E-mail Alert Rss
 

物探与化探, 2022, 46(1): 87-95 doi: 10.11720/wtyht.2022.2371

方法研究·信息处理·仪器研制

多属性融合定量储层预测方法研究与应用——以廊固凹陷杨税务潜山为例

王成泉,1, 王孟华1, 周佳宜2, 王盛亮3, 杨洲鹏1, 刘慧1, 张红文1

1.华北油田勘探开发研究院,河北 任丘 062552

2.华北油田苏里格勘探开发分公司,河北 任丘 062552

3.华北油田 巴彦勘探开发分公司,河北 任丘 062552

Application of multi-attribute fusion in quantitative prediction of reservoirs: A case study of Yangshuiwu buried hill in Langgu sag

WANG Cheng-Quan,1, WANG Meng-Hua1, ZHOU Jia-Yi2, WANG Sheng-Liang3, YANG Zhou-Peng1, LIU Hui1, ZHANG Hong-Wen1

1. Exploration and Development Research Institute,Huabei Oilfield Company,PetroChina,Renqiu 062552,China

2. Sulige Exploration and Development Branch of Huabei Oilfield,Renqiu 062552,China

3. Bayan Exploration and Development Branch,Huabei Oilfield Company,PetroChina,Renqiu 062552,China

责任编辑: 叶佩

收稿日期: 2020-10-14   修回日期: 2021-09-7  

基金资助: 中国石油天然气股份有限公司科技重大专项项目“华北油田持续有效稳产勘探开发关键技术研究与应用”(2017E-15)

Received: 2020-10-14   Revised: 2021-09-7  

作者简介 About authors

王成泉(1987-),男,山东济南人,硕士研究生,研究方向为地震储层解释及预测等。Email: wty_wcq@petrochina.com.cn

摘要

杨税务潜山位于廊固凹陷北部,裂缝孔隙型储层发育,地质综合研究表明该区处于油气运聚的有利方向,但由于其储层埋藏深,地震资料成像精度低,常规属性预测有效储层难度大,多解性强。本文在充分分析已钻井地球物理响应特征的基础上,优选了对有效储层响应敏感的3个属性——平均振幅、方差属性、弧长属性,并计算有效储层厚度与优选属性之间的相关系数,依据相关系数大小确定属性融合权重,最终得到反映有效储层厚度的融合属性,该融合属性有效降低了单属性预测的多解性,同时实现了有效储层的定量预测。实践证明,多属性融合技术有效实用,并在杨税务潜山地区取得了良好的应用效果。

关键词： 杨税务潜山; 定量储层预测; 多属性融合

Abstract

The Yangshuiwu buried hill is located in the northern part of the Langgu sag,where fractured porous reservoirs are well developed.As indicated by comprehensive geological studies,it is in the direction favorable for hydrocarbon migration and accumulation.However,owing to the deep reservoirs and low imaging accuracy of seismic data,it is difficult to predict effective reservoirs using conventional attributes and the obtained prediction results feature strong multiplicity of solution.Based on full analyses of the geophysical response characteristics of existing drilled wells,this study selects three optimal attributes sensitive to the response of effective reservoirs,namely mean amplitude,variance,and arc length,and calculates the correlation coefficient between the thickness of effective reservoirs and each of the optimal attributes.Then it determines the fusion weight of each attribute according to corresponding correlation coefficient,and finally obtains the fused attribute than can reflect the thickness of effective reservoirs.The fused attribute can be used to effectively reduce the multiplicity of solution compared with single attribute prediction and quantitatively predict effective reservoirs.Practice has proved that the multi-attribute fusion technology is effective and practical and has achieved accurate application results in the Yangshuiwu buried hill.

