分级构型约束低渗相对优质储层预测技术及其应用

Prediction Method and Its Application of Relative High-Quality Reservoir Distribution in Low-Permeability Reservoir Dominated by Hierarchical Architecture

摘要

扇三角洲前缘水下分流河道是油田L₁V油组主要储层，具有砂体厚度薄、非均质性强、低孔低渗的特征. 针对常规优势沉积相带分析很难解决油田开发生产面临部分注水区块受效性不明，水驱波及范围有限等问题，提出一种分级构型约束低渗相对优质储层预测方法，该方法首先基于优化地震数据采用数学形态学方法开展储层内部构型边界检测和分类，并开展不同级次的储层构型分析；其次，以构型为约束运用神经网络聚类方法落实各复合河道优势沉积相带展布；最后，综合优势沉积相带及表征河道砂体连通性的构型边界优选研究区低渗相对优质储层发育区域.结果表明：（1）L₁V油组发育断层（I）、复合河道（II）、单河道带（III）三大类构型边界，其中，单河道带类（III）可进一步划分为3种次一级边界，各构型边界具有不同的砂体连通性和地震反射特征；（2）L₁V油组共发育3期近SN向展布的复合河道，即Channel-1、Channel-2、Channel-3，且各复合河道主要发育水下分流河道、水下分流河道间及、水下天然堤等沉积微相；（3）综合优势沉积相带（水下分流河道）展布及储层构型边界特征，预测了L₁V油组各复合河道2类优质储层的平面展布.该方法能够提高低渗相对优质储层预测精度，指导井间砂体连通性及剩余油潜力分析，进而有效规避油田开发综合调整阶段开发风险，提高经济效益.

关键词

储层构型边界 / 砂体连通性 / 优势沉积相带 / 优质储层 / 低渗储层 / 石油地质

Key words

reservoir architecture boundary / sand body connectivity / pretty sedimentary facies belt / low-permeability reservoir / high-quality reservoir / petroleum geology

低渗透储层是指渗透率为0.1~50 mD的储层，随着油气勘探程度的不断提高，低渗油气储层逐渐成为现阶段油气勘探开发研究的重点（邹才能，2012；操应长等，2018；朱筱敏等，2018）. 开展低渗储层相对优质储层（“甜点”）的预测可为井位优选提供重要依据，是低渗储层开发的关键，有助于降低低渗储层勘探开发成本. 杨田等（2015）、刘金库等（2016）、赵仲祥等（2018）、陈林等（2019）、崔明明等（2019）、张武等（2019）、卢欢等（2020）、薛永安等（2020）分别从岩心、薄片、产能等方面对碎屑岩扇三角洲、辫状河三角洲不同沉积相及深层花岗组基岩的低渗储层成因及优质储层主控因素开展了研究；杨晓萍等（2007）以鄂尔多斯苏里格庙气田 、四川盆地川中地区须家河组、鄂尔多斯陕北地区延长统等陆上典型岩性油气藏为例，总结低孔隙度低渗透率储层的形成原因及优质储层的形成与分布规律；尤丽等（2014）基于沉积成岩-储集相分析确定低渗储层“甜点”的平面分布；秦德文等（2015）、陶倩倩等（2017）、李久娣等（2019）在储层岩相及"甜点"储层敏感弹性参数的基础上，采用敏感参数地震反演及敏感地震属性综合分析确定储层岩相及优质储层展布，对低渗"甜点"储层展布进行有效刻画. 前人研究侧重于从沉积、成岩、构造等角度分析低渗相对优质储层的成因，并借助地震敏感属性、地震反演等方法开展优质储层预测. 但在低渗相对优质储层预测时，很少考虑砂体的连通性.

为此，结合前人低渗透优质储层预测方法，本文以涠洲11-A油田4N区L₁V油组为研究目标，提出分级构型约束下低渗相对优质储层展布预测的方法，该方法首先基于地震数据开展复合河道类储层构型分析和复合河道内部边界识别；其次，以复合河道类储层构型为约束开展无监督神经网络聚类沉积微相分析，落实优势沉积相带展布；最后，基于优势沉积相带的展布及储层构型边界特征优选低渗相对优质储层，落实其平面展布特征，进而指导油田后期调整挖潜.

