Identification of favorable volcanic reservoirs based on AVO characteristics: Case study of the Songkar'ersu Formation in Junggar Basin

  • Dao-qing LI ,
  • Chuan YANG ,
  • Nian-zhou LIU ,
  • Chao CHEN ,
  • Hang SU
Expand
  • Research Institute of Exploration and Development,Xinjiang Oilfield Company,PetroChina,Karamay 834000,China

Received date: 2020-07-06

  Revised date: 2020-08-15

  Online published: 2020-12-11

Supported by

The Major Science and Technology Projects of CNPC(2017E-0410)

Abstract

The Upper Carboniferous Songkar'ersu Formation in the M8 well area of the Dinan Sag in Junggar Basin has sparse drilling data and low-quality conventional seismic images. It is based on pre-stack seismic data, core, logging and oil testing data, comprehensive use of prestack gather processing, horizon calibration, AVO attribute extraction analysis and other technologies to conduct gas detection of volcanic reservoirs, characterize the distribution range of volcanic favorable reservoirs and summarize the distribution law of favorable volcanic reservoirs. The results show that the signal-to-noise ratio, frequency bandwidth and resolution of pre-stack seismic data are significantly improved after the super gather processing. The intercept-gradient attribute has significant response characteristics to the volcanic gas-bearing layer in the study area, the AVO phenomenon is obvious, and the attribute value is large. There is a positive correlation between the attribute value and the production of test gas, and the coincidence rate with the oil test results is more than 80%. Later drilling further confirmed that the high attribute value response area is a favorable reservoir distribution range of volcanic rocks, which is an advantageous area for evaluation, development and deployment.

Cite this article

Dao-qing LI , Chuan YANG , Nian-zhou LIU , Chao CHEN , Hang SU . Identification of favorable volcanic reservoirs based on AVO characteristics: Case study of the Songkar'ersu Formation in Junggar Basin[J]. Natural Gas Geoscience, 2020 , 31(12) : 1779 -1791 . DOI: 10.11764/j.issn.1672-1926.2020.08.008

0 引言

目前国内外已发现多个火山岩气藏,如徐深气田、松南气田、克拉美丽气田、吉井—东柏崎气田及外喀尔巴阡气藏等1-8,火山岩气藏已经成为天然气勘探的重要领域之一。于2008年发现的克拉美丽气田,探明储量达千亿立方米,储层岩性主要为中基性玄武岩、安山岩和火山碎屑岩,其石炭系自生自储型火山岩气藏类型已成为准噶尔盆地内天然气勘探的重要领域。针对准噶尔盆地石炭系火山岩地层埋藏深,断层发育,储层分布不广泛、厚度不均,仅局部发育有利储层等问题,众多地质专家学者将叠后地震资料与井数据相结合,应用源控、体控、相控相结合的相控反演、火山岩地震相模式、测井交会图版、数学概率和变差函数等方法进行复杂火山岩储层的识别与描述方面研究,取得了很好的应用效果9-14。毛海波等9通过改善火山岩地震成像品质的基础上建立火山岩地震相识别模式,运用叠前弹性参数反演来预测克拉美丽气田石炭系火山岩有利储层分布。杜庆祥等12针对克拉美丽气田火山岩气藏埋藏深,储层非均质性强,地震资料品质差问题,结合火山岩体侵入模式,应用极性识别、波形放大与正演模拟、地震属性等技术,进行随钻跟踪分析,显著提高了火山岩储层钻遇率。仇鹏等14在地质模型约束下,结合不同火山岩岩性的测井敏感参数,利用地质统计学方法分析不同火山岩岩性储层的特征参数并建立了不同火山岩岩性的变差函数模型,得到高分辨率的火山岩岩性预测数据体以及有效储层分布数据体。代春萌等15将源控、体控、相控相结合的相控反演方法应用到克拉美丽气田火山岩储层定量预测与评价中,取得了较好的应用效果。与原始的叠后地震资料相比,处理后的叠前地震数据信噪比更好,地震成像解释的精准度更好,具有良好的保真性和多信息性,能较好反映出火山岩地层横向变化特征,已经广泛用于火山岩储层的精细识别与描述。
近年来,为了确保准噶尔盆地天然气持续增储上产趋势,克拉美丽气田外围区(以M8井区为代表)已成为天然气重点勘探开发区域。由于M8井区面积大(86.65 km²),储层埋藏深(3 800~4 900 m),少井,叠后地震资料品质较差,储层分布不均特点,导致已完钻井中高产气井较少,多数为干井或低产井,有利火山岩储层识别和预测难度大,仅利用原有资料和方法不能很好地实现研究区火山岩有利储层识别和预测15-17。由于不同储层的参数组合和含流体情况都对应着不同的振幅随炮检距变化(AVO)响应特征,根据振幅随偏移距的变化规律可以预测复杂油气藏的含油气性,所以利用叠前道集资料开展AVO分析已成为火山岩储层油气检测的首选技术18-19
因此,笔者首先利用叠前三维地震数据体进行超道集处理,拓宽有效频带宽度,提高目的层资料主频,使地震同相轴断续分布与内幕火山岩体细节特征显示更加清楚,储层非均质变化特征更加明显;然后利用AVO属性分析技术进行含气火山岩储层亮点识别与标定,并将地震属性与试气资料相结合,建立叠前属性值与试气产量大小关系,刻画有利火山岩储层的分布范围,最后利用后期钻井进行验证,提高识别精度。

