尤为重要.然而,目前的研究应用主要从反演的角度分析这两个参数对反演精度的影响,而从正演模型的反演角度来研究涉及较少 (边树涛等,2010黄哲远等,2012董奇等,2013曹彤和郭少斌, 2013印兴耀等,2014; 汪益宁等,2015).

本文论述了地质框架模型和变差函数两个地质统计学反演关键参数的地质含义,以前人所建立的渤海W油田明化镇组下段曲流河沉积模式为指导,构建了曲流河沉积典型的地质模型,进而开展模型正演及相应的反演研究,分析地质框架模型、纵向变程及横向变程对反演精度的影响,对如何将地质信息融入到反演参数求取中提高参数求取精度和效率,进而提高反演精度具有较好的指导意义.

1 研究区概况

渤海湾海域是华北含油气盆地的组成部分,属克拉通内裂谷盆地,经历过断陷、断坳和坳陷三个演化阶段.中新世渤海湾盆地开始进人裂后坳陷演化阶段,在湖平面下降、上升交替进行的沉积背景下,形成了馆陶组—明化镇组以河流平原相为特征的新近系沉积组合.

渤海W油田位于渤海湾盆地渤中坳陷石臼坨凸起中西部 (图 1),被渤中、秦南和南堡三大富油凹陷所环绕,属于前第三系古隆起上发育并被断层复杂化的大型披覆构造.该油田地层自下而上依此发育元古界、下古生界、中生界,上覆第三系 (含东营组、新近系馆陶组和明化镇组) 及第四系平原组地层.明化镇组分上、下两段,其下段属于本油田新生界含油层系的主力含油层段之一,埋深为1000~1200 m,共分为0油层组~Ⅴ油层组共6个油层组.其中,Ⅱ油组是本次研究的基础,该时期以曲流河沉积为主.

图 1 渤海湾盆地区域地质 (左) 及研究区位置图 (右)(胡光义等,2014) Figure 1 Tectonic divisions (left) and locations of the study area (right) in Bohai bay basin

以高分辨率层序地层格架为约束,依据沉积结构、沉积构造、几何形态、侧向和垂向增生样式,前人将渤海中南部地区明化镇组河流相砂体的叠置样式划分为3种类型7类样式 (胡光义等,2014陈飞等,2015),分别为堆叠型 (ACM)、侧叠型 (SC) 和孤立型 (IS),其中侧叠型又分成紧密接触型 (IC)、疏散接触型 (EC) 和离散接触型 (DC) 3小类; 孤立型包括下切侵蚀河道 (IIC)、决口扇 (CS) 和孤立河道 (ICH) 3小类.河流相砂体叠置样式的提出为本文研究中地质模型的构建起到了很好的指导作用.

2 关键参数地质含义 2.1 地质框架模型

以高分辨率层序地层格架为约束构建的地质框架模型反映了储层内部小层、小层内结构及相互关系,其每个小层对应一个完整的沉积旋回和岩性变化序列,储层旋回特征具有相似性 (刘百红等,2009王兆峰等,2012).

在开发阶段,尤其是开发后期,对储层内部砂体叠置样式及隔夹层分布的认识对井网部署和调整尤为重要.为构建一个合理的地质框架模型,提高反演精度,应利用高分辨率层序地层学理论为指导,采用高频旋回分析技术,综合区域地质背景、测井、岩屑 (岩心) 录井和试油试采等资料,进行目的层段小层划分与对比,建立井上高分辨率层序地层格架,并通过井震标定、层位追踪的方式来建立相应的地震层序地层格架用于约束地质框架模型的构建,从而确保所建立的地质框架模型精度高,能够准确地反映目标层储层内部特征.