Keywords： Yangshuiwu buried hill; quantitative reservoir prediction; multi-attribute fusion

PDF (5111KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

王成泉, 王孟华, 周佳宜, 王盛亮, 杨洲鹏, 刘慧, 张红文. 多属性融合定量储层预测方法研究与应用——以廊固凹陷杨税务潜山为例[J]. 物探与化探, 2022, 46(1): 87-95 doi:10.11720/wtyht.2022.2371

WANG Cheng-Quan, WANG Meng-Hua, ZHOU Jia-Yi, WANG Sheng-Liang, YANG Zhou-Peng, LIU Hui, ZHANG Hong-Wen. Application of multi-attribute fusion in quantitative prediction of reservoirs: A case study of Yangshuiwu buried hill in Langgu sag[J]. Geophysical and Geochemical Exploration, 2022, 46(1): 87-95 doi:10.11720/wtyht.2022.2371

0 引言

目前华北油田投入勘探开发四十多年,已进入开发中后期,油田产量递减严重,后备储量严重不足,急需开辟新的勘探领域。一直以来,华北油田碳酸盐岩潜山油气藏勘探以中浅层为主,深潜山碳酸盐岩油气藏勘探一直未获得突破。渤海湾盆地廊固凹陷成藏条件优越,近几年,关于冀中凹陷深潜山碳酸盐岩成藏研究表明廊固凹陷深潜山具有极大的勘探潜力[1,2,3,4,5]。基于深潜山碳酸盐岩成藏条件研究,华北油田在廊固凹陷北部杨税务潜山部署的1X、3X、4X、5X井,在奥陶系地层获得了高产工业油气流,且试采产量稳定,实现了深潜山油气勘探的重大突破,开辟了华北油田新的勘探局面。

碳酸盐岩油气藏储集空间以裂缝、裂缝孔隙型为主,常规储层预测技术以寻找裂缝为主。在主要技术方面,叠后预测以相干类和曲率类属性预测为主[6,7,8,9,10],叠前预测以方位各向异性、AVO属性预测为主[11,12,13]。叠后相干曲率类属性计算速度快,种类多,但是仅对裂缝进行预测,预测技术单一,其他属性应用较少;叠前预测需要应用叠前数据,计算量大,且受储层埋藏较深的影响,预测成效并不显著。如何兼顾预测效率和准确度,是实现深潜山碳酸盐岩储层预测的难题。

本文以杨税务潜山奥陶系储层为例,充分吸收本区已有的地质认识,分析储层响应特征,以属性融合技术为基础,优选叠后多种属性,实现了碳酸盐岩储层的定量预测,提高了预测精度与速度,同时为同类型油气藏储层预测提供借鉴。

1 地质背景

杨税务潜山位于廊固凹陷东北部,是受河西务断层、杨税务断层控制的“地垒”型潜山带,整体呈南高北低、东高西低的构造背景,勘探面积约410 km2[14]。该潜山顶主要是中奥陶统地层,包括峰峰组(O2f)、上马家沟组(O2s)、下马家沟组(O2x)、亮甲山组(O2l)和冶里组(O2y),潜山内幕则主要为寒武系、青白口系、蓟县系等碳酸盐岩地层;潜山顶面之上依次为石炭系—二叠系、古近系覆盖。综合分析认为,杨税务潜山带处于油气运移的主要方向,碳酸盐岩储层分布广泛,具备优越的油气成藏条件。近年来,华北油田加强了奥陶系碳酸盐岩潜山精细构造和有利储层特征研究攻关,并相继在该区部署了1X、2X、3X、4X、5X等5口风险探井,其中4口井(1X、3X、4X、5X)获得高工业油气流,深潜山勘探获得了重大突破,表明深潜山碳酸盐岩储层具有较大的勘探潜力。

2 储层特征分析

2.1 岩性特征

该区岩相古地理研究分析表明,廊固凹陷北部冶里组、下马家沟组晚期以局限台地相沉积为主,亮甲山组、下马家沟组早期和上马家沟组早期以及峰峰组早期以潮坪相沉积为主,上马家沟组晚期、峰峰组晚期以开阔台地相沉积为主。其中,潮坪相的云坪、灰云坪发育白云岩,是储层发育的有利岩相带;局限台地、开阔台地相的云灰坪、含云灰坪发育白云岩与石灰岩互层,是储层发育的有利岩相带[14]。

统计并分析研究区内6口井的奥陶系各储层段的白云质含量,从结果(图1)看,1X、3X、4X、5X白云质含量明显高于其他井区,表明白云质含量越高,储层越发育。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   白云质含量统计