1 研究区概况

M8井区位于准噶尔盆地东北缘陆梁隆起的滴南凸起南部构造带内11,克拉美丽气田以西,北邻滴水泉凹陷,南靠东道海子凹陷。滴南凸起石炭系整体上是一个向西倾没的大型鼻状隆起,其上发育一系列近东西向、北西向的断裂,规模较大的滴水泉西断裂将凸起切割为南、北2个隆起带。北高南低,向南倾伏的大型鼻状构造,发育多个低幅度背斜等次级构造。受地应力变化与构造转折区影响,研究区发育多条东—西走向的逆断裂,将中部凹槽带切割为多条断阶区。在隆起带高部位的石炭系巴塔玛依内山组被剥蚀,钻揭的石炭系以松喀尔苏组(C1 s)为主,而隆起带周缘的低部位则发育有石炭系巴塔玛依内山组(C2 b)(图1)。在石炭纪,整个地区经历火山岛弧活动频繁、沉积期与喷发期交替出现、喷发期次较多、历时较短,后期又受海西、印支、燕山、喜马拉雅构造运动影响,火山结构破坏严重,导致火山岩储层成因机理复杂20
图1 M8井区地理位置及C1s 顶面构造

Fig.1 Structure and geographical location of M8 well area

钻井揭示滴南凸起二叠系梧桐沟组与石炭系呈不整合接触,梧桐沟组中的沉积岩岩性以褐色、红褐色泥岩、粉砂质泥岩以及泥质粉砂岩为主;下部为火山多期活动、垂向多套叠置的复合岩体,由上石炭统巴塔玛依内山组和下石炭统松喀尔苏组组成。其中,巴塔玛依内山组以中基性火山岩为主,主要岩性为玄武岩和安山岩夹凝灰岩,部分井区顶部为火山角砾岩21,具有明显的高电阻率和低伽马值特征。松喀尔苏组是研究区石炭系主要储层之一,已经证实是石炭系优质烃源岩的发育层系20-22,具有良好的生储组合,地层岩性以沉积岩为主夹火山岩储层(火山角砾岩、流纹岩、沉凝灰岩),进一步可细分为松喀尔苏组下段(C1 s a)和松喀尔苏组上段(C1 s b)(图2)。克拉美丽地区松喀尔苏组主要发育沉积岩,而M8地区则以火山岩碎屑为主,其顶部地层巴山组(C1 s)广泛发育厚层火山岩熔岩层,可作为良好盖层。M8地区C1 s a地层位于C1 s b地层之下,广泛发育火山岩碎屑岩与流纹岩,储层发育较好,由于盖层不发育,油气不易保存;而C1 s b地层岩性主要为火山角砾岩,地层中生成的油气受到上覆巴山组火山岩熔岩盖层遮挡,容易积聚成藏,储层发育裂缝—孔隙双重介质储层,孔隙度分布区间在6.4%~14.7%之间,渗透率总体范围为(0.022~5.340)×10-3 μm2,具有较高孔隙结构特征23图3)。
图2 M8井区综合柱状图

Fig.2 Comprehensive column chart of the M8 well area

图3 M8井区石炭系C1 s b火山岩岩心铸体薄片与孔渗直方图

Fig.3 Histogram of thin slices and pore infiltration of Carboniferous C1 s b volcanic core cast body in M8 well area

2 叠前地震CRP超道集处理

2.1 CRP超道集参数的选取

叠前AVO属性分析技术在天然气地震预测中应用广泛,但叠前道集作为AVO属性分析的主要输入数据,道集资料的品质对气藏的预测结果影响较大。针对常规道集处理中存在的信噪比低、道集不平、远偏移距频率低等问题,在AVO正演理论的指导下,应用均值滤波、无速度道集拉平、远近道频谱能量补偿的道集优化处理技术24-25,提高叠前CRP道集资料的品质。
在利用研究区地震采集处理的CRP道集进行叠前弹性属性的分析前,对CRP道集进行检查,确认获得的CRP道集为偏移距道集(图4)。考虑到采集和处理资料时,根据道集能量差异进行超道集处理,研究区叠前道集中间能量差异不强,故选取5×5的超道参数完成超道集处理。
图4 原始地震偏移距道集(Xnline438)

Fig.4 The original seismic offset gather(Xnline438)

