天然气勘探

基于多方位二阶梯度属性的溶洞精细刻画技术

  • 王立静 , 1 ,
  • 王铁一 2 ,
  • 韩东 2 ,
  • 孙珂 2 ,
  • 崔书岳 2
展开
  • 1. 中国石化西北油田分公司,新疆 乌鲁木齐 830011
  • 2. 中国石化石油勘探开发研究院,北京 100083

王立静(1982-),女,甘肃陇西人,硕士,工程师,主要从事酸化压裂改造技术研究.E-mail:.

收稿日期: 2023-01-03

  修回日期: 2023-08-16

  网络出版日期: 2023-11-24

Multi-directional second-order gradient attributes for fine karst cave characterization

  • Lijing WANG , 1 ,
  • Tieyi WANG 2 ,
  • Dong HAN 2 ,
  • Ke SUN 2 ,
  • Shuyue CUI 2
Expand
  • 1. SINOPEC Northwest Oilfield Company,Urumqi 830011,China
  • 2. SINOPEC Petroleum Exploration & Production Research Institute,Beijing 100083,China

Received date: 2023-01-03

  Revised date: 2023-08-16

  Online published: 2023-11-24

Supported by

The Natural Science Foundation of China(U19B6003)

the Project of SINOPEC Ministry of Science and Technology(P22122)

the Project of SINOPEC Petroleum Exploration and Development Research Institute(YK-2023-27-2)

摘要

随着塔河油田开发程度的不断深入,仅依靠主干断裂带上的大串珠已难以稳产,因而钻探目标逐步转向小尺度缝洞体,而常规地震属性在小溶洞(直径约为地震道间距)平面位置和横向分隔性识别方面应用效果较差,亟需加强小溶洞体地震预测方法研究。为此,研究提出多方位二阶梯度新技术来提高小溶洞体识别的横向分辨率,从而准确刻画溶洞的平面位置并一步判定溶洞的分隔性。通过设计数值正演模型分析传统振幅变化率属性在溶洞识别方面的局限性,并针对该缺陷进一步提出方位二阶梯度属性;将该方法应用于塔河油田不同区块的三维溶洞识别中,并与其他常规属性进行对比,进一步验证新属性在溶洞识别方面的横向高分辨率特征,为塔河油田缝洞型油气藏开发井位部署和方案调整提供有力依据。

本文引用格式

王立静 , 王铁一 , 韩东 , 孙珂 , 崔书岳 . 基于多方位二阶梯度属性的溶洞精细刻画技术[J]. 天然气地球科学, 2023 , 34(11) : 1971 -1980 . DOI: 10.11764/j.issn.1672-1926.2023.08.003

Abstract

As the thorough degree of petroleum development in Tahe Oilfield, relying on the large-scale karst cave on the main faults is difficult to stabilize the production, so small-scale karst cave become the key drilling goal. But conventional seismic attributes are always difficult to identify the plane position and lateral segmentation of small karst cave, so it is urgent to strengthen the research on seismic prediction methods. Therefore, this paper proposed multi-directional second-order gradient attributes to improve the lateral resolution of small karst cave identification, so as to accurately depict the plane position and further determine the segmentation of small karst cave. Numerical model example analyzed the limitations of traditional amplitude change rate attribute in karst cave identification, and multi-directional second-order gradient attributes is further proposed. Then the method is applied to 3D real data in Tahe Oilfield to further verify the lateral high-resolution characteristics in identifying karst cave by comparing with other conventional attributes. The method can provide a strong basis for well location deployment and program adjustment of fractured-vuggy reservoir development in Tahe Oilfield.

