地球物理学进展  2017, Vol. 32 Issue (5): 2168-2175   PDF    
地震谱分解方法在低阻油层储层预测中应用
周家雄, 张国栋     
中海石油(中国)有限公司湛江分公司, 湛江 524057
摘要:20世纪80年代以后,业界意识到了低阻油层的巨大勘探、开发潜力,于是开始了对低阻油层的研究,试图找到低阻油层勘探、开发的有效技术.由于低阻油层是指低测井电阻率油层,而电阻率与地震波阻抗没有物理的相关性,常规的储层预测软件和方法均无法有效预测低阻油层的储层分布,因此尽管经过30多年的研究,低阻油层的储层横向分布预测技术依然少有突破.本文通过地震谱分解的方法来开展低阻油层的储层预测,研究首先采用正演的方法证明地震谱分解方法对低阻储层预测的适用性;其次总结出目前业界应用较为广泛的8种地震谱分解方法的优、缺点及其适用的地质条件和储层类型;然后自主研发了8种地震谱分解方法的软件、多维相关的交互优选算法来进行谱分解方法和数据的降维处理,实现在不降低储层预测精度的同时大幅提高了利用谱分解方法预测低阻储层的效率.研究的储层预测、低阻油层预测和甜点预测结果均通过钻井和油田生产动态资料验证,效果良好.
关键词低阻油层    谱分解    多维交互优选    储层预测    
Application of spectral decomposition in low resistivity reservoir prediction
ZHOU Jia-xiong , ZHANG Guo-dong     
China National Offshore Oil Corporation(CNOOC) Limited company, Zhanjiang branch, Zhanjiang 524057, China
Abstract: Since the 1980s, the industry has realized there is great potential in exploring and developing the low resistivity reservoir. So geoscientists focused on low resistivity reservoir, and attempted to understand and find effective technologies for producing it. However, low resistivity reservoir has no physical relation to seismic impedance. So despite 30 years' hard work, geoscientists only knew the low resistivity reservoir's origin, but for the reservoir description, they were at a loss for what to do, because through normal seismic attributes analysis, impedance inversion, elastic inversion and seismic properties fusion study ways they could not get reasonable low resistivity reservoir prediction result. The paper firstly uses forward model whose geophysical parameters came for real log data, to prove that seismic time-frequency spectral decomposition results can describe low resistivity reservoir and its sweet point. Secondly, because the different algorithm and parameters would get different demonstrations, we have summarized 8 different spectral decomposition approaches' advantages and disadvantages and the reservoir geological properties which they can be applied to. Finally, 8 different spectral decomposition approaches' software has been researched and developed by ourselves. Meanwhile, we have developed multi-dimension interactive time-frequency analysis selection technique to reduce research time, decrease the results data volume and improve the results quality. All the reservoir descriptions and sweet point characterizations have been proved by post-drilled wells' and oil field's production dynamic data.
Key words: low resistivity reservoir     spectrum decomposition     multi-dimension interactive technique     reservoir prediction    
0 引言

低阻油层是指测井电阻率与水层或围岩电阻率相当,常规测井资料难以识别和评价的油层.大多数情况下,低阻油层都与高阻油层伴生发育,因此,开发油田中的低阻油层来稳定油田的产量和提高全油田采收率是业界采取较多的增产措施之一.由于低阻是指地层的测井电阻率是低电阻,其与地震中的波阻抗没有物理的相关性,因此其储层预测一直以来是业界的难题.20世纪80年代以后,业界意识到了低阻油层的巨大勘探、开发潜力,于是开始了对低阻油层的研究,试图找到低阻油层勘探开发的有效技术.经过近30年的研究,低阻油层的成因、流体识别和储层参数评价等方面取得了丰硕的成果,在储层预测技术方面谢玉洪(2011)采用波阻抗反演和地震属性综合分析对低阻储层进行了横向分布的预测,李辉等(2014)也开展了有色反演和地震谱分解的综合低阻储层预测方法研究.但总体来说,目前低阻油层储层的有效预测方法还没有实现突破.