2.2 变差函数 2.2.1 定义

空间上点之间的相似性随相互距离变化而变化的关系,即为变差函数 (图 2),用区域化变量Z(x) 和Z(x+h) 两点之差的半方差表示,其数学表达式为

图 2 变差函数示意图 (王雅春和王璐,2013) Figure 2 The chart of variation function

实验变差函数的计算公式为

图中,a为变程,反映了研究对象中某一个区域变量的变化程度:当ha时,任意两点间的观测值具有相关性,并且相关程度随着h的增加而减小;当ha时,数据之间没有相关性,对估计结果不会产生影响;当ha时,达到基台值 (C).C0为块金效应,它表示距离很小时两点间的样品的变化,反映了变量的连续性很差,即使在很短的距离内,变量的差异也很大.C为基台值,代表区域化变量在空间上的总变异性大小,表示先验方差的大小,C越大,说明数据的波动程度越大,参数变化的幅度越大 (王雅春和王璐,2013).

2.2.2 地质含义

变差函数是区域化变量空间变异性的一种度量,反映了储层在三维空间的变化特征,表征了储层的空间各向异性.其中,纵向变程表示垂向沉积体的厚度,其取值大小影响反演纵向分辨率.横向变程反映沉积体横向上的展布规律,其不同方向取值大小反映储层空间上的各向异性特征.其中,长轴方向代表储层参数变化的延伸方向,短轴方向代表储层展宽方向.在对储层厚度进行分析时,长轴代表物源方向;而在剖面上分析时,长轴与短轴的比例关系则与该剖面上储层的宽、厚比相一致.

对于曲流河储层,纵向变程表示纵向上单砂体或复合砂体的厚度.横向变程中,长轴方向代表河道在平面上的延伸方向,其取值大小相当于点坝的长度;短轴方向则代表平面上河道发育的展宽方向,其取值大小相当于点坝的宽度.

3 关键参数正演模型反演分析 3.1 地质模型及其正演分析

地震褶积正演模型技术一直是地震资料处理解释的基础,前人也曾用正演模型分析河道砂体的地震响应 (张建宁等,2006; 李子顺,2012梁宏伟,2013魏立花等,2014曹磊等,2015何方, 2015).根据研究区曲流河砂体叠置样式 (井涌泉等, 2014; 胡光义等,2014陈飞等,2015),结合沉积地质特征,设计了堆叠型和侧叠型的地质模型,进而开展地质框架模型、纵向变程和横向变程对砂体叠置边界地震响应的研究.地质模型中,砂岩速度为2300 m/s,泥岩速度2400 m/s,中心体砂岩厚度11 m (图 3a).

图 3 地质模型及其正演模拟 (a) 地质模型;(b) 正演模拟. Figure 3 Geological model and forward modeling (a) Geological model; (b) Forward modeling.

图 3b图 3a地质模型通过主频50 Hz、零相位、Ricker子波处理后的正演剖面与地质模型的叠加剖面.合成地震记录采样间隔为1 ms,合成记录的波峰对应砂层顶界面.如图 3b所示,正演模拟反射特征与地质模型吻合性好,地震的振幅、频率、相位随砂体的厚度发生明显变化.对于侧叠型砂体,地震波的振幅强度在横向上表现为由强变弱再变强的演化特征;对于堆叠型砂体,地震正演记录的振幅随砂体厚度的减小而明显减弱,在砂体叠置的部位地震记录出现“振幅增强”的现象.受地震波干涉现象的影响,单个砂体的振幅在叠置部位减弱,波形表现为“波谷纵向拉长”“波谷错位”、“波谷错断”不同的特征,这主要受叠置砂体的高程差及叠置部位泥岩厚度的影响.

3.2 地质框架模型正演模拟反演分析

本文通过对正演模型的反演研究来分析地质统计学反演参数对反演精度的影响.首先,建立了不同精度的地质框架模型来约束反演,进而分析不同地质框架模型参数对反演的影响.

1) 初始地质框架模型 (相当于油组级别) 约束下的反演

图 4a为油组级层序地层格架,其中,粉红色为所构建的油组级层序地层格架,红色是镶边层 (为消除反演结果中的子波旁瓣效应);图 4b为基于油组级层序地层格架构建的初始地质框架模型约束下的地质统计学反演结果.从图 4b可以看出,反演结果所反映的储层展布形态与地质模型吻合.反演振幅的横向变化特征反映了砂体厚度的变化趋势,在砂体叠置的地方出现“振幅增强”的现象.然而,受地震纵向分辨率的限制,反演结果不能清晰地表征叠置砂体边界 (图 4b中红色箭头所指位置),不利于砂体接触关系的进一步分析研究.