1 模型正演分析

复合河道内单期河道砂体常以孤立、侧叠、堆叠等方式相接触，不同的接触方式势必会影响河道砂体间的连通性，进而影响开发阶段剩余油的分布（封从军等，2015；邹拓，2017；杜殿发等，2018；张运龙等，2018）.

1.1　单期河道储层物性特征

据野外数字露头实测数据分析表明（朱如凯等，2013），储集物性空间分布特征表现为： 复合河道内每期河道砂体储层物性下部较上部好，中间较两翼好，单期河道砂体最厚位置处储集性最好（图1）. 因此，复合河道内单期河道砂体间的叠置程度就成为影响河道间砂体连通性的关键因素，叠置程度的分析对优质储层预测、剩余油分析及注采井网部署具有较好的指导意义.

1.2　模型正演分析

根据研究区储层特征建立如图2a所示的地质模型，进而分析不同砂体接触方式的地震振幅变化特征. 模型中：（1）复合河道两端与水下天然堤为侧叠接触关系；（2）复合河道内部，由左向右单期河道砂体叠置程度逐渐增大，由叠置程度为0逐渐过渡为单期河道砂体宽度的1/2；（3）地震主频约35 Hz，砂岩、泥岩速度分别为2 350 m/s和2 460 m/s，密度为2.1 g/cm³和2.3 g/cm³；（4）河道砂体最厚25 m，向边部逐渐减薄，河道宽度采用研究区统计平均值250 m.

正演分析表明（图2b）：

（1）整体上，河道砂的地震振幅较水下天然堤强，且河道砂与席状砂叠置部位为地震弱反射；

（2）当单期河道砂体为孤立型，即河道砂体间叠置程度为0时，单期河道砂体间地震同相轴表现为弱振幅差连续反射. 这种情况下，河道砂体连通差；

（3）当单期河道砂体间叠置程度逐渐增大，即由0逐渐过渡变为单期河道砂体宽度的1/2时，单期河道砂体间接触部位的地震反射振幅逐渐增强，单期河道砂体叠置部位地震反射振幅与河道砂体地震反射振幅之间的差异逐渐减小. 这种情况下，河道砂体连通性逐渐变好.

可见，地震振幅变化的强弱不仅反映复合河道内部储层厚度的变化，同时在一定程度上也反映了河道砂体叠置程度的变化，进而反应复合河道内砂体连通性的好坏.

2 技术方法

基于上述分析认识，本文提出分级构型约束的中深层低渗相对优质储层预测技术，该技术流程如图3所示，该方法主要包括以下关键步骤：

2.1　面向储层内部构型的地震资料优化处理

地下介质条件复杂，受信号能量衰减等因素的影响，地面采集到的地震数据往往存在高频成分缺失、地震分辨率较低、频带较窄等问题，进而一定程度上降低了基于地震开展储层研究的精度. 为提高深层地震数据品质，支撑储层构型分析等精细储层研究，结合叠后地震资料处理方法优缺点（赵淑红等，2007；王珺等，2008；纪甜甜等，2015；刘建伟等，2016；颜中辉等，2018；李贤兵等，2020；张璐等，2020），本文采用谱均衡方法对原始叠后地震数据进行优化处理.

2.2　储层内部构型边界检测及分类

储层内部构型边界，即储层不连续界限，指由于沉积作用、成岩改造及构造运动等因素，在储层中形成的岩性尖灭、物性变化、砂体叠置等对流体流动产生影响的各类界面. 为表征储层内部构型边界，本文基于优选的储层地震敏感属性，采用数学形态学的方法对其进行检测，并结合储层展布特征、不连续界限特征（长度、走向、发育位置等）对界线进行分级（张栋，2020）. 数学形态学是一种基于集合论的数字图像处理方法，有膨胀和腐蚀两种运算，其中，膨胀运算定义为待处理图像 f 中的任意位置（ x，y） 处与结构元素 b 重合区域的最大值，表示为： [ f ⨁ b ] ( x , y ) \mathrm{m} \mathrm{a} {\mathrm{x}}_{(s,t)\in \mathrm{b}}｛f（x+s，y+t）｝