2.2 CRP超道集的叠加及角道集转换

笔者通过选取叠前地震CRP超道集处理参数,进行道集叠加处理后获得超道集数据(图5)。在超道集处理过程中没有添加附加滤波与均衡处理和改变道集的原始振幅信息,使全叠加形成叠加剖面具有原始地层沉积的地震反应效果,有利于后期地震储层研究与油气预测。
图5 Xnline438处理后超道集

Fig.5 Super gather after processing (Xnline438)

由于叠前时间偏移道集中存在信噪比低、随机噪声能量强、层间多次波、道间能量不均等问题,需要开展叠前反演计算。在对地震数据采集和处理参数分析的基础上,应用Radon变换、叠前随机噪声衰减和分偏移距能量补偿等方法,既能有效提高地震资料的信噪比,也对道集能量进行了有效补偿。对研究区地震资料处理前后的道集、合成地震记录、叠加剖面以及正演道集与实际道集对比分析证明,道集优化处理有效提高了道集质量,优化处理道集资料可应用于后续叠前反演和储层预测。
由于研究区叠前道集资料远端没有严重畸变,因而未做拉平处理。笔者以叠前道集的保幅处理为核心,分析不同的偏移距道集,结合垂向的时间或深度,建立研究区内的层速度体,层速度横向变化平缓没有突变,由浅至深纵向上符合地质规律。应用建立的层速度体把偏移距道集转换成角道集(图6),在不同角道集的基础上,进行部分角道集的叠加形成远角度道集地震数据和近角度道集地震数据,根据两项式Shuey公式进行叠前属性的计算和分析此次研究1°~15°的角道集叠加成近道集地震[图7(a)],将大于15°的角道集叠加成远道集地震[图7(b)],然后根据不同角度道集的叠加地震数据,计算各种叠前地震属性。从剖面上可以看出不同角度的叠加数据具有明显的差异(图7)。
图6 过 Xnline438角道集剖面

Fig.6 The Xnline438 corner gather

图7 近道集部分叠加地震剖面(Xnline640)

Fig.7 Partially superimposed seismic profile near gather (Xnline640)

处理前后结果表明,经处理后的叠前地震数据中目的层段主频从14 Hz达到26 Hz,有效频宽为3~52 Hz,信噪比变高,分辨率有了明显提升。地震反射同相轴断续分布,火山岩内幕成像清楚,信息丰富,火山岩变化的细节显著,地层结构特征更加明确,储层非均质变化特征明显,且与实际钻井吻合,为进一步进行研究区储层预测提供较好的数据基础(图8)。
图8 M8井区处理前后地震资料品质对比

Fig.8 Quality comparison of pre-processed and post-processed seismic data from the M8 well area

3 火山岩有效储层地震预测

3.1 流体检测理论依据

研究区火山岩有利储层的预测核心在于对气层进行有效识别,而AVO技术是目前一种非常适用于预测地层岩性和含气情况的方法26-31,是开展油、气、水层信息有效分析的手段。特别指出AVO属性分析技术以叠前地震资料和W弹性波理论为基础,利用CMP道集或CRP资料分析反射振幅随炮检距变化的规律,而反射系数又和振幅变化相关,进一步得到地层速度求取反射界面的泊松比,推断岩性和含油气性。AVO属性分析是以Zoeppritz 方程为理论基础,该方程给出了地震纵波以非零角度入射的纵横波反射系数及透射系数之间的关系,是通过分析储层界面上反射波振幅随炮检距的变化规律或者计算反射波随入射角的变化参数来估算界面上的 AVO 属性参数,如泊松比、流体因子、截距和梯度等,进而推断储层的岩性和含油气性26-31。然而由于Zoeppritz 方程的结构和解析复杂,一般在油田的实际应用中,常采用其近似表达式——Shuey近似方程32来研究地层岩性和流体特征:
R P θ R 0 + A 0 R 0 + σ 1 - σ 2 s i n 2   θ + 1 2 V P V P t a n 2   θ - s i n 2   θ
其中:
R 0 = 1 2 V P V P + ρ ρ
A 0 = B - ( 1 + B ) ( 1 + 2 σ ) 1 - σ
B = V P V P / V P V P + ρ ρ
σ = σ 1 + σ 2 2
σ = σ 2 - σ 1
当入射角θ<30°时, t a n 2   θ - s i n 2   θ 0,则Shuey近似方程公式可以简化为:
R P θ R 0 + A 0 R 0 + σ 1 - σ 2 s i n 2   θ P + G s i n 2   θ
式中: R θ表示纵波反射系数; θ表示入射角度,°; V P表示纵波速度,m/s; ρ为密度,g/cm3 σ为泊松比;P为表示零入射角纵波反射系数(截距);G反映了振幅随入射角的变化(梯度)。
在上述公式中,当0<θ<30°时,泊松比对反射系数作用影响很小,截距与梯度对反射系数起主要贡献作用;当θ>30°时,泊松比对反射系数的贡献超过截距与梯度。