在研究的过程中,笔者发现业界广泛应用地震谱分解技术来进行常规油气藏储层横向分布、厚度和含油气性预测.杨林(2008)分析了地震资料品质对谱分解结果的影响,并探讨了不同地质问题适用的具体频谱属性.张宏(2007)还对4种谱分解方法的算法和局限性进行了对比,并提出了利用本方法进行储层厚度和含油气性预测是可选择的算法,但未涉及数据降维和算法优选的过程.本文尝试利用8种谱分解方法来进行低阻油层的储层预测,研究中为了最大限度降低研究过程中的计算量和数据量,研发了基于多维相关的交互谱分解优选降维做法,形成了一套利用谱分解技术预测低阻油层储层的流程,储层预测效果明显,推动了本区低阻油层的开发.

1 地震谱分解方法简介与特点分析

谱分解技术是地震数据分析和处理的重要工具,广泛应用于地震数据的频谱分析和评价、频率域滤波、地震子波估计和特征描述等方面.该技术从保真、保幅的地震数据中分解出不同频率的振幅属性,通过研究频率-振幅属性,可以解读出比时间剖面更加丰富的地质含义,提高地质异常体和地质目标体的解释、识别、检测的能力,提高地震资料对薄储层的解释能力,并且可以检测出地下储层所含的流体性质.因此,地震谱分解技术作为重要的地震处理方法,越来越受到业界的重视.

1.1 短时傅立叶变换和Gabor变换

信号处理中的傅立叶变换是最简单的一种时频变换方法,它把一个信号分为时间域和频率域来研究,为数字信号分析和处理开辟了一种新的思路(Partyka et al., 1999; Akan and Chaparro, 2001; 蔡瑞等, 2003; 朱庆荣等, 2003; 徐丽英等, 2006).但傅立叶变换有着它的欠缺,虽然用到信号在时间域的全部信息,但给出的仅仅是信号的各个频度分量的均值,不适于非平稳信号的分析.为了分析非平稳信号的时频局部特性,研究中往往从非平稳信号中提取出一小段,对小段信号做傅立叶变换,即可得到这一特定时刻的频率域信息,称为短时傅立叶变换.短时傅立叶变换的特点是将信号分段截取,化为局部平稳信号进行处理,算法成熟,计算速度快.但其受窗函数影响,分辨率受限,用于预测小地质单元时准确度较低.

在资料处理的过程中,短时傅立叶变换的窗函数选取不可能达到任意小,但是当窗函数选择高斯函数时可使时间和频率的分辨率乘积达到最小.也就是说此时的分辨率是最佳的,这时的变换就是Gabor变换.Gabor变换的特点是采用高斯窗函数对信号进行分段处理,兼顾时频分辨率,分辨率优于短时傅立叶变换;但其依旧受窗函数影响,分辨率受限,此外Gabor变换窗函数的大小不随频率变化,限制了其在非平稳信号的不同频率段的应用,此特点限制了该方法在断层复杂和信噪比偏低地区的应用.

1.2 连续小波变换(CWT)

连续小波变换的基本思想是用一组函数去表示或逼近某一信号或函数,这一组函数称为小波基函数系,它是通过基本小波函数的不同尺度的平移和伸缩构成的(高静怀等, 1997; 高静怀等, 2007; 尚帅等, 2015).连续小波变换将信号分解为不同尺度时频原子,较好地适应地震信号的特征,具有分辨率较高,适用于小地质体,特别是薄层的识别和预测(马志霞和孙赞东,2010);缺点是处理过程中小波函数的选取会影响分析效果,先期需要针对预测目的开展试验处理,研究周期较长.

1.3 最大熵

最大熵谱分析由伯格提出来.假设待分析信号是无限的随机平稳过程,但是我们仅观测到这一过程的一部分样点,我们要用这些观测到的数据估算频谱.它的做法是对没有测量的数据不做确定性的假设(周巍等,1998),而采用统计学的方法,利用已知数据的自相关,在假设该信号的信息熵为最大的前提下,采用递推的计算方式推算整个随机过程,计算出该信号的频谱.