图 4 层序地层格架及地质统计学反演结果 (a) 油组级层序地层格架;(b) 油组级地质框架模型约束下的地质统计学反演结果. Figure 4 Sequence stratigraphic framework and geostatistical inversion results (a) Sequence stratigraphic framework for oil sets; (b) Geostatistical inversion results for oil sets sequence stratigraphic frame.

2) 高分辨率层序地层格架 (相当于砂层组级别) 约束下的反演

对比油组级层序地层格架 (图 4a),高分辨率层序地层格架在建立过程中以地质模型中砂岩层的顶底为约束来构建相当于开发阶段砂层组级别的层序地层格架 (图 5a).图 5b为基于高分辨率层序地层格架构建的地质框架模型约束下的地质统计学反演结果,对比油组级地质框架模型约束下的反演结果,两者在反演振幅变化特征和反演结果所反映的储层展布形态方面特征相同,但高分辨率地质框架模型约束下的反演结果在叠置砂体边界处具有明显的“波形错断”特征 (图 5b中红色箭头所指位置),清晰地表征了砂体间的叠置关系,在一定程度上提升了地震纵向分辨率,提高了反演结果对薄储层的识别能力.

图 5 层序地层格架及地质统计学反演结果 (a) 小层级层序地层格架;(b) 小层级地质框架模型约束下的地质统计学反演结果. Figure 5 Sequence stratigraphic framework and geostatistical inversion results (a) Sequence stratigraphic framework for thin layer; (b) Geostatistical inversion results for thin layer sequence stratigraphic frame.

3) 反演中地质框架模型的构建

正演模拟的反演分析表明,在地质统计学反演过程中构建一个高精度的地质框架模型有助于提高反演分辨率,进而提高储层分析的精度.对于进入开发阶段油气田的地质统计学反演,应该建立砂层组级别的地质框架模型,分析表明,其约束下的反演精度显然高于油组级地质框架模型约束下的反演精度.

3.3 变差函数正演模拟反演分析 3.3.1 纵向变程

本文选取了0.5 ms、1 ms、2 ms、3 ms、4 ms不同的纵向变程开展正演模拟的反演研究,分析纵向变程对地质统计学反演精度的影响.结果表明 (图 6),当纵向变程大于地震采样间隔1 ms时 (正演模拟时,地震数据采样间隔为1 ms),反演数据在砂体叠置部位有“振幅增强”和“波形拉长”的现象,但受纵向分辨率限制,反演结果不能清晰的表征砂体叠置关系;当纵向变程等于或小于地震采样间隔1 ms时,反演数据在砂体叠置部位有明显的“波谷错位”和“波谷错断”的现象,反演结果清晰地反应了砂体边界,能很好地表征砂体叠置关系;当纵向变程远小于地震采样间隔时,纵向变程对反演结果分辨率的改善能力有限.此外,随着纵向变程的减小,反演计算时间会成倍增加.

图 6 纵向变程对地质统计学反演结果的影响 Figure 6 The influence of vertical range on geostatistical inversion results

因此,应综合考虑纵向刻画的最小地质体大小、地震采样率和反演计算时间等因素来选取合适的纵向变程.

3.3.2 横向变程

本文选取了 (1000,500)、(1900,1450)、(3000,2000) 三组不同的横向变程开展正演模拟的反演研究 (图 7),进而分析横向变程对地质统计学反演精度的影响.结果表明,当横向变程过大 (图 7d) 或过小时 (图 7b),反演结果不能准确反应砂体空间展布特征,与地质模型间存在偏差;当选取合适的横向变程时 (图 7c),反演结果在砂体叠置部位具有明显的“波谷错位”和“波谷错断”的现象,清晰地反应了叠置砂体的边界,较好地表征了砂体叠置关系,与地质模型吻合度高.此外,经分析表明,图 7c反演中所用到的横向变程与研究区实际沉积环境中发育的曲流河点坝规模相近 (图 8).