3.2 研究区AVO属性技术适用性分析

与基于AVO反演的基础上提取AVO属性进行砂岩、页岩、碳酸盐岩含气性检测不同的是33-40,本文研究以Shuey近似方程为理论基础并结合研究区实际叠前道集资料特征,从处理后的叠前道集数据中直接提取AVO属性进行分析,将发现AVO异常响应信息挖掘出来,结合地质、测井资料,用于储层特征分析。当然AVO属性的应用必须结合大量的岩石物理分析及测井数据,并在地质构造形态已经比较清楚的基础上进一步研究。
以研究区Mei002井有实测的横波测井资料为例,根据纵波测井和密度测井资料可以计算得到单井的纵波阻抗和横波阻抗,结合测井解释结果可以计算叠前弹性参数,并提取井周围的叠前地震属性。利用单井弹性阻抗和叠前地震属性的交会图分析,可以确认出不同叠前弹性参数与有利火山岩储层分布相关性。从交会图(图9)中可以看出,含气层的纵波阻抗在火成岩中属于中高阻抗,对应的截距梯度乘积(P*G)、横波阻抗、泊松比、V P/V S也处于高值区域;而干层对应的纵波阻抗与叠前参数大多分布在低值区域。因此,在研究区目的层中利用(P*G)进行预测有利储层是可行的。
图9 研究区纵波阻抗与弹性参数交会图(C1 s b

Fig. 9 Intersection diagram of longitudinal wave impedance and elastic parameters in the study area (C1 s b)

同时在前人41-42利用AVO属性进行含气性检测应用实例中, P*G属性对于响应特征单一的区域应用效果良好。研究区目的层埋藏深,储层相对致密,储层中流体的地震响应敏感性较强,含气性比较单一的火山角砾岩储层,储层几乎全含气,含油层很少,与围岩岩性差异大,推测AVO属性对于火山岩含气性预测有较好的应用效果。

3.3 火山岩含气性检测

经单井时深精细标定,确定出含气储层段对应的地震反射同相轴,对比发现,将已试气井资料标定到研究区地震数据与P*G属性地震属性数据体中,P*G属性在研究区火山岩含气性识别中作用效果明显。P*G属性剖面中,石炭系上覆地层梧桐沟组河流相砂体由于相变快引起地震轴断续分布,接触面清晰,风化壳顶面风化残蚀沟槽地貌特征明显;石炭系内幕火山机构、火山通道及岩相变化清晰可见,内幕沉积岩成层性好,同相轴相对连续而火山岩体断续分布,并且不同层段含气储层“亮点”特征醒目(图10)。大多数气层在原始叠后地震剖面显示特征不明显,一般为中—低正振幅值区域,而在属性剖面中显示为红黄色—灰色的高—中正振幅值的透镜状亮点反射特征,其中工业气流层呈明显中高属性值异常(黄色—灰色条带);较差气层为气、水同出,其原因是在于研究区火山岩储层裂缝比较发育,试采中压裂作用沟通下部地层水,导致水流上窜;产水层一般对应属性振幅值较低,常呈土豆状或透镜状反射(蓝色区域)[图10(b),图10(d)]。
图10 叠前属性(P*G)剖面气层亮点识别与标定

Fig.10 Identification and calibration of pre-stack attribute (P*G) profile gas point

3.4 火山岩有利储层平面预测

为有效刻画研究区有利储层的平面分布范围,以剖面识别为基础,采用井标定地震属性法进行地震属性分析,预测火山岩有利储层平面分布,能更精细地刻画岩体内部岩相的变化,降低多解性,提高解释精度,完成对目的层C1 s b有利火山岩分布范围的圈定。C1 s b组地层整体为一套沉积岩夹火山岩体,因孔隙较为发育,地层中含有流体,造成火山岩的波阻抗减小,在属性剖面上表现为不连续串珠状强反射,上下界面的沉积岩表现为一套较强振幅的连续反射,火山岩的边界很清晰。通过纵向上属性剖面不同的火山岩储层岩性界面精细识别,进而利用切片技术完成火山岩体的形态和展布范围的横向刻画。
在叠前P*G属性地震剖面上,有利火山岩储层与围岩有较明显的波阻抗界面,剖面中井曲线为伽马测井曲线,以目的层C1 s b顶底界面为时窗,获得储层属性平面展布如图11所示:P*G平面属性图中,多口实钻井的主力含气层段与属性异常有良好的对应关系,经试油资料标定得出红色—黄色区域为有利储层分布区,灰色—蓝色区域储层物性相对较差,含气性检测结果为水层。平面属性预测储层分布结果与已钻井的试气分析结果基本一致,符合率可达80%以上,即储层段油气产量随经归一化处理后AVO属性值的增大而越高,气、水分布和富集高产均在断隆相间东西向鼻状构造控制下,具有局部孤立成藏的特点(图11表1),但在Mei006井含气水层段对应属性值偏大异常,推测可能由于工程压裂影响,导致下部地层水上窜至气层造成该段储层试油结论为含气水层。从有利储层分布图来看,有利异常区有6个区带,在异常分布的区域部署的井试气量都较高,异常范围外的井主要以产水为主,同时含有少量的气,这与预测的结果基本一致。依据AVO检测确定有利储层分布结果,刻画出M8井区C1 s b地层有利储层总面积达15.9 km2图11)。
图11 M8井区有利储层刻画与新井特征