0 引言

塔里木盆地奥陶系碳酸盐岩地层由于受到构造作用和溶蚀作用影响,断裂带附近地层会产生一定规模的溶洞和裂缝,其中溶洞是缝洞型储层最主要的储集空间1-3。因此溶洞识别对于缝洞型油藏的勘探开发具有重要意义4-5。随着勘探开发程度的不断深入,精细刻画小尺度溶洞体已成为下一步工作的重点,但是由于碳酸盐岩储层非均质性强、缝洞发育、埋深大,且受地震资料品质和方法技术的限制,小尺度溶洞体地震精细刻画较为困难6。碳酸盐岩缝洞储集体的正演结果表明,溶洞体在地震剖面上一般表现为弱反射背景下的强“串珠状”异常反射特征7-8。对于这类特殊储层,国内外学者做了很多研究,也取得了一些实际应用效果。基于溶洞强振幅异常反射、振幅变化大及低速、低阻抗等特征9,人们多采用地震属性和一些反演手段识别溶洞体10-13,比如张延玲等14利用振幅包络属性预测溶洞体的分布;王峣钧等15应用峰值频率振幅属性较好地预测孔洞分布特征;ZHOU等16研究了基于局部梯度结构张量的溶洞识别技术;刘坤岩等17采用地质统计学反演方法精细预测隐蔽溶洞,但这些传统地球物理手段对于小尺度溶洞体的识别效果不理想。基于缝洞体的地震响应特征表现出复杂的绕射波特征,陈明政等18、谢玮等19通过将绕射波信息从强能量反射波中分离出来并单独成像,实现了小溶洞体的刻画与识别,但由于处理程序复杂、工作量大以及运算时间成本较高,使得该方法时效性不足。近年来,随着计算机技术的发展进步,人们尝试利用深度学习技术预测溶洞体的尺寸与分布位置20,但由于标签模型的限制,对于复杂类型组合的溶洞识别结果的可信度较低。总的来说,现有技术手段在小尺度溶洞体精细刻画及判断分隔性方面应用效果都不理想,因此,本文主要针对小尺度溶洞体的地震识别开展深入的研究。
针对传统地震属性刻画溶洞所存在的局限性,本文提出了一种基于方位二阶梯度属性的溶洞识别技术,有效提高了溶洞识别的横向分辨率,识别精度可达15 m,并且能够准确刻画溶洞体的平面位置及溶洞间分隔性,运算效率较快。溶洞数值模型验证了新技术方法的可行性,克服了振幅变化率属性平面定位不准和横向分辨率较低的局限性。塔河油田三维实际资料应用效果进一步证实了方法的有效性,为缝洞型油藏井位部署和开发方案调整提供了可靠依据。

1 方法原理

1.1 振幅变化率属性

地震振幅变化率是一种表述振幅横向变化大小的地震属性,通常用目的层处地震道间横向反射振幅一阶导数的纵横向平均来表示,已经被广泛用于塔河油田碳酸盐岩储层缝洞体的检测与识别中。通常振幅变化率可以被定义为: V A R ( x , y , t ) =
d A ( x , y , t ) d x 2 + d A ( x , y , t ) d y 2
式中:A(x, y, t)为三维数据体中某点处的振幅值,无量纲; d A ( x , y , t ) d x d A ( x , y , t ) d y分别为该点沿xy方向上的一阶导数,VAR(x, y, t)为该点上沿xy方向上的变化量之矢量模,表示振幅变化的强度。在实际应用中,求导运算可选择前差分、后差分和中心差分等多种格式,并且利用振幅变化率的强异常属性值指示溶洞体的分布特征。

1.2 多方位二阶梯度属性

针对振幅变化率在溶洞识别方面的局限性,本文提出多方位二阶梯度新属性,即求取地震道间横向反射振幅的负二阶导数,然后再进行多个方向上的平均,如图1所示,其表达式为:
V A R 2 ( x , y , t ) = d 2 A ( x , y , t ) d u 1 2 2 + d 2 A ( x , y , t ) d u 2 2 2 + + d 2 A ( x , y , t ) d u l 2 2
式中: u 1   , , u l为平面上不同的空间方向; d 2 A ( x , y , t ) d u l 2为振幅值沿平面某个方向上的二阶导数,可选择前后差分或中心差分方式。从方法原理上分析,传统振幅变化率属性对振幅计算一阶导数,本质上是对地震信号进行了90°相移处理,从而使得结果峰值发生偏离,不再指示溶洞的中心位置。而本文的二阶导数,在不改变地震资料相位的前提下,对高频成分进行了提升,既不改变峰值位置,又能提升分辨率,同时计算中融合多个方向的结果,进一步提升溶洞识别的精度。
图1 多方位二阶梯度属性计算示意图