Fig.1   Statistical figure of dolomite content


2.2 储层类型

薄片及岩心观察表明,杨税务潜山储层主要发育储集空间为云岩孔隙,岩溶缝洞,裂缝及微裂缝3类(图2)。其中,云岩孔隙型储层孔隙类型以晶间孔、粒内、粒间溶孔为主,主要发育在亮甲山组晚期—下马家沟组早期、下马家沟组晚期—上马家沟组早期和上马家沟组晚期—峰峰组早期;岩溶缝洞型储层主要以溶孔、溶洞为主;微孔裂缝型孔隙类型主要以微孔、裂缝为主,在奥陶系的各个层段中均有分布。因此,云岩孔隙—岩溶缝洞—裂缝这3类储集层是构成研究区主要储层的关键要素,是油气成藏的基础。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   潜山碳酸盐岩储层类型

Fig.2   Carbonate reservoir type of buried hill


2.3 储层类型划分

基于常规测井资料和成像测井进行缝洞识别、储层划分、储集空间类型的确定,并对井壁附近储层级别评价,将储层解释为一、二、三类储层(表1)。三类储层少量裂缝或孔隙不发育,无开采价值;二类储层有裂缝或基质孔隙发育;一类储层裂缝规模大,孔隙发育且连通性好;一二类为有效储层,是油气主要聚集区。

表1   测井储层评价分类

Table 1  Log reservoir evaluation classification

储层
级别		类型常规测井响应成像测井响应
总孔隙
度/%		电阻率/
(Ω·m)		深浅侧向电阻率
差异/(Ω·m)		裂缝孔
隙度/%		成像特征孔隙度谱特征
一类
储层		裂缝—孔隙型≥3<7000.2~0.4>0.002裂缝、溶孔共生,较发育孔隙度谱分布宽,呈中孔径分布
裂缝型2~3<1000>0.4裂缝规模大、连通性好;成组系发育、网状缝发育谱型分布窄,呈单峰,呈中小孔径分布
二类
储层		裂缝—孔隙型≥3<15000.2~0.4>0.001裂缝较发育谱型展布宽
裂缝型2~3<2000>0.4裂缝较发育谱型展布窄,以中小孔径为主
孔隙型≥4<1000<0.2裂缝不发育谱型展布宽,多以大孔径分布
三类
储层		裂缝—孔隙型≤31500~3000<0.2<0.001裂缝欠发育谱型展布窄,以中小孔径为主
裂缝型2~32000~40000.2~0.3裂缝欠发育

新窗口打开| 下载CSV


2.4 地球物理响应特征

根据岩心分析,结合测井解释,杨税务潜山奥陶系储层段总体上属于特低孔、低渗和低孔、特低渗储层,储层类型为裂缝、裂缝孔隙型,分为一、二、三类。

为分析杨税务潜山有效储层响应特征,统计了该区6口井18个储层段地震反射特征,从统计分析结果来看,潜山目的储层段中有14个有效储层顶为强反射特征,2个三类储层为弱反射或者波谷特征,2个有效储层段为波谷反射特征,77.8%有效储层顶部表现为强反射特征。通过精细井震标定表明(图3),杨税务碳酸盐岩潜山有效储层顶主要表现为强反射特征。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   1X、2X、3X、4X、5X、W1井震标定结果

Fig.3   Well-to-seismic calibration result of 1X、2X、3X、4X、5X、W1


3 多属性融合预测方法

地震属性分析技术是通过数学方法计算得到各种体现地震波几何形态和运动学、动力学及统计学等反映地下地质体特征的地球物理参数。目前针对储层提取的属性种类很多,地震属性与地层特征对应关系也比复杂,且利用单一的地震属性进行储层预测多解性较强,因此进行地震多属性的融合分析技术是提高储层预测精度的关键。

通过储层标定分析表明,有效储层顶部表现为强地震反射特征,这为有效储层的识别提供了依据,本文在储层标定的基础上主要选择与能量相关的3个属性[15]:平均振幅,方差属性和弧长属性。

3.1 单一属性的预测效果

3.1.1 平均振幅属性

地震振幅特征主要受储层流体变化、特殊岩性、储层孔隙度等综合因素的影响,它直接反映了地层反射界面空间上变化规律,能够整体反映地层沉积环境,刻画出振幅异常区,因此地震振幅属性可以预测储层的总体分布特征。

