页岩气非常规天然气资源具有发现“容易”,开采“难”的特点.90%以上的页岩气储层自然产能极低,经过水力压裂等改造措施才能实现商业开发(杨瑞召等,2012).在页岩气勘探开发区块中页岩气藏甜点区优选是成功开采页岩气藏的关键因素之一(房大志,2013).国内外页岩气开发井的压裂改造过程中,如何选择最优压裂层段是地球物理工作者面临的一大难题.可压裂性(Fracability)是页岩储层具有能够被有效压裂从而增产能力的性质,专指是否容易压裂和能够达到预期的压裂效果,可压裂性与可生产性、可持续性是页岩气井评价的关键参数(Chong et al., 2010;侯冰等,2014).Breyer等(2010)认为页岩可压裂性与材料韧性和脆性相关,可以用杨氏模量和泊松比来表征.李文阳等(2013)提出页岩储层可压裂性是页岩气“甜点”选择过程中的重要因素之一,主要内容是评价裂缝和层理、水平应力差、页岩脆性等储层参数.利用相关的地球物理技术(特别是地震勘探技术)来预测页岩储层的可压裂性,是目前页岩气勘探开发领域亟须解决的关键问题之一.本文在简述页岩可压裂性岩石物理分析进展的基础上,介绍页岩储层可压裂性地震预测方法进展,包括裂缝、脆性和地应力三方面地震预测方法,最终提出页岩储层可压裂性地震预测的发展建议.
1 页岩可压裂性岩石物理分析进展综合地质解释、测井解释、岩芯等资料建立岩石物性与页岩储层可压裂性(岩石脆性、地应力、各向异性)之间的关系,提供页岩储层的可压裂性评价的重要参数.页岩可压裂性岩石物理分析主要有3方面进展:
(1) 含水饱和度对页岩脆性的影响.Gong等(2016)通过超声波测量一系列合成页岩样品探讨水饱和度对岩石脆性的影响.为了减少由多种矿物引起的其他因素的影响,采用相同的矿物组分在不同的成岩压力条件下(25 MPa、50 MPa、75 MPa、100 MPa、125 MPa和150 MPa)制作了6件样品.研究结果表明样品成岩压力越大,其杨氏模量越大,泊松比越小,脆性越大.与干样品相比,随着含水饱和度的增加样品杨氏模量略有降低;与杨氏模量相比,泊松比对水更加敏感.含水饱和度的增加导致样品脆性显著减小.含水饱和度对合成样品弹性性质的影响会随着方向而变化,并且弹性性质的不同与成岩压力相关.Mikhaltsevitch等(2016)通过实验研究美国西部白垩纪Mancos页岩含水饱和度对页岩P波各项异性的影响.样品分别是沿着垂直层理方向和平行层理方向取芯,并且在9.0%、32.5%、40.0%和97.5%不同的含水饱和度条件下进行实验研究.实验室测量的频率范围为0.1 Hz到100 Hz,围压10 MPa.实验室测量显示随着含水饱和度增加,样品的杨氏模量减小.
(2) 用超声波和地震速度研究页岩应力路径.时延(四维)地震是监测未采出油气资源或识别CO2封存泄漏的强大技术.Holt等(2016)通过实验研究,估算上覆页岩的地震速度对孔隙压力变化的敏感性.超声波和地震频段范围的实验测量均表明应力和应力路径都依赖于速度.岩心和露头页岩样品实验表明,当假设应力敏感性呈线性变化时,应力路径的敏感性预测对页岩是有效的,并与上覆盖层的破坏和流体的注入位置有关.此外,页岩储层在地震频带范围的应力敏感性与页岩储层矿物颗粒的分散机制相关,且比超声波频带范围内的应力敏感性更强.实验获得的这些认识是分析与油气藏开发或地下CO2成功封存相关的四维地震数据研究中的重要部分.
(3) 岩石物理分析页岩各向异性.Ren和Spikes(2015)模拟了具有复杂微观结构的Eagle Ford页岩的各向异性弹性性质.模拟结果和实际数据分析表明:随着粘土含量或孔隙度与干酪根总体积的增加,C33和C44呈减小的趋势;页岩各向异性随着干酪根和孔隙度的增加而增加,而各向异性随着粘土含量增加而增加直到遇到拐点.Yan等(2016)研究了页岩地震各向异性参数之间的相关性.在实验室速度各向异性测量中,C13和Thomsen参数δ的测定存在显著的不确定性.如果在多个斜方向上测量速度,则不确定性可以显著降低.对于页岩,C13实际上受到C11、C33和C66的约束.C13的实际边界用来评估实验室速度各向异性测量的数据质量控制.当使用高质量控制的数据体时,C13和其他TI参数之间及Thomsen参数δ与其他Thomsen参数之间存在强相关性.