Fig.1 Schematic diagram of multi-directional second-order gradient attributes calculation

若将每个方向上的沿层地震振幅看作是振幅随时间变化的函数,则根据傅里叶变换的时域微分性质,负二阶导数计算也可在频率域实现,即相当于在频率域对地震数据振幅谱乘以频率的二次方,而对相位谱则没有做任何改变。负二阶导数对应的频谱可以表示为:
- d 2 A ( x , y , t ) d u l 2 ω 2 A ( ω , t )

2 数值模型应用及效果分析

为对比说明多方位二阶梯度属性在小尺度溶洞识别方面具有更好的效果,首先设计一个二维的溶洞数值模型,道间距设置为15 m,其真实速度模型如图2(a)所示。考虑到研究区的溶洞具有复杂多样性的发育特征,模型设计有5组共8个典型的溶洞模型,从左到右依次编号为①—⑧,前两组为单一溶洞、后三组为2个溶洞的不同组合方式,其中第三组2个溶洞中心位于同一时间位置且紧密相邻,而第四、五组2个溶洞中心在纵向上有一定的高度差。设置模型围岩速度和密度分别为6 000 m/s和2.7 g/cm3,溶洞体规模、速度、密度参数及溶洞中心位置如表1所示。
图2 振幅变化率和负二阶梯度属性结果对比

(a)溶洞速度模型;(b)地震正演剖面;(c)沿层振幅曲线(t=55 ms);(d)振幅变化率;(e)负二阶导数

Fig.2 Comparison of amplitude change rate and negative second-order gradient attribute results

表1 溶洞模型参数

Table 1 Karst cave model parameters

编号
半径/m 45 30 45 30 45 45 45 45
速度/(m/s) 4 000 5 500 4 000 5 500 4 000 4 000 4 000 4 000
密度/(g/cm3 1.83 1.83 1.83 1.83 1.83 1.83 1.83 1.83
纵向位置/ms 50 50 50 50 61 50 50 61
横向位置/道 550 600 650 654 710 715 770 780
地震正演模拟采用35 Hz、零相位雷克子波进行褶积,从而得到对应的地震记录,如图2(b)所示。从地震正演剖面中能够看到,前两组单一溶洞均表现为典型的“串珠状”地震反射特征,且小尺度溶洞的振幅响应要稍弱一些,第三组相邻2个溶洞的地震反射已发生混叠,使得振幅在横向上呈现左强右弱的变化特征,因而很难从地震剖面上直接识别出2个溶洞体,第四、五组2个溶洞的波峰和波谷均交错对应,而2套串珠位置表现为相邻以及相隔一定的间距。随后从地震剖面中进一步提取时间位置55 ms处的振幅曲线,如图2(c)所示。从振幅曲线中能够看出5组溶洞表现出不同的差异性特征,单一溶洞体为标准的钟形曲线,而第三组溶洞由于横向发生干涉而表现为一强一弱峰值的形态,第四、五组由于峰谷相对而表现为一峰一谷的振幅特征。
振幅变化率属性是按照时间位置从浅到深对振幅求取横向一阶导数,并利用强异常值来指示溶洞体分布。以图2(c)中的振幅曲线为例,其一阶导数结果如图2(d)所示。从振幅变化率结果中可以看出:单一溶洞(①和②号溶洞)的一阶导数均出现一个峰值,指示该位置可能存在溶洞,但是此时峰值已经偏离溶洞的真实位置,特别在溶洞尺寸过小的情况下就会完全发生偏离;对于两相邻溶洞的情况而言,③和④号溶洞的一阶导数只显示有一个波峰,并没有识别出2个溶洞体;对于⑤和⑥号溶洞的情况,由于⑤号溶洞波谷的一阶导数向右发生偏离、⑥号溶洞波峰的一阶导数向左发生偏离,且2个峰值叠加到一起,从而导致该位置只会出现一个峰值,仍不能识别出2个溶洞;对于⑦和⑧号溶洞的情况则与⑤和⑥号溶洞正相反,虽然会出现2个峰值,但是峰值间距和2个溶洞的真实距离有一定的偏差。因此,上述结果表明振幅变化率属性在溶洞识别方面存在2个局限性:一是溶洞位置定位不准确;二是横向分辨率较低。
从上文的分析可知,振幅变化率属性无论对于单一溶洞还是相邻两溶洞组合,识别效果都存在一定的局限性。图2(c)振幅曲线的负二阶导数结果如图2(e)所示。可以看出单一溶洞(①和②号溶洞)的负二阶导数曲线表现为零相位雷克子波的形态特征,相比于一阶导数而言,峰值能够准确指示溶洞的中心位置,而不会发生位置上的偏离。对于③和④号溶洞而言,二阶导数出现2个峰值且分别对应2个溶洞的中心位置,小溶洞的响应特征得到一定的放大,识别结果横向分辨率要明显优于一阶导数。对于⑤—⑧号溶洞,二阶导数识别溶洞的效果也有所改善,不仅能够识别出2个溶洞体,而且2个洞体的中心位置和间距都与真实模型较为吻合,证实了新方法的可行性。