最大熵谱分析方法的时间序列的长度可以很短,没有窗函数的限制,具有很高的时间分辨率和频率分辨率,不受到测不准原理的约束,这对非平稳信号具有十分重要的意义.最大熵谱分析方法的时频分辨率与截取的序列长度的平方成正比,信号的序列长度越长,分辨率越高,这点和别的谱分析算法不一致.最大熵谱分析的缺点是对噪声十分敏感,不适用于在地震资料低信噪比的情况.

1.4 广义S变换

Stockwell等(1996)提出的S变换把连续小波变换和短时傅立叶变换的思想结合在一起,是它们的进一步发展.它具有连续小波变换所缺乏的一些优秀的数学性质.S变换是基于一个平移和伸缩局部化的高斯窗函数族,窗函数的时间分辨率和频率分辨率与频率有关(这一点和小波变换一样),同时它也使用傅立叶变换作为它的基函数,这就具有明确的频率意义,并且可以完全回构.

S变换集合了短时傅立叶变换和连续小波变换间的很多优点,很快得到了广泛的应用.但是Stockwell最早提出的S变换的基函数形态是固定的,许多学者(高静怀等,2003Pinnegar and Mansinha, 2003)对S变换进行了进一步发展,提出了很多适合于各自研究领域的类似S变换的基函数,这些都统一称为广义S变换.该变换的特点是窗函数随频率变化,侧重时频分辨率的提高,因此时频分辨率较高,适合薄储层和小地质体的预测.当然,广义S变换法依然受窗函数影响.

1.5 平滑伪魏格纳分布

平滑魏格纳分布是一种二次分布,它描述了数字信号在时频域的能量分布,具有很高的时频分辨率.该方法信号在计算过程中没有窗函数,不受到其他时频分析方法的窗函数限制以及测不准原理的制约,其分辨率高,能量集中,适合针对构造简单,刻画储层物性或岩性的横向细微变化(Li and Zheng, 2008肖高杰等,2008Wu and Liu., 2010).但是由于其双线性结构,当信号由多频率成分组成时,就会出现交叉干扰项的问题,并且当干扰项的能量大于正常的信号能量,频率分辨率也就降低了.

1.6 匹配追踪(MP)算法

由于匹配追踪算法把时频分析方法和最优化理论结合起来,找到最优的时频基函数,弥补常规时频的时间和频率的分辨率的不足(Wang,2007张显文等, 2010).它采用了贪婪算法的原理,计算过程是:首先构建由完备的时频基函数组成的时频字典;在每一次迭代都选取一个最大的时频分解系数,使得残差最小;多次迭代后,当残差小于给定的容差值,迭代过程结束.匹配追逐算法将地震记录分解为由有限个小波基函数的线性组合,突破了窗函数问题,所以匹配追逐算法的时频分辨率很高,但该算法速度较慢,用目前的工作站机进行三维地震频谱分解的时效性较差,笔者在研究过程中多采用小面积的三维或单测线的试验分析.

1.7 反演谱分解

我们知道地震褶积模型指一个地震信号s,是由一个子波w褶积上地下反射系数序列r得到,即w*r=s.将褶积用一个线性系统表示,即一个矩阵与一个向量相乘得到一个向量的形式,得到Wr=s,其中W为子波w的褶积矩阵,它具有佐普利兹矩阵的形式(Portniaguine and Castagna, 2004)地震褶积模型得到的地震记录与输入子波的频率是一致的,而实际地震记录中含有不同的频率成分,所以通过许多不同频率的子波和对应频率的伪反射系数(区别于真实的地下反射系数),地震信号s可以由下式叠加而成,公式为

(1)

wi为单一频率fi的子波,i=1, 2, …, Nfri为其相应的伪反射系数序列.

将上式化为矩阵与向量相乘的线性系统形式可以表示为:

(2)

其中,Wi为频率,是子波wi对应的褶积矩阵;D就代表子波褶积矩阵库;m为伪反射系数序列矢量.

这样给定子波褶积矩阵库D,就可以通过解反问题从地震记录s中分解出伪反射系数序列矢量m.将m化为(r0 r1rNf)的形式,这个数据是以时间和频率为纵横坐标的矩阵形式,即为反演时频谱.该方法把谱分解问题转化为解欠定方程组问题,利用L1-L2范数进行求解而得.从测试的结果来看,反演谱分解的方法是本文列举所有方法中时频分辨率最高的算法,有极强的薄层和小地质体的分辨能力,但缺点是计算速度慢,难以开展大规模三维资料的研究.