图 7 横向变程对地质统计学反演结果的影响 Figure 7 The influence of horizontal range on geostatistical inversion results

图 8 曲流河点坝规模 Figure 8 The scale of point bar for meandering river

因此,在地质统计学反演过程,应以研究区已有的地质信息为指导来选取合适的横向变程,一方面有助于参数选取效率和精度的提高,另一方面也有利于反演结果精度的提升.

4 结论与建议 4.1

地质框架模型以层序地层格架为基础来进行构建,具有层序地层格架相应的地质含义,即代表了沉积等时界面;变差函数是区域化变量空间变异性的一种度量,反映了储层在三维空间的变化特征,表征了储层的空间各向异性.其中,纵向变程在地质上表示垂向沉积体的厚度;横向变程表示沉积体在横向上的展布规律,其不同方向取值大小反映储层空间上的各向异性特征.

4.2

地质框架模型和变差函数是影响地质统计学反演精度的重要参数,通过地质模型正演模拟和正演模拟的反演研究表明:

1) 高分辨率地质框架模型 (砂层组级别) 约束下的地质统计学反演结果在叠置砂体边界处具有明显的“波形错断”特征,能清晰地表征砂体间的叠置关系,有助于提升地震的纵向分辨率,提高反演结果对薄储层的识别能力;

2) 反演过程中纵向变程的求取,应综合考虑纵向刻画的最小地质体大小、地震采样间隔以及反演运算速度三方面的因素.当纵向变程选取合适时,反演数据在砂体叠置部位有明显的“波谷错位”和“波谷错断”的现象,反演结果清晰的反应了砂体边界,很好地表征了砂体叠置关系;

3) 以地质信息为指导求取合适的横向变程,一方面提高了参数选取的效率和精度;另一方面也有利于反演精度的提高.反演结果在砂体叠置部位具有明显的“波谷错位”和“波谷错断”的现象,清晰地反应了叠置砂体的边界,很好地表征了砂体叠置关系.

4.3

虽然本文对地质统计学反演参数的正演模拟及其反演展开了大量研究,解决了常规参数求取存在的问题和难点,但本次研究主要针对曲流河沉积,下一步应开展对辫状河等河流沉积及三角洲等其他沉积相的研究,以进一步提高该技术的实用性.