3 实例应用及效果分析

为验证本文提出的方位二阶梯度属性在溶洞识别方面的应用效果,选取塔河地区某实际三维地震资料进行测试。塔河地区储层中发育有大量孔洞,埋藏较深且非均质性较强。钻井已证实高产井主要分布在断裂系统周边,目前主干断裂带附近的大串珠越来越少,但远离主干断裂带的小溶洞解释精度较低,为后续油田的实际生产带来了极大的困难和挑战。因此,小溶洞的准确识别对于该地区缝洞型油气藏的勘探开发具有非常重要的意义。
本文使用的测试数据1,如图3(a)所示,已经过一系列的预处理过程,包括振幅补偿、去噪、反褶积、速度分析、叠加和偏移等环节,共包含有530Inlines×750Crosslines×801Samplings,采样间隔为1 ms。图3(c)展示了其中一条地震剖面(Inline=2 499),从剖面中可以看到一些串珠状的地震反射特征,图中绿色箭头指示目标储层顶界面,埋藏深度约为5 000 m。为避免求导运算带来的高频噪声影响,并且前人研究表明溶洞的频率相对较低21,首先对原始地震数据体进行低通滤波处理,得到滤波后剖面如图3(d)所示,滤波前后地震资料的频谱如图3(d)所示。滤波处理前后能够看出剖面的串珠状反射特征更加清晰,溶洞特征更加聚焦,并且数据中的高频噪声得到一定的衰减,地震资料信噪比有所提升。
图3 三维测试数据体1

(a)三维数据体;(b)滤波前后地震频谱对比;(c)滤波前剖面;(d)滤波后剖面

Fig.3 3D test data volume 1

对滤波处理后地震资料如图3(d)所示, 分别提取几种常用的叠后地震属性,包括瞬时振幅、振幅变化率及本文提出的多方位二阶梯度属性,溶洞识别结果分别如图4(b)—图4(d)所示。3种地震属性的溶洞识别结果对比显示,瞬时振幅属性能够很直观地识别出一些溶洞体,但同时也会出现一些强能量干扰;振幅变化率属性虽能识别出很多溶洞特征,但结果分布较为杂乱、规律性较差;而多方位二阶梯度属性能够消除强能量同相轴的干扰,并且能较好地提取溶洞的串珠状响应特征,分布结果具有一定的规律性,整体识别效果较好。但由于算法未考虑倾斜地层的影响,仍会使得识别结果出现一些假象,从而影响了溶洞识别的准确性。
图4 不同属性溶洞识别结果对比