1.8 谱分解方法正演研究及用于低阻储层预测的可行性分析 1.8.1 地震谱分解方法正演研究

为了验证谱分解技术预测低阻储层可行性,研究首先通过模型正演来开展研究.图 1是依据本区的井资料中低阻油层与围岩岩石物理参数建立的岩的地质模型,自上而下,蓝色、绿色、深蓝色、淡黄色、棕黄色、紫红色分别代表泥岩、低阻油层、水层、粉砂质泥岩、致密干层、泥岩,其中低阻油层和水层均为泥质粉砂岩,其与粉砂质泥岩在粒度和成因上都非常接近.模型左侧高点目的层中油层最厚的地方为17 m,含水储层为14 m,模型右高点含水储层的最大厚度为14 m.

图 1 低阻油藏地质模型 Figure 1 Low resistivity reservoir model

图 2是利用前面所设计的地质模型,选用45 Hz Ricker子波正演得到的正演地震记录,图中的粉红层位和绿色层位分别对应低阻储层砂岩的顶面和底面,可以看出,正演记录上,储层顶面的相位连续性很好,从这个剖面看到的横向上有一些振幅的变化,但再有经验的物探工程师或地质师都不能确定地解释出岩性的边界和油水界面来.图 3是对正演地震记录利用平滑魏格纳分布进行谱分解分频后从20 Hz至80 Hz不同频率的分频剖面,从图中可以看出:(1) 有效储层(油层和水层)在分频体上储层位置的能量明显强于非储层位置,对比左右两个高点的地震能量,油层位置的能量明显大于水层处的能量;从能量的横向突变(从红黄到绿色)也可以识别出油水的界面及储层与非储层的边界.(2) 相对于合成地震记录(图 2),在分频剖面(图 3)上能较明显地看出油水界面或水层与下部地层的界面,用于识别地层的接触关系相对常规地震剖面更有优势.(3) 从分频体的能量分布看,有效储层处的能量从低频向高频是先逐渐增强后逐渐减弱的过程,在地震资料的主频带附近能量达到最强;高频剖面上有效储层厚且集中的部分(甜点)的振幅较薄储层处反而变弱;而对于非储层,尽管其能量随频率会有一些变化,但相对于有效储层来说,能量变化就显得微不足道了.

图 2 正演地震记录剖面 Figure 2 eismic section of forward model

图 3 正演模型的分频剖面 Figure 3 Spectral sections of forward model

从正演模型的分析可以得出,谱分解技术能够识别出低阻油层与围岩间的细微差异,相对于常规地震资料具有其独特的优势,因此,利用谱分解技术进行低阻储层预测从技术的角度是完全可行的.

1.8.2 谱分解方法预测低阻油层的方法优选

根据各种谱分解的方法原理,我们研发并实现了8种谱分解方法的运算软件.图 4图 5是南海某油田不同谱分解方法获得的主力油组的频谱切片图,研究过程中难以用图 4来分析有利储层分布,而图 5则可清晰判断河道平面分布,从而确定有利储层的分布,所以不同的谱分解方法所能解决的地质问题是不同的.工作中由于机时、工作量、工作效率、人力资源等因素很难做到每一种算法都从头到尾研究一遍,那么如何在试验阶段或研究初期就针对本区的地质特点选定适合且有效的方法来开展本区的储层预测等研究内容,就需要研发一种谱分解算法的优选方法.

图 4 某油田短时窗傅立叶变换谱分解切片 Figure 4 X oil field spectral slices by short time fourier transform

图 5 某油田最大熵变换谱分解切片 Figure 5 X oil field spectral slices by maximum entropy

研究通过大量的分析,最后确定在试验阶段,选择一小块三维开展多种谱分解方法时频分析,然后对各种方法计算的沿目的层段顶面的频谱开展多维互相关运算.当不同方法计算出来的结果越接近,得到的相关系数越大,否则越小,这样获得了两两相关的相关系数矩阵.综合分析相关系数矩阵和不同谱分解算法的优缺点,以及实际处理效果的对比,把8种方法分为2~3组,从而实现数据的降维.然后在每一组方法中只优选出其中一种来开展全工区的处理研究,这样就可以大大节省研究工作量,提高研究的效率,同时还不降低研究成果的质量.