沿层分别提取峰峰组、上马家沟组、下马家沟组、亮甲山组的平均振幅属性(图4),发现奥陶系有效储层位于平均振幅高值区,且沿NE方向展布。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   各储层段优选属性预测平面

Fig.4   The preferred attribute prediction of each reservoir


3.1.2 方差属性

方差属性主要反映相邻地震道空间的差异性,当地震波遇到地下存在断层或者不连续地层时,相邻地震道的发射特征就会出现差异,从而产生地震反射的局部不连续性,因此利用方差属性可以识别断层或异常地质体。杨税务奥陶系潜山储层类型主要为裂缝孔隙型,方差属性预测具有一定适应性。

通过沿层分别提取奥陶系各地层的方差属性(图4),发现有效储层(属性高值区)在中部偏西位置相对集中发育,也是沿NE方向展布,局部与平均振幅有差异。

3.1.3 弧长属性

弧长属性是统计单位时间内的地震波弧线长度,可以反映反射关系的横向变化,它对于流体的聚集性质比较敏感,尤其是对含气储层。目前杨税务潜山主要为凝析气藏,因此,选择弧长属性进行预测较为合适。

沿层分别提取峰峰组、上马家沟组、下马家沟组、亮甲山组的弧长属性(图4),从属性平面看,有效储层发育在中部偏西区域,预测结果与实钻结果也较为吻合。

3.1.4 单属性与有效储层相关性分析

为了分析单属性与有效储层之间的关系,统计了平均振幅属性、方差属性、弧长属性值与峰峰组、上马家沟组、下马家沟组、亮甲山组储层的有效储层厚度(表2),并分别建立有效储层厚度与单属性关系折线(图5)。从关系图上看,峰峰组、上马家沟组、下马家沟组、亮甲山组有效储层厚度与3个单属性均为正相关关系,换言之,属性高值区为有效储层发育区。从提取的杨税务潜山各储层段属性平面图(图4)上看,各储层段属性预测结果基本相似,局部有差异,这就表明这3个属性都可以定性预测有效储层分布,但在局部单属性预测上具有多解性。根据统计数据建立属性与厚度拟合关系公式,并利用该公式预测了工区内重点井的储层厚度。在此基础上进行误差分析,可以看到预测绝对误差最大48.8 m,最小绝对误差0.3 m,预测结果精度不高。

表2   优选属性与有效储层厚度统计关系

Table 2  Statistical relationship between preferred attribute and effective thickness

地层属性类别1X井2X井3X井4X井5X井W1实钻厚度与属性拟合公式
峰峰组平均振幅属性值982613665563697731356210593y=45.7ln x-389.3
预测厚度/m30.845.95.430.645.534.2
实钻厚度/m16.264.412.827.840.031.2
绝对误差/m14.618.57.42.85.53.0
方差属性属性值292321092004340938133098y=-5.6ln x+76.2
预测厚度/m31.833.633.930.930.331.5
实钻厚度/m16.264.412.827.840.031.2
绝对误差/m15.630.821.13.19.70.3
弧长属性属性值437334093023469653083809y=63.5ln x-496.7
预测厚度/m35.619.812.240.247.926.9
实钻厚度/m16.264.412.827.840.031.2
绝对误差/m19.444.60.612.47.94.3
上马家沟组平均振幅属性值89922091809476856983676y=14.6ln x-91.9
预测厚度/m41.013.917.631.834.428.0
实钻厚度/m66.628.115.437.231.822.2
绝对误差/m25.614.22.25.42.65.8
方差属性属性值463721082809336545982323y=31.5ln x-227.5
预测厚度/m38.413.622.628.338.216.6
实钻厚度/m66.628.115.437.231.822.2
绝对误差/m28.214.57.28.96.45.6
弧长属性属性值532533562586450850892292y=25ln x-177.1
预测厚度/m37.425.919.333.236.316.3
实钻厚度/m66.628.115.437.231.822.2
绝对误差/m29.22.23.94.04.55.9
下马家沟组平均振幅属性值78705567209657656908670y=29.2ln x-215.7
预测厚度/m46.236.17.637.242.425.7
实钻厚度/m42.640.821.882.424.26.4
绝对误差/m3.64.714.245.218.219.3
方差属性属性值380928091679356536091345y=19.6ln x-126.7
预测厚度/m34.928.918.833.633.814.5
实钻厚度/m42.640.821.882.424.26.4
绝对误差/m7.711.93.048.89.68.1
弧长属性属性值487138682508528250711813y=20.1ln x-135.6
预测厚度/m35.130.421.736.735.915.2
实钻厚度/m42.640.821.882.424.26.4
绝对误差/m7.510.40.145.711.78.8
亮甲山组平均振幅属性值80347785139262567117359817y=17.4ln x-122.1
预测厚度/m34.433.843.914.540.937.8
实钻厚度/m12.835.38.436.619.0
绝对误差/m21.08.66.14.318.8
方差属性属性值354620714673189356343865y=21.8ln x-151.8
预测厚度/m26.414.732.412.736.528.3
实钻厚度/m12.835.38.436.619.0
绝对误差/m1.92.94.30.19.3
弧长属性属性值352336303960367549302031y=25.5ln x-181.9
预测厚度/m26.427.129.327.434.912.3
实钻厚度/m12.835.38.436.619.0
绝对误差/m14.36.019.01.76.7