致谢 感谢审稿专家提出的修改意见和编辑部的大力支持!
参考文献
[] Bian S T, Di B R, Dong Y L, et al. 2010. Application of geostatistical inversion in reservoir prediction in the third member of Shahejie Formation, Baimiao Gas-field, Dongpu Depression[J]. Oil Geophysical Prospecting (in Chinese), 45(3): 398–405.
[] Cao L, Chen G Y, Zhang Y. 2015. Study of qualitative recognition of forward and inversion on thin interbedded reservoir of dense sandstone[J]. Reservoir Evaluation and Development (in Chinese), 5(3): 22–27.
[] Cao T, Guo S B. 2013. Seismic inversion constrained by high-resolution sequence stratigraphy framework and its applications[J]. Science & Technology Review (in Chinese), 31(9): 36–39.
[] Chen F, Hu G Y, Fan T E, et al. 2015. Sandbody architecture and sequence stratigraphy of fluvial Facies, Neogene Minghuazhen Formation, W oilfield, Bohai Bay[J]. Earth Science Frontiers (in Chinese), 22(2): 207–213.
[] Dong Q, Lu S F, Zhang X J, et al. 2013. Selection of parameters and reliability analysis of results in geostatistical inversion method[J]. Geophysical & Geochemical Exploration (in Chinese), 37(2): 328–332, 337.
[] Dubrule O, Thibaut M, Lamy P, et al. 1998. Geostatistic reservoir characterization constrained by 3D seismic data[J]. Petroleum Geoscience, 4(2): 121–128. DOI:10.1144/petgeo.4.2.121
[] Haas A, Dubrule O. 1994. Geostatistical inversion-A sequential method of stochastic reservoir modeling constrained by seismic data[J]. First Break, 13(12): 561–569.
[] He F. 2015. Analysis on seismic response characteristics of the fluvial facies reservoir in Bohai Sea (in Chinese)[MSc. thesis]. Chengdu:Southwest Petroleum University.
[] Hu G Y, Chen F, Fan T E, et al. 2014. Analysis of fluvial facies compound sandbody architecture of the Neogene Minghuazhen formation of S oilfield in the Bohai Bay[J]. Acta Sedimentologica Sinica (in Chinese), 32(3): 586–592.
[] Huang Z Y, Gan L D, Dai X F, et al. 2012. Key parameter optimization and analysis of stochastic seismic inversion[J]. Applied Geophysics (in Chinese), 9(1): 49–56. DOI:10.1007/s11770-012-0313-9
[] Jing Y Q, Fan H J, Chen F, et al. 2014. Application of waveform classification in the prediction of fluvial facies interbedded sandstone reservoirs[J]. Progress in Geophysics (in Chinese), 29(3): 1163–1167. DOI:10.6038/pg20140321
[] Li F M, Ji Z F, Zhao G L, et al. 2007. Methodology and application of stochastic seismic inversion:A case from P Oilfield, M Basin, Sudan[J]. Petroleum Exploration and Development (in Chinese), 34(4): 451–455.
[] Li Z S. 2012. Sequence stratigraphic characteristics of channel sandbody through broad band high resolution seismic section[J]. Earth Science Frontiers (in Chinese), 19(1): 200–208.
[] Liang H W, Wu S H, Mu L X, et al. 2013. Fluvial reservoir characterization with phase-controlled forward modeling in the north block of the Qinhuangdao 32-6 oilfield, a case study[J]. Oil Geophysical Prospecting (in Chinese), 48(6): 978–984, 1015.