2 页岩储层裂缝地震预测方法页岩储层裂缝发育程度直接影响页岩气富集程度与压裂改造效果.利用地震资料进行裂缝检测的方法研究,先后经历了横波勘探、多波多分量勘探和纵波裂缝检测等几个阶段(丁文龙等,2011).近几年来,利用纵波地震资料预测裂缝取得了长足的进步,由以前的定性描述向定量计算裂缝发育的方位和密度发展.目前页岩储层裂缝地震预测方法主要有三方面的进展:页岩裂缝检测成像新技术、地震属性技术预测裂缝和方位各项异性裂缝预测方法.页岩储层裂缝成像新技术可提高非均匀储层成像质量和裂缝预测精度.刘喜武等(2015)提出基于全方位地下局部角度域分解与成像技术可以较好利用宽方位地震数据;成像与反演一体化技术流程在四川盆地涪陵页岩气储层表征中初步应用,有效提取目的层HTI各向异性特征来确定各向异性发育的方向和强度.目前常规的裂缝解释是基于反射成像,国外学者Sturzu等(2015)提出了一种新方法—绕射成像预测小尺度裂缝,该方法用于Eagle Ford shale,深度偏移与绕射成像深度切片对比可见绕射成像可以反映更多裂缝信息,叠前深度偏移剖面上叠加了绕射成像可以优化井位;将该方法应用于密西西比页岩地层,绕射成像切片更清晰的反映出地层中裂缝的发育方向.未来,解释人员可综合利用标准的反射成像和绕射成像进行地质解释,反射成像提供主要的地层构造框架,绕射成像补充传统地震资料处理,为解释人员提供小规模、潜在重要构造细节例如裂缝等信息.
宽方位三维地震叠后偏移数据中对裂缝敏感属性有相干和相关属性、方位属性和曲率属性(张宇生等,2013).徐天吉等(2015)基于分方位与全方位叠加地震数据研究川西坳陷须五段页岩气藏地震各向异性指出,地震曲率和相干属性在裂缝走向、发育密度、网络连接特征等方面能实现精细解释;曲率和相干属性在描述断层、大尺度裂缝方面具有相似能力,但在小尺度和微裂缝刻画方面,曲率属性的分辨能力更强.近年国外学者又提出新的地震属性技术检测页岩储层裂缝发育情况.Prakash等(2013)在Makhul页岩储层物性地震数据描述中,利用多属性融合技术改进对断层的检测,提高了裂缝的预测精度.Qi和Castagna(2013)结合谱分解和主成分分析(PCA)进行断层检测,与相关系数和曲率相比,PCA断层属性更好地检测小构造和与岩溶有关的断层.该方法应用于Barnett页岩,有效地识别与岩溶和构造有关的断层.对于非常规储层裂缝预测,Zhang等(2016)提出了基于P波地震的多尺度裂缝预测流程,即通过叠后几何属性(包括相干体、蚂蚁体、曲率体等)预测大尺度裂缝,叠前方位振幅属性预测中尺度裂缝密度和走向,测井成像预测天然裂缝,最后达到多尺度预测裂缝.多尺度裂缝预测技术目前已成为非常规页岩储层裂缝预测的常规方法.
纵波方位各向异性裂缝预测方法应用较为广泛,通过对不同方位角地震数据的属性求取来拟合各向异性椭圆,从而预测储层裂缝的分布特征.为了优化目前方位各向异性裂缝预测方法应用中地震属性的求取和优选过程,孙炜等(2014a)提出了采用基于HTI介质的各向异性正演来实现方位各向异性椭圆拟合地震属性优选的新思路.在对含有方位角信息的多个叠加数据体进行叠后偏移时,往往使用同一偏移速度未顾及速度方位各向异性的做法会导致预测结果的不准确.孙炜等(2014b)采用在方位角道集上进行速度分析、在偏移过程中保留地震资料的速度方位各向异性信息的改进措施,提高裂缝预测精度.在利用叠前方位数据预测裂缝走向过程中存在90°模糊的问题.针对该问题,宗兆云提出了基于方位杨氏模量椭圆分析的裂缝预测方法①.基于方位杨氏模量椭圆分析的裂缝预测方法是通过方位杨氏模量直接反演方法得到不同方位杨氏模量,利用最小二乘椭圆拟合方法分析方位杨氏模量进而预测裂缝密度及发育方向.不同信噪比模型预测的裂缝方向一致表明该方法比较稳定抗噪性强.基于方位杨氏模量椭圆分析的裂缝预测方法应用于罗家工区沙河街组泥页岩,基于方位杨氏模量椭圆分析的地层裂缝走向是15°,与测井解释的结果一致.