Fig.4 Comparison of karst cave identification results with different attributes

随后从地震剖面中选取3个位置处的溶洞体,分别如图4中红色、黑色、紫色矩形框所示,对3种属性识别结果进一步对比分析,结果如下:
(1) 红色框内溶洞:地震剖面显示为标准的波峰—波谷—波峰—波谷的串珠状反射特征;瞬时振幅显示为竖条状强异常响应,且反映的溶洞横向位置与地震振幅保持一致;振幅变化率表现为串珠杂乱分布的特征,且波峰向左偏离、波谷向右偏离串珠的真实位置,这与前面溶洞数值模型分析的认识一致;多方位二阶梯度属性能够准确将串珠反射从地震剖面中分离出来,溶洞横向位置真实可靠。
(2) 黑色框内溶洞:地震剖面显示为弱振幅的串珠反射特征,推测该溶洞体规模可能较小;瞬时振幅响应特征较弱,易被周围强振幅所掩盖,识别效果较差;振幅变化率对溶洞横向定位仍不准确,响应特征杂乱;多方位二阶梯度属性对小溶洞的识别效果较为准确。
(3) 紫色框内溶洞:地震剖面显示为双排串珠状反射,推测可能是相邻两溶洞所引起的复合响应;瞬时振幅显示为一强一弱的异常响应,能够大致识别出2个溶洞的存在,但受限于横向分辨率的限制,2个溶洞并不能被很好地分开;振幅变化率所显示的杂乱特征不能对溶洞的个数及位置进行判定;多方位二阶梯度属性能够清晰识别出2个相邻溶洞体,且右边溶洞的规模要大于左边,横向分辨率较高。图5展示了一条过井剖面的溶洞识别结果,在钻井过程中有放空和漏失现象发生,说明该井可能钻遇到溶洞,但振幅变化率属性剖面中显示井轨迹偏离串珠中心位置,而多方位二阶梯度属性能够定位溶洞体的真实位置,说明该属性在溶洞识别方面的优越性。
图5 不同属性溶洞识别结果对比

(a)地震剖面;(b)振幅变化率;(c)多方位二阶梯度属性

Fig.5 Comparison of karst cave identification results with different attributes

为进一步验证多方位二阶梯度属性识别溶洞体的可靠性,提取目标层处(T层位下30~100 ms时窗内最大振幅)的局部沿层属性切片,如图6所示。图6中振幅变化率所指示的①和④号溶洞平面位置与其他属性结果不一致,进一步说明该属性对于溶洞平面位置的定位有一定的偏差,且振幅变化率也会出现一些串珠假象。瞬时振幅属性识别结果与多方位二阶梯度属性相当,能够准确识别出①—⑤号溶洞且平面位置一致,但是②、③、⑤号溶洞在瞬时振幅上响应较弱,而在多方位二阶梯度属性切片中清晰可见,并且与剖面中串珠数量及位置吻合较好,说明多方位二阶梯度属性的溶洞识别结果可靠。
图6 位置1不同属性溶洞识别结果对比

(a) 地震振幅;(b) 瞬时振幅;(c) 振幅变化率;(d) 多方位二阶梯度属性;(e) 红色线对应剖面

Fig.6 Comparison of karst cave identification results with different attributes at location No.1

最后又将该方法应用于测试数据2,并与商业软件中梯度模属性的溶洞识别结果进行对比,如图7图8所示(色标高值指示溶洞发育位置)。图7中剖面结果显示多方位二阶梯度属性具有比商业软件更高的横向分辨率,能够清晰判断小溶洞体间的分割性(如图中蓝色框所示)。图8中平面结果显示多方位二阶梯度属性识别出的串珠数得到明显的提升,细节更丰富(如图中圆圈所示),横向分辨率要高于常规振幅和商业软件结果,证实了提出方法的优越性。
图7 不同属性溶洞识别结果剖面对比

(a)原始振幅;(b)梯度模;(c)多方位二阶梯度属性

Fig.7 Profile comparison of karst cave identification results with different attributes

图8 不同属性溶洞识别结果平面对比

(a)原始振幅;(b)梯度模;(c)多方位二阶梯度属性

Fig.8 Plane comparison of identification results of karst caves with different attributes