新窗口打开| 下载CSV


图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   属性与有效厚度关系

Fig.5   Relation between attribute and effective thickness


3.2 多属性融合技术

任何一种地震属性只是对地下地层岩性、物性或者流体性质等不同参数的敏感反应,因此运用单一的地震属性很难描述复杂的地下地质现象,而且单属性储层预测都是定性的,无法对储层的优劣进行定量分析。

属性融合技术避免了单一地震属性预测的片面性,是降低属性预测多解性的有效方法[16,17]。属性融合的方法很多,在前人研究的基础上,本文提出了一种较为简洁的属性融合方法,实践证明该方法有效实用,且实现了属性储层预测的定量化。

3.2.1 单属性与有效储层厚度相关系数计算

优选的3个单属性与有效储层厚度是正相关关系,它们与有效储层厚度相关程度的高低需要通过相关系数来评价,因此本文引入了相关系数式(1)来计算并评价单属性与储层厚度的相关性:

R(X,Y)=Cov(X,Y)Var[X]×Var[Y],

式中:R(X,Y)为相关系数;Cov(X,Y)为协方差;Var(X,Y)为方差算法;X为属性值,Y为储层厚度。

利用该相关系数公式分别计算峰峰组、上马家沟组、下马家沟组、亮甲山组有效储层厚度与平均振幅、方差属性、弧长属性之间的相关系数,从结果看(表3),平均振幅与储层厚度相关系数最大,表明相关性最好,方差属性次之,弧长属性的相关性最低。

表3   属性与有效储层厚度相关系数

Table 3  Coefficient of association between preferred attribute and effective thick

峰峰组上马家沟组下马家沟组亮甲山组
振幅属性0.7310.7140.7270.725
方差属性0.6320.6470.6380.643
弧长属性0.5850.5920.5880.591

新窗口打开| 下载CSV


3.2.2 多属性融合权重系数计算

进行多属性的融合,需要根据单属性与有效储层厚度相关系数的高低,确定该三个属性的融合权重,然后再进行属性融合。

根据不同地层(峰峰组、上马家沟组、下马家沟组、亮甲山组)的3个属性的相关系数,利用权重系数计算公式(式2)分别计算出不同地层的属性融合权重,用以最后的属性融合。计算公式为:

　　　W=MiAmp+Var+Arc×100%,

式中:W为所计算的不同地层的属性融合权重;Mi为所需要计算属性的相关系数;Amp为平均振幅相关系数;Var为方差属性相关系数;Arc为弧长属性相关系数。其计算结果见表4。

表4   优选属性融合权重计算

Table 4  Fusion weight calculation of preferred attribute

方法峰峰组上马家沟组下马家沟组亮甲山组
平均振幅/%37.536.537.237
方差统计/%32.43332.632.8
弧长属性/%30.129.530.230.2