① 宗兆云. 2016.裂缝型储层地震预测方法[R].
3 页岩脆性地震预测方法脆性页岩有利于页岩气的开采,因此页岩脆性评价具有重要的实践意义.页岩脆性的研究方法多达20余种,其中主要有:应用三轴压缩实验、X-衍射实验等室内试验的方法,及利用岩石弹性参数和矿物成分组合对页岩脆性特征进行综合评价.目前,利用地震资料预测页岩脆性的方法主要有以下3种.
(1) 以叠前弹性参数同时反演为核心的地震预测技术
目前,常用的页岩脆性地球物理预测技术是在页岩岩石物理建模和脆性特征分析基础上,以叠前弹性参数同时反演为核心的地震预测技术.杨氏模量和泊松比可用作评价岩石脆性的参数.杨氏模量越大,泊松比越低,页岩脆性越高.利用杨氏模量(E)和泊松比率(PR)计算脆性指数(BI)公式为(Rickman et al., 2008):
(1) |
叠前地震反演是从地震资料中获取岩石力学参数的有效途径.由于正演算法的不同,叠前地震反演可以分为基于射线追踪和Zoeppritz方程及其近似的AVO反演和基于全波波动方程的全波形反演.地震全波形反演由于其计算效率和分辨能力有限,目前主要用于地震速度建模.相比全波形反演,AVO反演能够综合测井等多尺度资料的信息,其在储层预测和流体识别方面的高效性及高分辨率特征,一直备受人们青睐.印兴耀等(2014)提出利用Connolly弹性阻抗方程从三个角度反演结果中通过计算提取纵、横波速度和密度参数的方法,继而可以得到纵、横波阻抗,拉梅常数,泊松比等丰富多样的岩性参数,从而进行地下储层的展布情况及含油气性预测.董宁等(2013)基于Zoeppritz方程近似方程和贝叶斯参数估计理论,用协方差矩阵来描述参数间的相关程度,然后用参数间的岩石物理关系对反演结果进行约束,从而得到页岩层的纵波、横波和密度信息,进而定量描述页岩脆性.以叠前弹性参数同时反演为核心的地震预测技术能较好地定量预测四川盆地东部JN地区侏罗系东岳庙段陆相页岩脆性,通过已知井检验,地震预测的脆性指数与脆性矿物含量有较好的一致性.张广智等(2014)等推导了基于Eρ、泊松比和密度的纵波和转换波反射系数近似方程,利用典型模型对新推导的反射系数方程做精度分析,当入射角小于30°时,新推导的反射系数公式具有较高的精度;其次,充分利用纵波和转换波的信息,在贝叶斯的框架下,建立叠前纵横波联合反演流程,进行Eρ、泊松比和密度的直接反演,避免了间接反演带来的累积误差.以叠前弹性参数同时反演为核心的岩石脆性地震预测技术通过间接计算的方法,由于密度项的干扰,影响脆性计算结果可靠性.中国石化石油物探技术研究院2015年推导了基于杨氏模量和泊松比的反射系数方程,提出了杨氏模量、泊松比叠前直接反演方法预测岩石脆性.四川盆地某井反演测试表明:直接反演杨氏模量和泊松比的方法有效避开密度项干扰,因此可使用较少的叠前数据且不再对大偏移距有依赖性要求,通过部分叠加可增强信噪比,具有良好的应用前景.将该方法应用于研究区龙马溪-五峰组页岩脆性预测,预测结果垂向上分辨率较高,且空间变化与已有钻井变化规律一致.