腐蚀运算定义为待处理图像 f 中的任意位置（ x，y）处与结构元素 b 重合区域的最小值，表示为： [ f ⊝ b ] ( x , y ) \mathrm{m} \mathrm{i} {\mathrm{n}}_{(s,t)\in \mathrm{b}}｛f（x+s，y+t）｝

膨胀运算与腐蚀运算结果的差分便构成了形态学梯度，它被常用来检测一幅图像的边缘信息. 令所求边缘为E，则形态学梯度表示为： E = ( f ⨁ b ) - ( f ⊝ b ).

2.3　不同级次储层内部构型分析

以检测获取的储层内部构型边界为指导，采用“储层内部构型边界控制、地震属性引导、地震剖面与平面互动”的方法开展复合河道类、单河道带类储层构型分析，明确各级次河道构型特征.

2.4　低渗相对优质储层预测

以不同级次储层构型为约束，基于优势沉积相带展布，以单河道带类储层内部构型边界为指导，开展中深层低渗相对优质储层预测. 低渗相对优质储层主要位于优势沉积相带内单河道叠置程度高，即单河道带类储层构型边界为指导潜力区预测及开发井网部署和优化.

3 成果应用

涠洲11-A油田位于北部湾盆地涠西南凹陷南部斜坡、涠西南低凸起向东北倾末端，为３号断裂带东扭张带上的断块构造，其主要储层为流一下段发育的三角洲前缘水下分流河道，具有储层砂体厚度薄、平面和纵向非均质性强的特征，储层孔隙度孔隙度在2.5%~23.6%之间，平均值为15.8%；渗透率在0.6~21.5 mD之间，平均值为12 mD，属于中-低孔、低渗储层. 目前油田开发生产面临：砂体连通性复杂，部分注水区块受效性不明；注水单向受效，水驱波及范围有限等问题，严重影响油田增储上产. 为此，本文将分级构型约束低渗相对优质储层预测技术应用到目标区.

3.1　叠后地震资料优化处理效果分析

采用谱均衡技术对原始地震数据优化处理. 首先，从地震数据频谱特征看（图4a）：（1）处理前后，地震数据有效频带基本保持不变，为5~65 Hz；（2）处理后，地震数据高频能量得到合理补偿，且中低频能量与高频部分能量得到均衡；（3）处理后，原始地震数据5~35 Hz中低频带范围内的陷频现象得到有效解决.

其次，从过Well-2井地震剖面看，优化处理后地震数据纵向分辨率得到显著提升，可清晰反映储层内部河道砂体纵向叠置关系：优化处理前，过井地震剖面表现为低频中-强振幅连续反射，且在Well-2井附近具有明显地震反射复波的特征（图4b蓝色虚线框）；优化处理后，过井地震剖面表现为中频中-强振幅连续反射，且Well-2井附近的地震反射复波打开，与Well-2井上实际钻遇两套河道储层特征吻合（图4c蓝色虚线框）.

3.2　储层内部构型边界精细表征

基于研究区储层地震总正振幅敏感属性，采用数学形态学的方法检测储层内部构型边界，并结合储层展布特征、储层构型边界特征（平面延伸长度、展布方向、发育位置等）、地震反射特征将构型边界划分为断层、复合河道带、单河道带3类，其中单河道带类根据分布位置及连通性级别又分为3种类型（图5）. 各类型边界特征见表1. 其中，断层地震反射表现为地震同向轴的错位或错断，断层两侧砂体的连通性与砂体厚度及断距大小有关.

复合河道带类构型边界对应两期复合河道叠置的部位，研究区两期复合河道以侧叠、切叠为主，地震反射表现为地震复波或地震振幅的明显减弱，河道砂体连通性差-较好.

单河道带边界分为3类：III-1和III-2位于单河道内部，依据河道砂体切叠程度进行划分，当切叠程度较弱时（III-1），地震振幅出现强-弱-强的变化特征；当切叠程度较大时（III-2），地震振幅横向基本无变化，后者连通性更好；而III-3主要位于河道与远砂坝间或三角洲前缘河道间，地震反射为地震复波或地震振幅的明显减弱，河道砂体连通性差.