[] Liu B H, Li J H, Wei X D, et al. 2009. The application of stochastic seismic inversion in reservoir prediction[J]. Progress in Geophysics (in Chinese), 24(2): 581–589. DOI:10.3969/j.issn.1004-2903.2009.02.028
[] Liu Z Z, Zhang L, Huo L N, et al. 2012. Thin coalbed methane reservoir identification by geostatistics inversion[J]. Oil Geophysical Prospecting (in Chinese), 47(S1): 30–34.
[] Ramirez A L, Nitao J J, Hanley W G, et al. 2005. Stochastic inversion of electrical resistivity changes using a Markov chain, Monte Carlo approach[J]. Journal of Geophysical Research, 110(B2): B02101.
[] Rothman D H. 1998. Geostatistical inversion of 3D seismic data for thin sand delineation[J]. Geophysics, 51(2): 332–346.
[] Rowbotham P S, Marion D, Lamy P, et al. 2003. Multidisciplinary stochastic impedance inversion:Integrating geological understanding and capturing reservoir uncertainty[J]. Petroleum Geoscience, 9(4): 287–294. DOI:10.1144/1354-079302-490
[] Sams M S, Atkins D, Said N, et al. 1999. Stochastic inversion for high resolution reservoir characterisation in the central Sumatra basin[C].//SPE Asia Pacific Improved Oil Recovery Conference. Kuala Lumpur, Malaysia:Society of Petroleum Engineers.
[] Sancevero S S, Remacre A Z, Mundim E C, et al. 2008. Application of stochastic inversion to reservoir characterization process[J]. Earth Science Frontiers, 15(1): 187–195. DOI:10.1016/S1872-5791(08)60021-4
[] Sancevero S S, Remacre A Z, Portugal R D S, et al. 2005. Comparing deterministic and stochastic seismic inversion for thin-bed reservoir characterization in a turbidite synthetic reference model of Campos basin, Brazil[J]. The Leading Edge, 24(11): 1168–1172. DOI:10.1190/1.2135135
[] Shen G Q, Meng X J, Wang Y M, et al. 2004. Random Seismic Inversion and Its Application in Chengbei No[J]. 35 Well-zone[J]. Oil Geophysical Prospecting (in Chinese), 39(1): 75–81.
[] Sun S M, Peng S M. 2007. Inversion of geostatistics based on simulated annealing algorithm[J]. Oil Geophysical Prospecting (in Chinese), 42(1): 38–43.
[] Wang X P, Shang J L, Wang L S, et al. 2013. Application of geostatistic inversion technology to Mabei oilfield in Junggar Basin[J]. Xinjiang Petroleum Geology (in Chinese), 34(3): 320–323.
[] Wang Y C, Wang L. 2013. Application of geostatistical inversion to reservoir prediction in the western slope of the northern Xingshugang Oil Field[J]. Progress in Geophysics (in Chinese), 28(5): 2554–2560. DOI:10.6038/pg20130534
[] Wang Y N, He X J, Gui L, et al. 2015. Application of high-precision structural model in prediction and remaining oil potential tapping of dense-well pattern reservoir[J]. Journal of Xi'an Shiyou University (Natural Science Edition) (in Chinese), 30(6): 17–21.
[] Wang Z F, Wei X D, Chen X, et al. 2012. Application of thin-layer constrained seismic inversion technique in T oilfield[J]. Oil Geophysical Prospecting (in Chinese), 47(4): 637–641.
[] Wei L H, Yang Z L, Han X F, et al. 2014. Research and application of thin sand body-narrow channel seismic identification technology in the SN area[J]. Natural Gas Geoscience (in Chinese), 25(12): 2025–2033.