(2) 地震属性Eρ预测岩石脆性
Sharma和Chopra(2015)提出的Eρ属性是综合表征杨氏模量和密度的属性,能有效预测岩层脆性,该方法克服了没有长偏移距地震数据预测岩石脆性的问题.提取Eρ属性方法流程: ①同时反演得到纵、横波阻抗体;②按Sharma和Chopra(2015)提出的Eρ计算公式,将阻抗体转换为Eρ属性数据体.在加拿大Montney area进行实际应用,加拿大Montney area的地震资料为长偏移,入射角高达49°,叠前同时反演能准确得到密度参数.Eρ属性预测的Montney组页岩脆性区域与E、σ预测的脆性区域是一致的,验证了该方法的可靠性(图 1).Ruiz and Stewart(2016)利用3D-3C地震资料采用Sharma and Chopra(2015)公式预测Marcellus Shale的脆性,通过3口井的脆性结果对比发现,Marcellus Shale下段底部的灰色层段对应于Marcellus Shale下段高TOC层段,该层段具有最低的粘土含量、高的脆性(利用矿物组分含量计算的脆性指数Jarvie’s等(2007)),3口井的Eρ属性脆性预测结果与矿物组分含量计算的脆性指数是一致的.
(3)λρ-μρ模板预测脆性
Altamar and Marfurt(2014, 2015)利用地震资料预测非常规储层(Barnett Shale)脆性.方法流程:(1)用一口井的元素捕获能谱测井(ECS)及弹性参数测井建立2D λρ-μρ脆性模板;(2)叠前地震反演计算λρ和μρ数据体,利用4096(64×64)种颜色给输出体颜色编码,采用脆性模板预测BI;(3)利用微地震事件验证预测脆性的有效性.利用λρ-μρ模板预测Barnett Shale下段岩石脆性,预测结果表明Barnett Shale下段上部岩石脆性较高.利用微地震事件验证,发现大多数微地震事件发生在脆性较高的区域.Barnett页岩λρ-μρ模板不具有普遍适用性.在其他地区应用该方法预测页岩脆性时,建议利用研究区代表性的测井建立特定模板.
综上可知,λρ-μρ模板预测脆性不具有普遍适用性.如果研究区地震资料为长偏移距地震资料(入射角大于30°)可通过以叠前弹性参数同时反演为核心的地震预测技术准确的预测岩石脆性;如果研究区地震资料入射角小于30°,需要采用杨氏模量、泊松比叠前直接反演方法和地震属性Eρ技术较准确预测岩石脆性,从而克服了没有长偏移距地震数据预测岩石脆性的局限性.
4 页岩地应力地震预测方法地应力的精确预测是对页岩地层进行水平井钻井轨迹设计和压裂的基础.一般认为,储层地应力部分取决于上覆地层的压力,前人总结水平应力和垂直应力的关系是泊松比的简单函数,这就是最早使用的各向同性地应力预测模型.Iverson(1995)假设地下岩层初始状态下水平方向是受到限制的,也就是初始状态下水平方向的应变为零,同时符合弹性应变的假设,通过反演得到的弹性信息就可以得到地应力场.Iverson(1995)提出在宽方位角(方位角大于40°)地震数据上,通过AVO反演各向异性的弹性参数,同样可以得到任意地方的地应力,并由此提出了各项异性地应力预测模型.另外,利用线性滑动理论(LST)化简胡克定律,再通过柔度张量作为中介来反演从而得到应力场(Schoenberg and Sayers, 1995).Gray等(2010)改进了Iverson(1995)提出的经验公式,直接从地震数据得到三个主应力.Gray等(2012)认为在裂缝存在区域,应变是连续变化的,然而水平主应力可能会因为岩石弹性参数的变化而发生突变,提出基于应变的求取地应力的方法.Staněk等(2015)通过微地震事件震源机制反演分析地应力.微地震位置和震源机制可以获得缝网特征和地应力方向.该研究输入数据是北美页岩气储层水力压裂过程中采集数据的手动拾取振幅反演的震源机制,通过震源机制反演得到地应力方向(σ1、σ2、σ3),最终获得研究区最大区域地应力为垂直方向,最大水平应力方向为75°.