3.3　储层内部构型分析

以地震总正振幅与振幅曲率属性叠合图为导向，采用“井震联合，地震剖面与地震平面互动”的方法开展研究区L₁V油组储层内部构型分析.

（1）　复合河道带类储层构型特征

L₁V油组发育近SN向展布的Channel-1、Channel-2、 Channel-3共3期扇三角洲前缘水下分流复合河道（图6）. 其中，早期复合河道Channel-1、Channel-2规模较大，分别位于研究区西侧和东侧；晚期复合河道Channel-3规模相对较小，主要位于研究区中部，且由南向北，河道规模逐渐减小；复合河道间表现为侧叠、堆叠的叠置关系.

（2）　单河道带类储层构型特征

复合河道内部由多条单期河道带组成，受地震分辨率的限制很难对各单期河道进行精细表征，结合前文数字露头和正演分析结果，主要从河道砂体叠置样式、砂体连通性角度进行分析. 结果表明，研究区单河道砂体间主要表现为孤立型和切叠型叠置关系（图7）. 其中：

孤立型主要位于三角洲末端河道间及河道边部，河道砂体间叠置程度低，地震剖面中地震振幅呈现强-弱-强地震反射特征，振幅减弱较为明显（图7中Line4）. 这种情况下，河道间砂体连通差；

切叠型主要位于三角洲沉积复合河道主体内部，河道砂体间叠置程度为较低到高. 当叠置程度较低时，地震剖面中地震振幅有减弱的特征（图7中Line3），地震反射同向轴有轻微错位的现象；当叠置程度高时，地震剖面中地震振幅横向变化小，表现为中-强振幅连续反射（图7中Line5）. 这种情况下，河道间砂体连通为较好到好.

3.4　优势沉积相带分析

以复合河道带类储层构型边界为约束，采用应用较为广泛的神经网络波形分类技术对优选的储层敏感地震属性开展属性聚类分析（唐华风等，2007；邓传伟等，2008；熊伟等，2010；张帅等，2013；井涌泉，2014；李辉等，2017；逯宇佳等，2019），并结合实钻结果开展优势沉积相带的划分.

以研究区L₁V油组Channl-1、Channl-2复合河道地震属性聚类分析为例（图8）. 属性聚类结果表明，该复合河道呈近南北向延伸，主要发育水下分流河道、水下分流河道间、水下天然堤和滨浅湖泥岩四种沉积微相，其中水下分流河道为优势沉积相带. 分析结果符合研究区扇三角洲前缘的沉积规律特征.

3.5　低渗相对优质储层预测

实钻结果表明，Well-1钻遇Channel-1、Channel-3两期河道，且均位于河道靠边部位置；Well-2钻遇Channel-2河道中心部位及Channel-3河道靠边部位置，但3口井均位于水下分流河道内，Channel-1、Channel-2、 Channel-3实测平均孔隙度分别为17%、12.5%、10%；平均渗透率分别为21.0 mD、19.5 mD、18.2 mD，孔渗性相对较好，为优势沉积相.

研究区相对优质储层主要受控于沉积微相，其中，优势沉积相扇三角洲前缘水下分流河道具有较好的孔渗性，是低渗相对较为有利的储集砂体，但仅从优势沉积相角度分析优质储层未考虑到河道砂体间连通性的问题. 为此，本文提出基于神经网络波形分类确定的优势沉积相带，结合表征河道砂体间连通性的储层构型边界特征综合优选低渗相对优质储层的方法，进而明确低渗相对优质储层的平面展布.

综合分析，优选出研究区L₁V油组复合河道（Channl-1、Channel-2）①、②两类相对优质储层（图9），其中：①类优质储层位于优势沉积相带内，储层构型边界不发育或Ⅲ-1型储层构型边界发育较少的位置；②类优质储层位于优势沉积相带内，Ⅲ-1型储层构型边界较为发育的部位. 这些部位为多期削截式河道叠合，河道间砂体连通性相对较好.