2 低阻油层预测及效果分析

文昌13-2油田珠江组地层分为两段,分别为珠江组一段和珠江组二段.珠江组二段地层地层发育临滨砂坝相,主要为石英砂岩,多发育高孔高渗储层;珠江组一段地层为滨海沉积,发育滨浅海过渡带沉积,物性较差,泥质含量高,多发育低阻储层.本文主要研究对象即为珠江组一段的低阻油层ZJ1-Ⅲ油组.本区地震资料为三维高分辨率资料,主频30~35 Hz.ZJ1-Ⅲ油组埋深约1200 m,油组地层总厚度30~60 m,在油田范围内,该油组在地震剖面上表现为连续的层状地层,顶面同相轴连续,易于追踪对比,层位解释可靠,但砂岩、有效储层、油层、优质储层(甜点)的分布采用常规手段无法有效预测.

研究首先选择小范围三维资料开展谱分解方法的优选,然后,针对全油田开展精细的谱分解研究.工作中对整个油田地震频谱(20~120 Hz)的三维空间变化情况进行了分析,认为ZJ1-Ⅲ油组顶面频率切片能比较好的指示砂体平面分布范围.图 6a~图 6d是文昌13-2油田ZJ1-Ⅲ油组20 Hz、30 Hz、50 Hz、80 Hz的沿顶面的频谱切片.图 6b中红色圈定部分频率能量相对强的区域,通过与正演模型对比,预测为泥质粉砂岩分布区(油层或水层分布范围),外围为粉砂质泥岩分布区.从这些切片中看到30 Hz储层能量达到最强,随着时频分析频率的升高,储层能量逐渐衰减,到80 Hz储层能量衰减最明显,这与正演模型的认识规律完全一致.最后结合油田地质综合研究结果,解释出图 6d中红色多边形范围为含油范围、在红色多边形中的黑色多边形范围为优质储层(甜点)分布范围.

图 6 文昌13-2油田低阻油层顶面各频率时频切片 Figure 6 Wen13-2 oil field frequency spectral slices of top low resistivity reservoir

为了验证利用谱分解技术预测得到的含油范围是否合理,研究中从下面几个方面开展了进一步的分析:1) 与含油面积图对比.前人的研究认为,文昌13-2油田低阻油层为构造型油藏,图 7为该油组含油面积图,图中绿色部分为前人储量计算采用含油面积,蓝色虚线为本次预测含油范围,两者吻合性很好,因此验证了利用谱分解进行含油范围预测的有效性.2) 与实钻井资料对比分析.文昌13-2油田目前共钻探井和开发井20口,其中钻遇低阻油层所在层位的井为18口,各井解释的岩性和含油性均与预测结果相符.3) 与生产动态资料对比分析.图 7中A15、A16为开发低阻油层的水平生产井,其中A16井水平段均处于储层预测的优质储层分布区,而A15井仅有部分井段处于储层预测的优质储层分布区,图 8的动态资料显示A16井的产油量明显高于A15井,这与预测的优势储层(甜点)分布吻合.综上,利用地震谱分解技术预测的有效砂岩、含油面积和优质储层预测结果均属可靠成果,可作为油田下步开发调整的基础.

图 7 文昌13-2油田含油低阻油层面积与预测含油范围叠合图 Figure 7 Wen13-2 oil field overlay map of Low resistivity oil bearing area and its prediction

图 8 文昌13-2油田A15、A16井生产曲线图 Figure 8 A15, A16 production curve of Wen13-2 oil field
3 结论与建议

谱分解技术作为储层预测技术中的有效技术之一在业界已经应用多年,但一直难以推广应用,其原因主要是目前商业软件提供的谱分解方法较为单一,往往难以获得令人满意的储层预测结果.笔者研究认为不同的地质条件所适用的谱分解方法和参数应该是不同的,不合适的方法可能导致储层预测结果不准确的情况.因此,本文在将谱分解方法用于低阻油层的储层预测研究中,通过8种谱分解方法的优缺点分析及算法实现、正演研究和利用多维相关的交互优选算法来进行降维处理,最终获得了良好的储层预测效果.综上,笔者建议在利用谱分解技术开展储层预测的过程中,应结合研究目标的地质特征开展多种谱分解方法的尝试,工作中可借鉴本文利用多维相关的交互优选算法来进行降维处理,使得谱分解技术在储层预测中更具灵活性和实用性.