新窗口打开| 下载CSV


3.2.3 多属性加权融合及误差分析

利用相关系数计算得到了每个属性所占权重。首先,基于该权重进行多属性融合,得到不同地层的融合属性值;然后,与厚度建立拟合关系公式,利用该公式预测了工区内重点井的储层厚度(表5),并刻画了杨税务潜山4个层系的厚度分布图(图6);最后,进行误差分析,可以看到预测绝对误差小于2.5 m,与单属性预测结果相比,预测精度明显提高。

表5   融合属性公式及误差分析

Table 5  Fusion attribute formula and error analysis

地层井名1X井2X井3X井4X井5X井W1实钻厚度与融合
属性拟合公式
峰峰组融合属性值4710.511802.04123.05882.07123.56022.6y=50.5ln x-409.6
预测厚度/m17.964.311.129.138.830.3
实钻厚度/m16.264.412.827.840.031.2
绝对误差/m1.70.11.71.31.20.9
上马家沟组融合属性值9583.23352.62254.24586.53998.22783.5y=35.28ln x-258.4
预测厚度/m65.028.014.039.034.221.4
实钻厚度/m66.628.115.437.231.822.2
绝对误差/m1.60.11.41.82.40.8
下马家沟组融合属性值3040.52654.01683.59601.01779.5995.3y=32.51ln x-217.2
预测厚度/m43.539.124.380.926.17.2
实钻厚度/m42.640.821.882.424.26.4
绝对误差/m0.91.72.51.51.90.8
亮甲山组融合属性值5199.64056.37085.33656.37678.84863.5y=39.2ln x-312.8
预测厚度/m22.612.934.78.837.920.0
实钻厚度/m12.835.38.436.619.0
绝对误差/m0.10.60.41.31.0

新窗口打开| 下载CSV


图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   融合属性预测厚度

Fig.6   Thickness diagram of fusion attribute prediction


3.2.4 线性归一化及储层综合评价

目前归一化的方法有2种,一种是把数变为(0,1)之间的小数,一种是把有量纲的表达式变为无量纲的表达式。本文为了实现储层的综合评价赋分,采用了第一种归一化方法,线性归一化公式为:

Xnorm=X-XminXmax-Xmin,

式中:Xnorm为融合属性映射值,X为原融合属性值,Xmin为最小融合属性值,Xmax为最大属性融合值。

利用式3,将融合属性值映射到(0,1)区间并乘以100,从而融合属性实现百分制赋值,所得分值即代表了储层发育情况,大于60分的区域表明储层较发育,实现了有效储层属性预测的定量化。

4 预测效果分析

通过利用多属性融合技术对杨税务潜山的有效储层进行预测,认为有效储层集中分布与中部偏西区域。该区已钻井1X井在上马家沟组、下马家沟组试油获得高产,3X井在亮甲山试油获得高产,4X井下马家沟组试油获得高产,2X井试油未获突破,与多属性融合预测结果(图7)基本吻合,预测精度较高,证明了该融合属性的有效性,从而可以指导该区下一步的井位部署和试油工作。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   多属性融合预测分析

Fig.7   Analysis diagram of multi-attribute fusion predicition


5 结论与认识

廊坊凹陷杨税务潜山储层岩性主要为碳酸盐岩,储层类型碳酸盐岩裂缝、裂缝—孔隙型储层,针对该类型储层,常规预测以相干曲率类属性为主,预测方法单一,且无法对油气藏分布进行刻画。本文在储层特征分析的基础上,优选出对有效储层敏感的属性,提出一种简单有效的属性融合技术来预测有效储层分布,取得了较好的实践效果。

1)针对碳酸盐岩储层,有效储层精细标定是属性优选的基础,在统计分析属性与储层厚度的基础上,可以优选出对储层敏感的属性。

2)属性与储层厚度之间的相关系数是决定属性融合权重大小的关键,分井、分层段计算属性与储层厚度相关系数,并以相关系数计算各属性权重,可以实现属性的定量预测。

参考文献

杜金虎, 何海清, 赵贤正, 等.

渤海湾盆地廊固凹陷杨税务超深超高温奥陶系潜山油气勘探重大突破实践与启示

[J]. 中国石油勘探, 2017,22(2):1-12.