Fig.11 Characterization of favorable reservoirs and new wells in the M8 well area

表1 M8井区试油成果与属性值大小

Table 1 Oil test results and attribute values of the M8 well area

井名 试气产量/d 试油结论 属性值大小/107P*G
气/(104 m3 油/t 水/m3
Mei8 10.123 12.66 0 气层 5.1
Mei002 0.185 0 31.33 含气水层 1.6
Mei003 0.386 0 95.14 含气水层 1.5
Mei005 0.163 0 0 含气层 3.2
Mei006 0.788 0 119.81 含气水层 3.6
4.236 0 132.91 气水同层 4.7

4 AVO属性应用效果

一般认为绝对振幅的大小与地下反射界面的反射系数大小有关,高振幅对应地下强反射界面,而振幅的横向变化可以反映地下相邻岩性的变化或含油气岩层的变化4143-45。经研究区储层属性分析可知,P*G地震属性值大小与井标定的试气结果相关性好,反映出有利储层的属性响应特征与围岩差异较大,更适用于有利火山岩储层的形态刻画。
综合应用M8井区C1 s b地层AVO属性成果图的基础上,在Mei8井西北部署一口探井Mei004井(图11),经钻探试气验证为一口工业气流井,目的层埋深为4 496~4 778 m,钻遇储层厚度约为49 m,试气结果为产气2.05×104 m3/d,含气量较低,目前在原井段进行压裂复试,6 mm油嘴试气,产气为4.23×104 m3/d,进一步证实该区为良好的气层分布有利区,验证了该方法预测结果的可靠性,证实了研究技术方法的有效性,为下一步开发部署和外围区评价提供有效支撑。

5 结论与建议

(1)以叠前道集的保幅处理为核心,对叠前共反射点道集进行优化处理,并进行部分角道集的叠加形成远角度道集地震数据和近角度地震数据可以更好地突显地下火山岩地层AVO响应特征,反映石炭系内幕火山岩体细节清晰,便于储层识别。
(2)通过单井弹性阻抗和叠前地震属性的交会图分析结果表明,气层对应的P*G位于高值区域;而干层大多数大多分布在低值区域。因此,在研究区目的层中利用P*G进行预测有利火山岩储层是可行的。
(3)综合M8井区岩心、测井、叠前道集、试油资料,以Shuey近似方程为理论依据,利用P*G叠前地震属性标定结果显示,气、水层段与属性异常有良好相关性,储层段试气产量随AVO属性相对值的增大而增大,高属性值区域为气层有利分布区,对该地区石炭系内幕复杂火山岩气藏储层识别和区井位部署具有一定指导意义。
1
周翔,于世泉,张大智,等.松辽盆地徐深气田致密火山岩气藏气水分布特征及主控因素[J].石油与天然气地质,2019,40(5):1038-1047.

ZHOU X, YU S Q, ZHANG D Z, et al. Characteristics and major controlling factors of gas-water distribution in tight volcanic gas reservoir in Xushen Gas Field, Songliao Basin[J]. Oil & Gas Geology, 2019, 40(5): 1038-1047.

2
李永刚.松南气田火山岩致密储层分类及有利目标潜力评价[J].吉林大学学报:地球科学版,2017,47(2):344-354.

LI Y G. Classification standard of dense volcanic reservoirs and potential evaluation for exploitation targets in Songnan Gas Field[J]. Journal of Jilin University: Earth Science Edition, 2017, 47(2): 344-354.

3
杨迪生,陈世加,李林,等.克拉美丽气田油气成因及成藏特征[J].天然气工业,2012,32(2):27-31.

YANG D S, CHEN S J, LI L, et al. Hydrocarbon origin and their pooling characteristics of the Kelameili Gas Field[J]. Natural Gas Industry, 2012, 32(2): 27-31.

4
伊培荣,彭峰,韩芸,等.国外火山岩油气藏特征及其勘探方法[J].特种油气藏,1998,5(2):65-70.

YI P R, PENG F, HAN Y, et al. Characteristics and exploration methods of foreign volcanic oil and gas reservoirs[J].Special Oil and Gas Reservoir. 1998, 5(2):65-70.

5
UKAI M, KATAHIRA T, KUME Y, et al. Volcanic Reservoir, Their Characteristics of the Development and Production[C]. Tokyo: Society of Petroleum Engineers, 1972: 25-27.

6
SCHUTTER S R. Occurrences of hydrocarbons in and around igneous rocks[J]. Geological Society London Special Publications, 2003, 214(1): 35-68.