4 结论

现阶段,小溶洞体的精细识别对于塔河油田缝洞型油气藏的稳产起到关键性的作用。针对传统地震属性(瞬时振幅、振幅变化率等)在溶洞刻画方面横向分辨率较低、识别效果差的不足,本文提出了一种基于多方位二阶梯度属性的溶洞识别方法,并应用于数值模型和塔河油田三维实际资料中,得到结果具有较高的横向分辨率,能够准确定位溶洞体的平面位置及有效判断溶洞间的分隔性,可为塔河油田井轨迹设计及后期开发方案调整提供有利支撑。考虑将地层倾角信息加入到算法中消除倾斜地层带来的影响,将是下阶段的一个研究目标。
1
韩剑发,程汉列,施英,等. 塔中缝洞型碳酸盐岩储层连通性分析及应用[J]. 科学技术与工程,2016,16(5):147-152.

HAN J F,CHENG H L,SHI Y,et al.Connectivity analysis and application of fracture cave carbonate reservoir in Tazhong[J].Science Technology and Engineering,2016,16(5):147-152.

2
崔泽飞,熊晓军,龚思宇,等. 碳酸盐岩裂缝储层精细建模及其数值模拟[J]. 科学技术与工程,2017,17(26):177-180.

CUI Z F, XIONG X J, GONG S Y, et al. Carbonate fractured reservoir modeling and its numerical simulation[J]. Science Technology and Engineering, 2017, 17(26): 177-180.

3
杜金虎,周新源,李启明,等. 塔里木盆地碳酸盐岩大油气区特征与主控因素[J]. 石油勘探与开发,2011,38(6):652-661.

DU J H, ZHOU X Y, LI Q M, et al. Characteristics and controlling factors of the large carbonate petroleum province in the Tarim Basin,NW China[J]. Petroleum Exploration and Development, 2011, 38(6): 652-661.

4
朱博华,杨江峰,吕秋玲, 等. 基于分频成像的小尺度溶洞检测[J]. 石油地球物理勘探,2018,53(3):538-544.

ZHU B H, YANG J F, LÜ Q L, et al. Small-scale cave detection based on frequency-segmented imaging[J].Oil Geoph-ysical Prospecting, 2018,53(3):538-544.

5
薛明喜,陈开远,李海英,等. 碳酸盐岩缝洞型储层三种不同地震成像效果对比[J]. 科学技术与工程,2018,18(18):7-15.

XUE M X, CHEN K Y, LI H Y, et al. Comparison of three seismic imaging effects in fractured-cavity carbonate reservoir[J]. Science Technology and Engineering,2018,18(18):7-15.

6
胡中平,李宗杰,赵群. 碳酸盐岩溶洞发育区高精度地震勘探效果[J]. 石油地球物理勘探,2008,43(1):83-87.

HU Z P, LI Z J, ZHAO Q. High-precision seismic exploration in carbonate karst cave developed area. Comparison of three seismic imaging effects in fractured-cavity carbonate reservoir[J]. Oil Geophysical Prospecting, 2008, 43(1): 83-87.

7
马灵伟,顾汉明, 李宗杰,等. 正演模拟碳酸盐岩缝洞型储层反射特征[J]. 石油地球物理勘探,2015,50(2):290-297.

MA L W, GU H M, LI Z J, et al. Simulation of carbonate fracture-cavern reservoir reflection characteristics with forward modeling[J].Oil Geophysical Prospecting,2015,50(2):290-297.

8
曲寿利,朱生旺,赵群, 等. 碳酸盐岩空洞型储集体地震反射特征分析[J]. 地球物理学报,2012,55(6):2053-2061.

QU S L,ZHU S W,ZHAO Q, et al. Analysis of seismic reflection characters for carbonate Karst reservoir[J]. Chinese Journal of Geophysics,2012,55(6):2053-2061.

9
任海洋. 基于深度学习方法的溶洞体识别及定量计算[D]. 成都:电子科技大学,2019.

REN H Y. Cave Identification and Quantitatively Determination via Deep Learning Method[D]. Chengdu: University of Electronic Science and Technology of China, 2019.

10
王光付. 碳酸盐岩溶洞型储层综合识别及预测方法[J]. 石油学报,2008, 29(1): 47-51.

WANG G F. Integrative identification and prediction methods for carbonate rock cave reservoir[J]. Acta Petrolei Sinica, 2008,29(1): 47-51.