[本文引用: 1]

Du J H, He H Q, Zhao X Z, et al.

Significant exploration breakthrough in Yangshuiwu ultra-deep and ultra-high temperature Ordovician buried-hill in Langgu sag Bohai Bay Basin

[J]. China Petroleum Exploration, 2017,22(2):1-12.

[本文引用: 1]

吴伟涛, 高先志, 李理, 等.

渤海湾盆地大型潜山油气藏形成的有利因素

[J]. 特种油气藏, 2015,22(2):22-26.

[本文引用: 1]

Wu W T, Gao X Z, Li L, et al.

Favorable conditions formed in large scale buried-hill reservoir in Bohai Bay Basin

[J]. Special Oil and Gas Reservoirs, 2015,22(2):22-26.

[本文引用: 1]

何登发, 崔永谦, 张煜颖, 等.

渤海湾盆地冀中坳陷古潜山的构造成因类型

[J]. 岩石学报, 2017,33(4):1338-1356.

[本文引用: 1]

He D F, Cui Y Q, Zhang Y Y, et al.

Structural genetic types of paleo-buried hill in Jizhong depression,Bohai Bay Basin

[J]. Acta Petrologica Sinica, 2017,33(4):1338-1356.

[本文引用: 1]

赵贤正, 金凤鸣, 王权, 等.

冀中坳陷隐蔽深潜山及潜山内幕油气藏的勘探发现与认识

[J]. 中国石油勘探, 2014,19(1):10-21.

[本文引用: 1]

Zhao X Z, Jin F M, Wang Q, et al.

Exploration and discovery of subtle deep buried hill and buried hill inner-curtain hydrocarbon reservoir in Jizhong Sag

[J]. China Petroleum Exploration, 2014,19(1):10-21.

[本文引用: 1]

易院平, 桂志先, 冯舸, 等.

利用曲率属性进行小微断裂系统研究

[J]. 科学技术与工程, 2017,17(11):175-182.

[本文引用: 1]

Yi Y P, Gui Z X, Feng G, et al.

The application of curvature properties in micro fracture system researching

[J]. Science Technology and Engineering, 2017,17(11):175-182.

[本文引用: 1]

王建青, 杨晓东, 田忠斌, 等.

基于地震频谱属性的煤层厚度预测方法

[J]. 物探与化探, 2017,41(2):364-368.

[本文引用: 1]

Wang J Q, Yang X D, Tian Z B, et al.

A coal seam thickness prediction method based on seismic spectral attribute

[J]. Geophysical and Geochemical Exploration, 2017,41(2):364-368.

[本文引用: 1]

张平平, 秦德海.

含烃亮点属性在渤海黄河口凹陷明化镇组油气识别中的应用

[J]. 物探与化探, 2017,41(4):684-688.

[本文引用: 1]

Zhang P P, Qing D H.

Application of bright spot containing hydrocarbon in oil and gas identification of Ming Huazhen Formation in Bohai Huang Hekou depression

[J]. Geophysical and Geochemical Exploration, 2017,41(4):684-688.

[本文引用: 1]

刁新东, 李映涛, 顾伟欣, 等.

三角洲水下分流河道砂体地震预测方法研究—以塔河油田三叠系河道砂岩为例

[J]. 物探与化探, 2018,42(3):569-575.

[本文引用: 1]

Diao X D, Li Y T, Gu W X, et al.

A study of seismic prediction method of underwater distributary channel sandbody in delta:A case study of the Tahe Oilfied

[J]. Geophysical and Geochemical Exploration, 2018,42(3):569-575.

[本文引用: 1]

明君, 夏庆龙, 周东红, 等.

锦州南油田潜山裂缝储层地震预测技术研究

[J]. 中国石油勘探, 2014,19(1):60-64.

[本文引用: 1]

Ming J, Xia Q L, Zhou D H, et al.

Study of seismic prediction technology for buried hill fractured reservoir of Jinzhounan oilfield

[J]. China Petroleum Exploration, 2014,19(1):60-64.

[本文引用: 1]

陈志刚, 刘雷颂, 高军, 等.

云变换在中东地区H油田碳酸盐岩储集层预测中的应用

[J]. 新疆石油地质, 2016,37(1):107-110.