7
PETFOTD N, MCCAFFREY K J W. Hydrocarbons in Crystalline Rocks[M]. London: The Geological Society of London, 2003:1-3.

8
彭彩珍,郭平,贾闽惠,等.火山岩气藏开发现状综述[J].西南石油学院学报,2006, 28(5):69-72.

PENG C Z, GUO P, JIA M H, et al. A summariy of the development present situation for the volcanic-rock gas reservoir[J]. Journal of Southwest Petroleum Institute, 2006, 28(5): 69-72.

9
毛海波,谷新萍,朱明,等.滴南凸起石炭系火山岩储层地震识别与描述[J]. 天然气工业,2012,32(2): 23-26.

MAO H B, GU X P, ZHU M, et al. Seismic identification and description of the Carboniferous volcanic reservoirs on the Dinan salient, Kelameili Gas Field[J]. Natural Gas Industry, 2012, 32(2): 23-26.

10
张勇,查明,孔玉华,等.地下复杂火山岩岩性测井识别方法——以准噶尔盆地克拉美丽气田为例[J].西安石油大学学报:自然科学版,2012,27(5):21-26.

ZHANG Y, ZHA M, KONG Y H, et al. Study on lithologic identification of the underground complex volcanics: Taking Kelameili Gas Field in Junggar Basin as an example[J]. Journal of Xi'an Shiyou University: Natural Science Edition, 2012, 27(5): 21-26.

11
曲江秀,高长海,查明,等.准噶尔盆地克拉美丽气田石炭系火山岩储层特征及成岩演化[J].中国石油大学学报:自然科学版,2014,38(5):1-8.

QU J X, GAO C H, ZHA M, et al. Reservoir characteristics and diagenetic evolution of Carboniferous volcanic rock in Kelameili Gas Field of Junggar Basin[J]. Journal of China University of Petroleum, 2014, 38(5):1-8.

12
杜庆祥,沈晓丽,李道清,等.随钻跟踪分析精细地震解释技术在克拉美丽火山岩气田开发中的应用[J].石油地球物理勘探,2015,50(2):316-326.

DU Q X, SHEN X L, LI D Q, et al. Seismic updating interpretation with development well information in volcanic reservoir in Kelameili Gas Field in Junggar Basin[J]. Oil Geophysical Prospecting, 2015, 50(2): 316-326.

13
石新朴,胡清雄,解志薇,等.火山岩岩性、岩相识别方法——以准噶尔盆地滴南凸起火山岩为例[J].天然气地球科学,2016,27(10):1808-1816.

SHI X P, HU Q X, XIE Z W, et al. Identification methods of volcanic lithology, lithofacies: Taking the volcanic rocks of Dinan alient in the Junggar Basin as an instance[J]. Natural Gas Geoscience, 2016, 27(10): 1808-1816.

14
仇鹏,孔丽娜,李道清,等.基于体控建模的内幕型火山岩气藏有效储层预测——以准噶尔盆地五彩湾凹陷火山岩气藏为例[J].天然气工业,2017,37(3):48-55.

QIU P, KONG L N, LI D Q, et al. Prediction of net pay zones in volcanic reservoirs with inner structures based on rock-mass controlled modeling: A case study of volcanic gas reservoirs in the Wucaiwan sag, Junggar Basin[J]. Natural Gas Industry, 2017, 37(3): 48-55.

15
代春萌,曾庆才,郭晓龙,等.三位一体火山岩预测技术的建立及应用——以新疆克拉美丽气田为例[J].地球物理学进展,2018,33(3):1035-1042.

DAI C M, ZENG Q C, GUO X L, et al. Establishment and application of trinity interpretation technology on volcanic rock: A case study of the Kelameili Gas Field in Xinjiang[J]. Progress in Geophysics, 2018, 33(3): 1035-1042.

16
林向洋,苏玉平,郑建平,等.准噶尔盆地克拉美丽气田复杂火山岩储层特征及控制因素[J]. 地质科技情报,2011,30(6):28-37.

LIN X Y, SU Y P, ZHENG J P, et al. Characteristics and controlling factors of volcanic reservoir in Kelameili area of Junggar Basin[J].Geological Science and Technology Information, 2011,30(6): 28-37.

17
刘小洪,冯明友,郗爱华,等. 次火山岩储层储集空间形成及演化——以克拉美丽气田滴西18井区为例[J].天然气地球科学, 2016,27(2):278-288.

LIU X H, FENG M Y, XI A H, et al. Formation and evolution of the reservoir space of subvolcanic reservoir: A case study of the well Dixi 18 area in Kelameili Gas Field[J]. Natural Gas Geoscience, 2016, 27(2): 278-288.

18
王振国,陈小宏,王学军.AVO方法检测油气应用实例分析[J].石油地球物理勘探,2007,42(2):194-197.