[] Yan L L, Liu Q W, Zhang L J, et al. 2015. Post-stack geo-statistics inversion in the application of the carbonate rocks reservoir prediction:In Xinken Area, Halahatang oil field as an example[J]. Earth Science Frontiers (in Chinese), 22(6): 177–184.
[] Yi P, Lin G K. 2005. Seismic stochastic inversion and its application in Wenchang 13-1 oilfield[J]. Oil Geophysical Prospecting (in Chinese), 40(1): 87–91.
[] Yin X Y, Sun R Y, Wang B L, et al. 2014. Simultaneous inversion of petrophysical parameters based on geostatistical a priori information[J]. Applied Geophysics (in Chinese), 11(3): 311–320. DOI:10.1007/s11770-014-0445-1
[] Zhang J N, Han W G, Yan Z M, et al. 2006. The geologic model and seismic forward response characteristic of the boundaries of single river channel[J]. Petroleum Geophysics (in Chinese), 4(4): 32–35.
[] Zhang Y, Yin Y S, Qin Z Y. 2015. Application of geostatistical inversion in thin sandstone reservoir prediction[J]. Fault-Block Oil & Gas Field (in Chinese), 22(5): 565–569.
[] 边树涛, 狄帮让, 董艳蕾, 等. 2010. 地质统计反演在东濮凹陷白庙气田沙三段储层预测中的应用[J]. 石油地球物理勘探, 45(3): 398–405.
[] 曹磊, 陈光宇, 张营. 2015. 陆相致密砂岩薄互储层正反演定性识别技术研究[J]. 油气藏评价与开发, 5(3): 22–27.
[] 曹彤, 郭少斌. 2013. 高分辨率层序格架约束的地震反演及应用[J]. 科技导报, 31(9): 36–39.
[] 陈飞, 胡光义, 范廷恩, 等. 2015. 渤海海域W油田新近系明化镇组河流相砂体结构特征[J]. 地学前缘, 22(2): 207–213.
[] 董奇, 卢双舫, 张学娟, 等. 2013. 地质统计学反演参数选取及反演结果可靠性分析[J]. 物探与化探, 37(2): 328–332, 337.
[] 何方. 2015.渤海海域河流相储层地震响应特征分析研究[硕士论文].成都:西南石油大学.
[] 胡光义, 陈飞, 范廷恩, 等. 2014. 渤海海域S油田新近系明化镇组河流相复合砂体叠置样式分析[J]. 沉积学报, 32(3): 586–592.
[] 黄哲远, 甘利灯, 戴晓峰, 等. 2012. 随机地震反演关键参数优选和效果分析 (英文)[J]. 应用地球物理, 9(1): 49–56.
[] 井涌泉, 范洪军, 陈飞, 等. 2014. 基于波形分类技术预测河流相砂体叠置模式[J]. 地球物理学进展, 29(3): 1163–1167. DOI:10.6038/pg20140321
[] 李方明, 计智锋, 赵国良, 等. 2007. 地质统计反演之随机地震反演方法-以苏丹M盆地P油田为例[J]. 石油勘探与开发, 34(4): 451–455.
[] 李子顺. 2012. 用宽频带高分辨率地震分析河道砂体层序地层特征[J]. 地学前缘, 19(1): 200–208.
[] 梁宏伟, 吴胜和, 穆龙新, 等. 2013. 应用相控正演模拟方法精细描述河流相储层——秦皇岛32-6油田北区实例[J]. 石油地球物理勘探, 48(6): 978–984, 1015.
[] 刘百红, 李建华, 魏小东, 等. 2009. 随机反演在储层预测中的应用[J]. 地球物理学进展, 24(2): 581–589. DOI:10.3969/j.issn.1004-2903.2009.02.028
[] 刘占族, 张雷, 霍丽娜, 等. 2012. 地质统计学反演在煤层气薄储层识别中的应用[J]. 石油地球物理勘探, 47(S1): 30–34.
[] 慎国强, 孟宪军, 王玉梅, 等. 2004. 随机地震反演方法及其在埕北35井区的应用[J]. 石油地球物理勘探, 39(1): 75–81.
[] 孙思敏, 彭仕宓. 2007. 基于模拟退火算法的地质统计学反演方法[J]. 石油地球物理勘探, 42(1): 38–43.
[] 王晓平, 尚建林, 王林生, 等. 2013. 地质统计反演在准噶尔盆地玛北油田的应用[J]. 新疆石油地质, 34(3): 320–323.
[] 王雅春, 王璐. 2013. 地质统计学反演在杏北西斜坡区储层预测中的应用[J]. 地球物理学进展, 28(5): 2554–2560. DOI:10.6038/pg20130534
[] 汪益宁, 何晓君, 桂琳, 等. 2015. 高精度构造模型在密井网储层预测及剩余油挖潜中的应用[J]. 西安石油大学学报 (自然科学版), 30(6): 17–21.
[] 王兆峰, 魏小东, 陈鑫, 等. 2012. 基于小层约束地震反演技术在T油田的应用[J]. 石油地球物理勘探, 47(4): 637–641.
[] 魏立花, 杨占龙, 韩小锋, 等. 2014. 薄砂体-窄河道地震识别技术研究及其在吐哈盆地SN地区应用[J]. 天然气地球科学, 25(12): 2025–2033.
[] 易平, 林桂康. 2005. 随机地震反演技术及在文昌13-1油田的应用[J]. 石油地球物理勘探, 40(1): 87–91.
[] 印兴耀, 孙瑞莹, 王保丽, 等. 2014. 基于地质统计先验信息的储层物性参数同步反演 (英文)[J]. 应用地球物理, 11(3): 311–320.
[] 张建宁, 韩文功, 阎昭岷, 等. 2006. 单一河道砂体边界地质模型及其地震正演响应特征[J]. 油气地球物理, 4(4): 32–35.
[] 张义, 尹艳树, 秦志勇. 2015. 地质统计学反演在薄砂体储层预测中的应用[J]. 断块油气田, 22(5): 565–569.
[] 闫玲玲, 刘全稳, 张丽娟, 等. 2015. 叠后地质统计学反演在碳酸盐岩储层预测中的应用:以哈拉哈塘油田新垦区块为例[J]. 地学前缘, 22(6): 177–184.