国内关于地应力的研究起步比较晚,主要是利用测井资料预测地应力(范翔宇等,2012;邓金根等,2013).目前,利用地震资料预测应力场主要是应力场数值模拟技术.该技术是针对张裂缝的地层构造,从构造力学出发,利用地层的几何信息、岩性信息、岩石物理信息等建立地质模型、力学模型和数学模型,运用三维有限差分数值模拟方法对地层的应力场进行模拟,研究区域应力场与构造裂缝分布的关系,计算地层面的曲率张量,变形张量和应力场张量,从而得到主曲率、主应变和主应力、主应力方向等参数(王银和厚东琳,2015).应力场数值模拟技术可获得区域宏观的应力状态,但缺少局部的应力变化细节.张广智等(2015)在分析页岩构造特征的基础上,提出了适用于页岩地层的岩石物理等效模型的建立流程,并以此为基础实现了最小水平地应力的有效预测.中国石化石油物探技术研究院经过近两年的持续研发,以四川盆地某地区龙马溪组页岩为研究靶区,开发完成了针对页岩储层的地应力预测模块.基于叠前地震资料反演的地应力预测方法针对页岩储层地球物理特征,选取地应力敏感弹性参数,通过推导地应力与地震反射特征的近似关系式,利用AVAZ反演方法预测储层各向异性参数,最终实现地应力地震预测.通过技术攻关,中国石化石油物探技术研究院建立了以叠前AVAZ反演为核心的地应力地震预测技术流程,在计算过程中创新性的加入构造应力校正项,从而进一步的提高预测精度,最终获得了高精度的地应力预测结果.目前该技术已经在四川盆地多个页岩气开发区进行了推广应用,良好的预测效果充分证明了该项技术在页岩储层地应力预测方面具有良好的推广应用前景.
5 结论和建议 5.1地震技术可以描述页岩储层空间分布特征.页岩可压裂性岩石物理分析是地震预测页岩可压裂性的依据和基础,其进展主要为含水饱和度对页岩脆性的影响、用超声波和地震速度研究页岩应力路径及岩石物理分析页岩各项异性.近年来,裂缝预测由以前的定性描述向利用纵波资料定量计算裂缝发育的方位和密度方向发展,新进展主要为页岩裂缝检测成像新技术(绕射成像和基于全方位地下局部角度域成像)、新地震属性技术预测裂缝和方位各项异性裂缝预测方法(改进的方位各向异性裂缝预测方法和基于方位杨氏模量椭圆分析的裂缝预测方法);未来,解释人员可综合利用标准的反射成像和绕射成像进行裂缝解释.利用地震资料预测页岩岩石脆性的主要方法为以叠前弹性参数同时反演为核心的地震预测技术、地震属性Eρ预测岩石脆性和λρ-μρ模板预测脆性.如果研究区地震资料为长偏移距地震资料(入射角大于30°)可通过以叠前弹性参数同时反演为核心的地震预测技术准确的预测岩石脆性;如果研究区地震资料入射角小于30°,需要采用杨氏模量、泊松比叠前直接反演方法和地震属性Eρ技术较准确预测岩石脆性,从而克服了没有长偏移距地震数据预测岩石脆性(E).国外页岩地应力地震预测方法进展主要有:基于宽方位地震资料AVO反演的地应力预测方法、基于应变的求取地应力的方法、基于微地震事件震源机制反演分析地应力;国内,利用地震资料预测应力场主要是应力场数值模拟技术和基于叠前地震资料反演的地应力预测方法.
5.2从上可知,利用地震资料预测裂缝和地应力的新方法都是基于方位各向异性来实现的,而页岩自身的颗粒排列结构、内部裂缝以及地应力在地震数据上都会产生较强的各向异性,还无法从机理上有效的区分出这些因素各自的影响,更无法预测页岩储层中的低角度层理缝.低角度层理缝也影响页岩可压裂性,因此有必要开展基于正交介质的裂缝岩石物理建模研究和基于正交介质的裂缝预测技术研究综合预测页岩储层裂缝发育情况.在实际压裂区域优选过程中,页岩可压裂性应全面考虑裂缝发育情况、岩石脆性和地应力等多方面的因素;并且综合利用地质、测井和地震资料评价页岩可压裂性.