[本文引用: 1]

Chen Z G, Liu L S, Gao J, et al.

Application of cloud transform to prediction of H oilfield Carbonate reservoirs in Middle East

[J]. Xinjiang Petroleum Geology, 2016,37(1):107-110.

[本文引用: 1]

韩翀, 陈明江, 赵辉, 等.

现代体属性分析技术在风化壳气藏勘探中的应用——以苏里格气田桃7 区块马五31段为例

[J]. 物探与化探, 2016,40(3):445-451.

[本文引用: 1]

Han C, Chen M J, Zhao H, et al.

The application of analysis technology of modern volumetric attributes to the exploration of weathering crust reservoir:A case study of M531 Sub-members of Ordovician Majiagou Formation in TAO7 Block,the Sulige Gas field

[J]. Geophysical and Geochemical Exploration, 2016,40(3):445-451.

[本文引用: 1]

王光强, 周小康, 朱焕.

沉积相结合地球物理属性预测碳酸盐岩储层——以东沙隆起ZJ33-1含油构造为例

[J]. 石油地质与工程, 2017,31(1):48-51.

[本文引用: 1]

Wang G Q, Zhou X K, Zhu H.

Prediction of Carbonate reservoir by sedimentary facies combined with geophysical attributes—A case study of oil-bearing structures in Dongsha Uplift ZJ33-1

[J]. Petroleum Geology and Engineering, 2017,31(1):48-51.

[本文引用: 1]

鲜强, 蔡志东, 王祖君, 等.

AVO分析技术在塔中碳酸盐岩油气检测中的应用

[J]. 物探化探计算技术, 2017,39(2):260-265.

[本文引用: 1]

Xian Q, Cai Z D, Wang Z J, et al.

Application of AVO in hydrocarbon detection at Tazhong area

[J]. Computing Techniques for Geophysical and Geochemical Exploration, 2017,39(2):260-265.

[本文引用: 1]

陈德元, 张保卫, 岳航羽, 等.

基于特征曲线构建的地质统计反演在薄砂体预测中的应用

[J]. 物探与化探, 2018,42(5):999-1005.

[本文引用: 2]

Chen D Y, Zhang B W, Yue H Y, et al.

The application of geostatistical inversion based on characteristic curve structuring technology to thin sand body reservoir prediction

[J]. Geophysical and Geochemical Exploration, 2018,42(5):999-1005.

[本文引用: 2]

束宁凯, 汪新文, 宋亮, 等.

基于地震影像学的砂砾岩体多属性融合裂缝预测——以济阳坳陷车西地区北部陡坡带沙三段为例

[J]. 油气地质与采收率, 2016,23(2):57-61.

[本文引用: 1]

Shu N K, Wang X W, Song L, et al.

Fracture prediction of sand-gravel body by multi-attribute fusion based on seismic imaging theory:A case study of the third member of Shahejie Formation in northern zone of Chexi area in Jiyang depression

[J]. Petroleum Geology and Recovery Efficiency, 2016,23(2):57-61.

[本文引用: 1]

姚威, 吴冲龙, 史原鹏, 等.

利用地震属性融合技术研究洪浩尔舒特凹陷下白垩统沉积相特征

[J]. 石油地球物理勘探, 2013,48(4):634-642.

[本文引用: 1]

Yao W, Wu C L, Shi Y P, et al.

Sedimentary characteristics research on lower Cretaceous in Honghaoershute Depression using seismic multi-attribute fusion

[J]. Oil Geophysical Prospecting, 2013,48(4):634-642.

[本文引用: 1]

郭彪.

川南某工区地震属性多尺度融合方法及油气检测研究

[D]. 成都: 成都理工大学, 2016.

[本文引用: 1]

Guo B.

Study on detection method of oil and gas in southern Sichuan seismic attribute a multi-scale fusion

[D]. Chengdu:Chengdu University of Technology, 2016.

[本文引用: 1]

/

〈 〉

京ICP备05055290号-3
版权所有 © 2021《物探与化探》编辑部
通讯地址：北京市学院路29号航遥中心 邮编：100083
电话：010-62060192；62060193 E-mail：whtbjb@sina.com