WANG Z G, CHEN X H, WANG X J, et al. Cases analysis of applying AVO to detect hydrocarbon[J]. Oil Geophysical Prospecting, 2007, 42(2): 194-197.

19
郑晓东.AVO理论和方法的一些新进展[J].石油地球物理勘探,1992,27(3):305-317.

ZHENG X D. Some new development of AVO technique[J]. Oil Geophysical Prospecting, 1992, 27(3): 305-317.

20
杨帆,宋永,陈洪,等.准噶尔盆地阜东地区石炭系松喀尔苏组烃源岩评价及气源对比[J].天然气地球科学,2019,30(7):1018-1026.

YANG F, SONG Y, CHEN H, et al. Evaluation of Carboniferous Songkaersu Formation source rocks and gas-source correlation in the Fukang sag of eastern Junggar Basin[J]. Natural Gas Geoscience, 2019, 30(7): 1018-1026.

21
张顺存,牛斌,汪学华,等.准噶尔盆地滴西地区石炭系火山岩地球化学特征[J].天然气地球科学,2015,26(增刊2):138-147.

ZHANG S C, NIU B, WANG X H, et al. Geochemical characteristics of the Carboniferous volcanic rocks in Dixi area, Junggar Basin[J]. Natural Gas Geoscience,2015, 26(S2):138-147.

22
达江,胡咏,赵孟军,等.准噶尔盆地克拉美丽气田油气源特征及成藏分析[J].石油与天然气地质,2010,31(2):187-192.

DA J, HU Y, ZHAO M J, et al. Features of source rocks and hydrocarbon pooling in the Kelameili Gas Field, the Junggar Basin[J]. Oil & Gas Geology, 2010, 31(2): 187-192.

23
新疆油田分公司.美6-美8井区石炭系、二叠系气藏储量动用及水平井优化部署研究[R].克拉玛依:新疆油田分公司,2020.

Xinjiang Oilfield Company. Study on Reserves Production and Optimal Deployment of Horizontal Wells in Carboniferous and Permian Gas Reservoirs in Well Block Mei6-Mei8[R]. Karamay: Xinjiang Oilfield Company, 2020.

24
王靖,孙赞东,吴杰,等.地震资料处理方法的叠前保幅性研究[J].岩性油气藏,2016,28(3):105-112.

WANG J, SUN Z D, WU J, et al. Pre-stack amplitude preserved ability about several seismic data processing methods[J]. Lithologic Reservoirs, 2016, 28(3): 105-112.

25
李远娟,王泽胜,阎建国,等.叠前道集优化处理及其在AVO分析中的应用[J].新疆石油地质,2016,37(4):479-483.

LI Y J, WANG Z S, YAN J G, et al. Optimized processing of pre-stack gathers and its application in AVO analysis[J]. Xinjiang Petroleum Geology, 2016, 37(4): 479-483.

26
左国平,范国章,蔡铮,等.地震分频 AVO 技术在孟加拉湾海域深水沉积储层烃类检测中的应用[J].天然气地球科学,2020,31(4):567-577.

ZUO G P, FAN G Z, CAI Z, et al. The application of seismic frequency decomposition AVO method in offshore deep-water sedimentary reservoirs hydrocarbon detection in the bay of Bengal[J].Natural Gas Geoscience,2020,31(4):567-577.

27
郭旭升,凡睿.AVO 技术在普光气田鲕滩储层预测中的应用[J].石油与天然气地质,2007,28(2):198-202.

GUO X S, FAN R. Application of AVO techniques to reservoirs predition of oolitic beach facies in Puguang Gas Field[J]. Oil & Gas Geology, 2007, 28(2): 198-202.

28
李建华,刘百红,张延庆,等.叠前AVO反演在储层含油气性预测中的应用[J].石油地球物理勘探,2016,51(6):1180-1186.

LI J H, LIU B H, ZHANG Y Q, et al. Oil-bearing reservoir prediction with prestack AVO inversion[J]. Oil Geophysical Prospecting, 2016, 51(6): 1180-1186.

29
李久娣,孙莉,魏水建,等.东海海域深层HG组低渗储层“甜点”预测方法及应用[J].石油物探,2019,58(5):758-765.

LI J D, SUN L, WEI S J, et al. “Sweet spot” prediction and its application in the low permeability reservoir of the deep HG Formation in the East China Sea[J]. Geophysical Prospecting for Petroleum, 2019, 58(5): 758-765.

30
印兴耀,韩文功,李振春,等.地震技术新进展[M].东营:中国石油大学出版社,2007:32-69.

YIN X Y, HAN W G,LI Z C, et al. New Developments in Seismic Technology[M]. Dongying: China University of Petroleum Press, 2007: 32-69.

31
刘志伟,陈信平,司国帅,等.煤层气 AVO 分析预处理关键技术[J].煤炭学报,2016,41(2):482-490.