致谢 感谢审稿专家提出的修改意见和编辑部的大力支持![] | Altamar R P, Marfurt K. 2014. Mineralogy-based brittleness prediction from surface seismic data:Application to the Barnett Shale[J]. Interpretation, 2(4): T255–T271. DOI:10.1190/INT-2013-0161.1 |
[] | Altamar R P, Marfurt K J. 2015. Identification of brittle/ductile areas in unconventional reservoirs using seismic and microseismic data:Application to the Barnett Shale[J]. Interpretation, 3(4): T233–T243. DOI:10.1190/INT-2013-0021.1 |
[] | Breyer J A, Alsleben H, Enderlin M B. 2010. Predicting fracability in shale reservoirs[C].//AAPG Search and Discovery Article, AAPG Hedberg Conference. Austin, Texas:AAPG. https://www.researchgate.net/publication/285022645_Predicting_fracability_in_shale_reservoirs |
[] | Chong K K, Grieser W V, Passman A, et al. 2010. A completions guide book to shale-play development:A review of successful approaches toward shale-play stimulation in the last two decades[C].//Canadian Unconventional Resources and International Petroleum Conference. Calgary, Alberta, Canada:SPE. http://www.researchgate.net/publication/254531561_a_completions_roadmap_to_shale-play_development_a_review_of_successful_approaches_toward_shale-play_stimulation_in_the_last_two_decades |
[] | Deng J G, Chen Z R, Geng Y N, et al. 2013. Prediction model for in-situ formation stress in shale reservoirs[J]. Journal of China University of Petroleum, 37(6): 59–64. |
[] | Ding W L, Xu C C, Jiu K, et al. 2011. The research progress of shale fractures[J]. Advances in Earth Science, 26(2): 135–144. |
[] | Dong N, Xu J, Sun Z D, et al. 2013. Shale brittleness prediction by geophysical methods[J]. Oil Geophysical Prospecting, 48(S1): 69–74. |
[] | Fan X Y, Kang H T, Gong M, et al. 2012. Fine calculation method study of crustal stress of high-steep conformation in Northeast Sichuan[J]. Journal of Southwest Petroleum University (Science & Technology Edition), 34(3): 41–46. |
[] | Fang D Z. 2013. Key factors of shale gas development[J]. Science & Technology Review, 31(31): 70–74. |
[] | Gong F, Di B R, Zhao J G, et al. 2016. Experimental Investigation of water saturation on brittleness of synthetic shale with different diagenetic pressure[C].//SEG International Exposition and 86th Annual Meeting, 3179-3183. http://www.researchgate.net/publication/315005884_The_Effect_of_Water_Saturation_on_Brittleness_of_Synthetic_Shale_with_Different_Diagenetic_Pressure |
[] | Gray D, Anderson P, Logel J, et al. 2010. Principle Stress estimation in shale plays using 3D seismic[J]. GeoCanada: 1–4. |
[] | Gray D, Anderson P, Logel J, et al. 2012. Estimation of stress and geomechanical properties using 3D seismic data[J]. First Break, 30: 59–68. |
[] | Holt R, Bauer A, Bakk A, et al. 2016. Stress-path dependence of ultrasonic and seismic velocities in shale[C].//SEG International Exposition and 86th Annual Meeting, 3159-3163. https://www.researchgate.net/publication/307880398_Stress-path_dependence_of_ultrasonic_and_seismic_velocities_in_shale |
[] | Hou B, Chen M, Wang K, et al. 2014. The key index system of fracability evaluation in gas shale reservior[J]. Journal of Petrochemical Universities, 27(6): 42–49. |
[] | Iverson W P. 1995. Closure stress calculations in anisotropic formations[R]. SPE Paper 29598. https://www.researchgate.net/publication/254503931_Closure_Stress_Calculations_in_Anisotropic_Formations |
[] | Jarvie D M, Hill R J, Ruble T E, et al. 2007. Unconventional shale-gas systems:The mississippian barnett shale of north-central Texas as one model for thermogenic shale-gas assessment:AAPG Bulletin, 91, 475-499[J]. AAPG Bulletin, 91: 475–499. DOI:10.1306/12190606068 |