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
[] Akan A, Chaparro L F. 2001. Evolutionary chirp representation of non-stationary signals via Gabor transform[J]. Signal Processing, 81(11): 2429–2436. DOI:10.1016/S0165-1684(01)00131-1
[] Cai Rui. 2003. Applications of spectral decomposition technique to reservoir prediction[J]. CT Theory and Applications (in Chinese), 12(2): 22–25.
[] Gao J H, Chen W C, Li Y M. 2003. Generalized S transform and seismic response analysis of thin interbeds[J]. Chinese Journal of Geophysics (in Chinese), 46(4): 526–532. DOI:10.3321/j.issn:0001-5733.2003.04.015
[] Gao J H, Wang W B, Zhu G M. 1997. Wavelet transform and instantaneous attributes analysis[J]. Chinese Journal Geophysics (in Chinese), 40(6): 821–832.
[] Gao Jing-Huai, Wu Qian, Chen Wen-Chao, et al. 2007. Instantaneous frequency analysis of seismic data in wavelet transform domain[J]. Geophysical Prospecting for Petroleum(in Chinese), 46(6): 534–540.
[] Li Hui, Zhou Jia-Xiong, Chen Sheng-Hong, et al. 2014. Low resistivity reservoir geophysical integrated prediction of marine[J]. Inner Mongolia Petrochemical Industry (in Chinese)(7): 74–76.
[] Li Yan-Dong, Zheng Xiao-Dong. 2008. Spectral decomposition using Wigner-Ville distribution with applications to carbonate reservoir characterization[J]. The Leading Edge, 27(8): 1050–1057. DOI:10.1190/1.2967559
[] Ma Zhi-Xia, Sun Zan-Dong. 2010. Spectral decomposition technique based on Gabor-Morlet wavelet transform and its application to carbonate reservoir prediction[J]. Geophysical Prospecting for Petroleum (in Chinese), 49(1): 42–45, 53.
[] Partyka G, Gridley J, Lopez J. 1999. Interpretational applications of spectral decomposition in reservoir characterization[J]. The Leading Edge, 18(3): 353–360. DOI:10.1190/1.1438295
[] Pinnegar C R, Mansinha L. 2003. The S-transform with windows of arbitrary and varying shape[J]. Geophysics, 68(1): 381–385. DOI:10.1190/1.1543223
[] Portniaguine O, Castagna J. 2004. Inverse spectral decomposition[C].//SEG 74th Annual International Meeting Expanded Abstracts. Denver:SEG.
[] Shang Shuai, Han Li-Guo, Hu Wei, et al. 2015. Applied research of synchrosqueezing wavelet transform in seismic spectral decomposition method[J]. Geophysical Prospecting for Petroleum (in Chinese), 54(1): 51–55, 82.
[] Stockwell R, Mansinha L, Lowe R P. 1996. Localization of the complex spectrum:the S transform[J]. IEEE Transactions on Signal Processing, 44(4): 998–1001. DOI:10.1109/78.492555
[] Wang Yang-Hua. 2007. Seismic time-frequency spectral decomposition by matching pursuit[J]. Geophysics, 72(1): 13–20.