11
王立华,魏建新,狄帮让. 溶洞物理模型地震响应及其属性分析[J]. 石油地球物理勘探,2008,43(3):291-296.

WANG L H, WEI J X, DI B R. Seismic response of karst cave physical model and analysis of its attributes[J]. Oil Geophysical Prospecting, 2008, 43(3): 291-296.

12
张军华,刘振,刘炳杨, 等. 强屏蔽层下弱反射储层特征分析及识别方法[J]. 特种油气藏,2012,19(1):23-26.

ZHANG J H, LIU Z, LIU B Y, et al. Analysis and identification of reservoir characteristics of weak reflectors under strong shielding layer[J].Special Oil and Gas Reservoirs,2012,19(1):23-26.

13
奚先,黄江清. 基于卷积神经网络的地震偏移剖面中散射体的定位和成像[J]. 地球物理学报,2020,63(2):687-714.

XI X, HUANG J Q. Location and imaging of scatterers in seismic migration profiles based on convolution neural network[J]. Chinese Journal of Geophysics, 2020,63(2):687-714.

14
张延玲,杨长春,贾曙光. 地震属性技术的研究和应用[J]. 地球物理学进展,2005,20(4):1129-1133.

ZHANG Y L,YANG C C,JIA S G.The application of the sei-smic attributes[J].Progress in Geophysics,2005,20(4):1129-1133.

15
王峣钧,郑多明,李向阳,等. 碳酸盐岩裂缝-孔洞型储层缝洞体系综合预测方法及应用[J]. 石油物探,2014, 53(6): 727-736.

WANG Y J, ZHENG D M, LI X Y, et al. The fracture-cavern system prediction method and its application in carbonate fractured-vuggy reservoirs[J]. Geophysical Prospecting for Petroleum, 2014, 53(6): 727-736.

16
ZHOU Y, LI Y, FAN X, HE P. Extraction Method Based On Curvature of GST Attributes and Applications[C]. International Geophysical Conference, 2017: 776-779.

17
刘坤岩,许杰. 塔河奥陶系隐蔽溶洞体地震精细识别[J]. 石油地球物理勘探,2019,54(5):1106-1114.

LIU K Y, XU J. Identification of Ordovician subtle cave reservoirs in Tahe on seismic data[J].Oil Geophysical Prospecting, 2019, 54(5): 1106-1114.

18
陈明政,邓光校,朱生旺,等. 绕射波分离成像技术在塔河油田碳酸盐岩地震弱反射储层预测中的应用[J]. 石油物探,2015,54(2):234-240.

CHEN M Z,DENG G X,ZHU S W,et al.Application of diffra-ction wave separation and imaging technique in weak-seismic reflection of carbonate reservoir prediction in Tahe Oilfield[J]. Geophysical Prospecting for Petroleum,2015,54(2):234-240.

19
谢玮,毕臣臣,胡华锋,等. 基于绕射波的碳酸盐岩储层缝洞识别方法及应用[J]. 科学技术与工程,2021,21(2):453-457.

XIE W, BI C C, HU H F, et al. Development and application of an identification method for fracture and cave in carbonate reservoir based on diffracted wave[J]. Science Technology and Engineering, 2021, 21(2): 453-457.

20
闫星宇,李宗杰,顾汉明, 等. 基于深度卷积神经网络的地震数据溶洞识别[J]. 石油地球物理勘探,2022,57(1):1-11.

YAN X Y, LI Z J, GU H M, et al. Identification of karst caves in seismic data based on deep convolutional neural network[J]. Oil Geophysical Prospecting, 2022, 57(1): 1-11.

21
王者顺,王尚旭,唐文榜. 塔河碳酸盐岩溶洞油藏的地震响应及频率差异分析[J].石油与天然气地质,2004,25(1):93-101.

WANG Z S, WANG S X, TANG W B. Seismic response and frequency difference analysis of cavern-type reservoirs in carbonates in Tahe Oilfield[J]. Oil & Gas Geology, 2004, 25(1): 93-101.

文章导航

/