[] | Li W Y, Zou H L, Wu C Z, et al. 2013. An analysis of shale gas development in view of engineering technologies[J]. Acta Petrolei Sinica, 34(6): 1218–1224. |
[] | Liu X W, Liu Z Y, Ning J R, et al. 2015. Full azimuth subsurface local angle domain imaging based anisotropy characterization for shale gas reservoir[J]. Progress in Geophysics, 30(2): 853–857. DOI:10.6038/pg20150250 |
[] | Mikhaltsevitch V, Lebedev M, Gurevich B. 2016. A laboratory study of the elastic anisotropy in the Mancos shale at seismic frequencies[C].//SEG International Exposition and 86th Annual Meeting, 3174-3178. https://www.researchgate.net/publication/307881119_A_laboratory_study_of_the_elastic_anisotropy_in_the_Mancos_Shale_at_seismic_frequencies |
[] | Prakash A, Husain R, Amar N M. 2013. Deciphering reservoir properties of Makhul Shale formation through seismic data for shale resources exploration in the state of Kuwait[C].//SEG International Exposition and 83th Annual Meeting, 1410-1415. http://www.researchgate.net/publication/269042565_Deciphering_reservoir_properties_of_Makhul_Shale_formation_through_seismic_data_for_shale_resources_exploration_in_the_state_of_Kuwait |
[] | Qi J, Castagna J. 2013. Application of a PCA fault-attribute and spectral decomposition in Barnett Shale fault detection[C].//SEG International Exposition and 83th Annual Meeting. Houston, Texas:SEG, 1421-1425. https://www.researchgate.net/publication/269232963_Application_of_a_PCA_fault-attribute_and_spectral_decomposition_in_Barnett_Shale_fault_detection |
[] | Ren Q, Spikes K. 2015. Modeling the anisotropic elastic property of the Eagle Ford Shale with complex micro-scale fabric[C].//SEG International Exposition and 85th Annual Meeting, 3042-3047. http://www.researchgate.net/publication/299906718_Modeling_the_anisotropic_elastic_property_of_the_Eagle_Ford_Shale_with_complex_micro-scale_fabric |
[] | Rickman R, Mullen M J, Petre J E, et al. 2008. A practical use of shale petrophysics for stimulation design optimization:All shale plays are not clones of the Barnett shale[C].//SPE Annual Technical Conference and Exhibition. Denver, Colorado, USA:SPE. http://www.researchgate.net/publication/254528250 |
[] | Ruiz F, Stewart R. 2016. Reservoir quality indicators from well logs and 3D-3-C seismic in the Marcellus Shale[C].//SEG International Exposition and 86th Annual Meeting.Dallas, Texas:SEG, 3098-3102. http://www.onepetro.org/conference-paper/SEG-2016-13971068 |
[] | Schoenberg M, Sayers C M. 1995. Seismic anisotropy of fractured rock[J]. Geophysics, 60(1): 204–211. DOI:10.1190/1.1443748 |
[] | Sharma R K, Chopra S. 2015. Determination of lithology and brittleness of rocks with a new attribute[J]. The Leading Edge, 34(5): 554–564. DOI:10.1190/tle34050554.1 |
[] | Staněk F, Jechumtálová Z, Eisner L. 2015. Stress field orientation inverted from source mechanisms of microseismic events induced by hydraulic fracturing and geomechanical interpretation[C].//SEG International Exposition and 85th Annual Meeting, 2552-2556. http://www.researchgate.net/publication/299906278_Stress_field_orientation_inverted_from_source_mechanisms_of_microseismic_events_induced_by_hydraulic_fracturing_and_geomechanical_interpretation |
[] | Sturzu I, Popovici A M, Moser T J, et al. 2015. Diffraction imaging in fractured carbonates and unconventional shales[J]. Interpretation, 3(1). |
[] | Sun W, He Z L, Li Y F, et al. 2014a. Seismic attributes optimization for fractures prediction based on the anisotropy forwarding of the HTI media[J]. Geophysical Prospecting for Petroleum, 52(2): 223–231. |