[] Wu X Y, Liu T Y. 2010. Seismic spectral decomposition and analysis based on Wigner-Ville distribution for sandstone reservoir characterization in West Sichuan depression[J]. Journal of Geophysics and Engineering, 7(2): 126–134. DOI:10.1088/1742-2132/7/2/002
[] Xiao Gao-Jie, Yang Chang-Chun, Fan Xing-Bin, et al. 2008. Application of spectral decomposition method in channel identifying at W area[J]. Progress in Geophysics(in Chinese), 23(2): 568–572.
[] Xie Y H. 2011. The new finding of Neogene marine low-resistivity light oil field in the western part of Pearl River Mouth Basin[J]. Engineering Science (in Chinese), 13(5): 16–22.
[] Xu Li-Ying, Xu Ming-Jie, Chen Zhen-Yan. 2006. Using spectrum decomposition technique for prediction of thin reservoir[J]. Oil Geophysical Prospecting (in Chinese), 41(3): 299–302.
[] Yang Lin. 2008. Discussion on the problems in using the technology of seismic spectral decomposition[J]. Geophysical Prospecting for Petroleum (in Chinese), 47(4): 405–409.
[] Zhang Hong. 2007. Comparison and limitations of seismic spectral decomposition algorithms[J]. Progress in Exploration Geophysics (in Chinese), 30(6): 409–414, 439.
[] Zhang Xian-Wen, Han Li-Guo, Wang Yu, et al. 2010. Seismic spectral decomposition fast matching pursuit algorithm and its application[J]. Geophysical Prospecting for Petroleum (in Chinese), 49(1): 1–6.
[] Zhou Wei, Hao Shou-Ling, Zhao Shu-Yuan. 1998. The comparison of burg algorithm and marple in maximum entropy spectrum analysis[J]. Geophysical Prospecting for Petroleum (in Chinese), 37(2): 118–124.
[] Zhu Qing-Rong, Zhang Yue-Qian, Yu Xing-He, et al. 2003. Application of spectra decomposition to reservoir characterization[J]. Journal of Mineralogy and Petrology (in Chinese), 23(3): 104–108.
[] 蔡瑞. 2003. 谱分解技术在储层预测中的应用[J]. CT理论与应用研究, 12(2): 22–25.
[] 高静怀, 汪文秉, 朱光明. 1997. 小波变换与信号瞬时特征分析[J]. 地球物理学报, 40(6): 821–832.
[] 高静怀, 陈文超, 李幼铭, 等. 2003. 广义S变换与薄互层地震响应分析[J]. 地球物理学报, 46(4): 526–532. DOI:10.3321/j.issn:0001-5733.2003.04.015
[] 高静怀, 吴茜, 陈文超, 等. 2007. 小波变换域地震资料瞬时频率分析方法[J]. 石油物探, 46(6): 534–540.
[] 李辉, 周家雄, 陈胜红, 等. 2014. 海上低阻油层地球物理储层综合预测技术研究及应用——以珠江口盆地文昌X构造ZJ1ⅢU油组为例[J]. 内蒙古石油化工(7): 74–76.
[] 马志霞, 孙赞东. 2010. Gabor-Morlet小波变换分频技术及其在碳酸盐岩储层预测中的应用[J]. 石油物探, 49(1): 42–45, 53.
[] 尚帅, 韩立国, 胡玮, 等. 2015. 压缩小波变换地震谱分解方法应用研究[J]. 石油物探, 54(1): 51–55, 82.
[] 肖高杰, 杨长春, 范兴斌, 等. 2008. 谱分解技术在W区河道识别中的应用[J]. 地球物理学进展, 23(2): 568–572.
[] 谢玉洪. 2011. 珠江口盆地西部新近系海相低阻轻质油田的发现[J]. 中国工程科学, 13(5): 16–22.
[] 徐丽英, 徐鸣洁, 陈振岩. 2006. 利用谱分解技术进行薄储层预测[J]. 石油地球物理勘探, 41(3): 299–302.
[] 杨林. 2008. 地震频谱分解技术应用中有关问题的讨论[J]. 石油物探, 47(4): 405–409.
[] 张宏. 2007. 地震谱分解算法对比与局限性分析[J]. 勘探地球物理进展, 30(6): 409–414, 439.
[] 张显文, 韩立国, 王宇, 等. 2010. 地震信号谱分解匹配追踪快速算法及其应用[J]. 石油物探, 49(1): 1–6.
[] 周巍, 郝守玲, 赵树元. 1998. 最大熵谱分析中Burg算法和Marple算法比较[J]. 石油物探, 37(2): 118–124.
[] 朱庆荣, 张越迁, 于兴河, 等. 2003. 分频解释技术在表征储层中的运用[J]. 矿物岩石, 23(3): 104–108.