LIU Z W, CHEN X P, SI G S, et al. Key preprocessing technology for CBM AVO analysis[J]. Journal of China Coal Society, 2016,41(2): 482-490.

32
SHUEY R T. A simplification of the Zoeppritz equations[J].Geophysics,1985,50(4): 609-614.

33
李陶,刘护创,胡光岷,等.非高斯反演在页岩气储层预测中的应用[J].石油地球物理勘探,2018,53(2):197-203.

LI T, LIU H C, HU G M, et al. Non-Gaussian inversion in shale gas reservoir prediction[J]. Oil Geophysical Prospecting, 2018, 53(2): 197-203.

34
方赟,柯善珍,陈家敏,等.AVO地震反演在油气预测中的应用[J]. 特种油气藏, 2002, 9(4):22-24.

FANG Y, KE S Z, CHEN J M, et al. Application of AVO seismic inversion in hydrocarbon prediction[J]. Special Oil and Gas Reservoir, 2002, 9(4): 22-24.

35
逄硕,刘财,郭智奇,等.基于频变AVO反演的页岩储层含气性地震识别技术[J].地球物理学报,2018,20(4):22-25.

PANG S, LIU C, GUO Z Q, et al. Gas identification of shale reservoirs based on frequency-dependent AVO inversion of seismic data[J]. Chinese Journal of Geophysics, 2018, 20(4):22-25.

36
张科,赵汝敏,程岳宏,等.西北巴拉望盆地生物礁识别与预测应用研究[J].特种油气藏,2013,54(2):356-364.

ZHANG K, ZHAO R M, CHENG Y H, et al. Applied research on identification and prediction of organic reef in northwest Palawan Basin[J]. Special Oil and Gas Reservoir, 2013,54(2): 356-364.

37
曹俊兴,薛雅娟,田仁飞,等.深层碳酸盐岩储层含气性检测方法技术研究[J].石油物探,2019,58(1):9-16.

CAO J X, XUE Y J, TIAN R F, et al. Advances in hydrocarbon detection in deep carbonate reservoirs[J]. Geophysical Prospecting for Petroleum, 2019, 58(1): 9-16.

38
邓勇,潘光超,李明,等.莺歌海盆地“平点”叠前AVO特征及识别[J].石油地球物理勘探,2019,54(5):1123-1130.

DENG Y, PAN G C, LI M, et al. Prestack AVO characteristics and identification of flat spot in Yinggehai Basin[J].Oil Geophysical Prospecting, 2019, 54(5): 1123-1130.

39
张艳,高世臣,孟婉莹,等.致密砂岩储层AVO正演模拟过程中的不确定性分析[J].岩性油气藏,2020,33(1):1-9.

ZHANG Y, GAO S C, MENG W Y, et al. Uncertainty analysis in AVO forward modeling for tight sandstone reservoirs[J]. Lithologic Reservoirs, 2020, 33(1): 1-9.

40
RUTHERFORD S R, WILLIAMS R H. Amplitude versus offset variations in gas sands[J]. Geophysics, 1989, 54(6): 680-688.

41
谭磊.叠前地震属性方法研究[D].荆州:长江大学,2016:28-30.

TAN L. The Study of Pre-stack Seismic Attributes Methods[D]. Jingzhou: Yangtze University, 2016: 28-30.

42
罗静兰,邵红梅,张成立.火山岩油气藏研究方法与勘探技术综述[J].石油学报,2003,24(1): 31-38.

LUO J L, SHAO H M, ZHANG C L. Summary of research methods and exploration technologies for volcanic reservoirs[J]. Acta Petrolei Sinica, 2003, 24(1): 31-38.

43
杨川,林承焰,孟征,等.地震沉积学在辫状河沉积相研究中的应用——以奥里诺科重油带JN4区块Merecure组为例[J].东北石油大学学报,2019,43(6):105-117.

YANG C, LIN C Y, MENG Z, et al. Application of seismic sedimentology in braided fluvial sedimentary facies: A case from the Merecure Formation of the JN4 Block in Orinoco Heavy Oil Belt[J]. Journal of Northeast Petroleum University, 2019, 43(6): 105-117.

44
吴晓川,蒲仁海,薛怀艳,等.珠江口盆地揭阳凹陷珠海组海底扇含气性检测与分析[J].地球物理学报,2019,62(7):2732-2747.

WU X C, PU R H, XUE H Y, et al. Detection and analysis gas-bearing of seafloor fans in the Zhuhai Formation of the Jieyang sag, Pearl River Mouth Basin[J]. Chinese Journal of Geophysics, 2019, 62(7): 2732-2747.

45
熊冉,刘玲利,刘爱华,等.地震属性分析在轮南地区储层预测中的应用[J].特种油气藏,2008,15(2):32-34,43.

XIONG R, LIU L L, LIU A H, et al. Application of seismic attribute analysis in Lunnan reservoir predication[J]. Special Oil and Gas Reservoir, 2008, 15(2): 32-34, 43.

Outlines

/