[] | Sun W, He Z L, Li Y F, et al. 2014b. An improved method of fracture prediction based on P-wave anisotropy and its application[J]. Oil Geophysical Prospecting, 49(6): 1170–1178. |
[] | Wang Y, Hou D L. 2015. FL area shale gas "sweet spot" seismic prediction method[J]. Science and Technology of West China, 14(5): 35–37. |
[] | Xu T J, Yan L L, Cheng B J, et al. 2015. Seismic anisotropy of shale gas reservoirs in the 5th member of the Xujiahe Formation in western depression of Sichuan Basin[J]. Oil & Gas Geology, 36(2): 319–329. |
[] | Yan F Y, Han D H, Sil S, et al. 2016. Correlations between the seismic anisotropy parameters for shales[C].//SEG International Exposition and 86th Annual Meeting, 3190-3194. http://www.researchgate.net/publication/307880490_Correlations_between_the_seismic_anisotropy_parameters_for_shales?ev=prf_high |
[] | Yang R Z, Zhao Z G, Pang H L, et al. 2012. Shale gas sweet spots:Geological controlling factors and seismic prediction methods[J]. Earth Science Frontiers, 19(5): 339–347. |
[] | Yin X Y, Cui W, Zong Z Y, et al. 2014. Petrophysical property inversion of reservoirs based on elastic impedance[J]. Chinese Journal of Geophysics, 57(12): 4132–4140. DOI:10.6038/cjg20141224 |
[] | Zhang G Z, Chen J J, Chen H Z, et al. 2015. Prediction for in-situ formation stress of shale based on rock physics equivalent model[J]. Chinese Journal of Geophysics, 58(6): 2112–2122. DOI:10.6038/cjg20150625 |
[] | Zhang G Z, Du B Y, Li H S, et al. 2014. The method of joint pre-stack inversion of PP and P-SV waves in shale gas reservoirs[J]. Chinese Journal of Geophysics, 57(12): 4141–4149. DOI:10.6038/cjg20141225 |
[] | Zhang W L, Chen S Q, Wang J, et al. 2016. Multi-scale fracture prediction using p-wave data-A case study[C].//78th EAGE Conference & Exhibition, EAGE. http://www.researchgate.net/publication/315003380_Multi-scale_Fracture_Prediction_Using_P-wave_Data_-_A_Case_Study |
[] | Zhang Y S, Liang X, Yu G, et al. 2013. Application effect of wide-azimuth 3D seismic attribute in predicting shale microfractures in MA exploration area[J]. Journal of Yangtze University (Natural Science Edition), 10(26): 68–70, 84. |
[] | 邓金根, 陈峥嵘, 耿亚楠, 等. 2013. 页岩储层地应力预测模型的建立和求解[J]. 中国石油大学学报(自然科学版), 37(6): 59–64. |
[] | 丁文龙, 许长春, 久凯, 等. 2011. 泥页岩裂缝研究进展[J]. 地球科学进展, 26(2): 135–144. |
[] | 董宁, 许杰, 孙赞东, 等. 2013. 泥页岩脆性地球物理预测技术[J]. 石油地球物理勘探, 48(S1): 69–74. |
[] | 范翔宇, 康海涛, 龚明, 等. 2012. 川东北山前高陡构造地应力精细计算方法[J]. 西南石油大学学报(自然科学版), 34(3): 41–46. |
[] | 房大志. 2013. 页岩气藏开发的关键因素[J]. 科技导报, 31(31): 70–74. DOI:10.3981/j.issn.1000-7857.2013.31.012 |
[] | 侯冰, 陈勉, 王凯, 等. 2014. 页岩储层可压性评价关键指标体系[J]. 石油化工高等学校学报, 27(6): 42–49. |
[] | 李文阳, 邹洪岚, 吴纯忠, 等. 2013. 从工程技术角度浅析页岩气的开采[J]. 石油学报, 34(6): 1218–1224. DOI:10.7623/syxb201306026 |
[] | 刘喜武, 刘志远, 宁俊瑞, 等. 2015. 基于全方位地下局部角度域成像的页岩气储层各向异性预测[J]. 地球物理学进展, 30(2): 853–857. DOI:10.6038/pg20150250 |
[] | 孙炜, 何治亮, 李玉凤, 等. 2014a. 基于HTI介质各向异性正演的裂缝预测属性优选[J]. 石油物探, 53(2): 223–231. |
[] | 孙炜, 何治亮, 李玉凤, 等. 2014b. 改进的方位各向异性裂缝预测方法及其应用[J]. 石油地球物理勘探, 49(6): 1170–1178. |
[] | 王银, 厚东琳. 2015. FL地区页岩气"甜点"地震预测技术——以FL地区自流井组大安寨段为例[J]. 中国西部科技, 14(5): 35–37. |
[] | 徐天吉, 闫丽丽, 程冰洁, 等. 2015. 川西坳陷须五段页岩气藏地震各向异性[J]. 石油与天然气地质, 36(2): 319–329. DOI:10.11743/ogg20150218 |
[] | 杨瑞召, 赵争光, 庞海玲, 等. 2012. 页岩气富集带地质控制因素及地震预测方法[J]. 地学前缘, 19(5): 339–347. |
[] | 印兴耀, 崔维, 宗兆云, 等. 2014. 基于弹性阻抗的储层物性参数预测方法[J]. 地球物理学报, 57(12): 4132–4140. DOI:10.6038/cjg20141224 |
[] | 张广智, 陈娇娇, 陈怀震, 等. 2015. 基于页岩岩石物理等效模型的地应力预测方法研究[J]. 地球物理学报, 58(6): 2112–2122. DOI:10.6038/cjg20150625 |
[] | 张广智, 杜炳毅, 李海山, 等. 2014. 页岩气储层纵横波叠前联合反演方法[J]. 地球物理学报, 57(12): 4141–4149. DOI:10.6038/cjg20141225 |
[] | 张宇生, 梁兴, 余刚, 等. 2013. 利用宽方位三维地震属性预测页岩裂缝发育区的研究[J]. 长江大学学报(自科版), 10(26): 68–70, 84. |