4 结论

（1）采用数学形态学检测方法，根据储层构型边界特征（平面延伸长度、展布方向、发育位置等），结合地震反射将L₁V油组构型边界划分为断层、复合河道带类、单河道带类3类，其中，单河道级可进一步划分为Ⅲ-1、Ⅲ-2、Ⅲ-3三种次一级构型边界；

（2）以构型分析为约束，采用神经网络波形分类技术明确L₁V油组Channel-1、Channel-2、Channel-3这3期复合河道优势沉积相带，即水下分流河道的平面展布；

（3）基于优势沉积相带，结合表征河道砂体连通性的储层构型边界展布特征，预测L₁V油组低渗相对优质储层展布. 其中，①类优质储层位于水下分流河道优势沉积相带内，储层构型边界不发育或Ⅲ-1型储层构型边界发育较少的位置；②类优质储层位于水下分流河道优势沉积相带内，Ⅲ-1型储层构型边界较为发育的位置.

参考文献

[1] Cao, Y.C., Yang, T., Song, M.S., et al., 2018. Characteristics of Low-Permeability Clastic Reservoirs and Genesis of Relatively High-Quality Reservoirs in the Continental Rift Lake Basin: a Case Study of Paleogene in the Dongying Sag, Jiyang Depression. Acta Petrolei Sinica, 39(7): 727-743 （in Chinese with English abstract).

[2] Chen, L., Li, S.S., You, J.J., et al., 2019. Quantitative Evaluation and Application of Factors Affecting the Properties of Low Permeability Reservoirs from the Paleogene in Wenchang B Sag. Geological Science and Technology Information, 38(3): 165-173 （in Chinese with English abstract).

[3] Cui, M.M., Li, J.B., Wang, Z.X., et al., 2019. Characteristics of Tight Sand Reservoir and Controlling Factors of High-Quality Reservoir at Braided Delta Front: a Case Study from Member 8 of Shihezi Formation in Southwestern Sulige Gas Field. Acta Petrolei Sinica, 40(3): 279-294 （in Chinese with English abstract).

[4] Deng, C.W., Li, L.H., Jin, Y.J., et al., 2008. Application of Seismic Waveform Classification in Predicting Sedimentary Microfacies. Geophysical Prospecting for Petroleum, 47(3): 262-265, 18（in Chinese with English abstract).

[5] Feng, C.J., Bao, Z.D., Dai, C.M., et al., 2015. Superimposition Patterns of Underwater Distributary Channel Sands in Deltaic Front and Its Control on Remaining Oil Distribution: a Case Study from K₁ q ⁴ in J19 Block, Fuyu Oilfield. Oil & Gas Geology, 36(1): 128-135 （in Chinese with English abstract).

[6] Du, D.F., Guo, Q.Q., Zheng, Y., et al., 2018. Superposition of Sandstone Formations and Patterns in Residual Oil Distribution. Special Oil & Gas Reservoirs, 25(4): 62-66 （in Chinese with English abstract).

[7] Ji, T.t., Zhang, W., Ren, H., et al., 2015. Application of Spectral Bluing Frequency-Broadening Technique in Chunguang Block. Unconventional Oil & Gas, 2(3): 22-26 （in Chinese with English abstract).

[8] Jing, Y. Q., Fan, H. J., Chen, F., et al., 2014. Application of Waveform Classification in the Prediction of Fluvial Facies Interbedded Sandstone Reservoirs. Progress in Geophysics, 29(3): 1163-1167 （in Chinese with English abstract).

[9] Li, H., Luo, B., He, X.T., et al., 2017. Boundary Identification and Prediction of Sand Body Based on Seismic Waveform. Chinese Journal of Engineering Geophysics, 14(5): 573-577 （in Chinese with English abstract).

[10] Li, J.D., Sun, L., Wei, S.J., et al., 2019. “Sweet Spot” Prediction and Its Application in the Low Permeability Reservoir of the Deep HG Formation in the East China Sea. Geophysical Prospecting for Petroleum, 58(5): 758-765 （in Chinese with English abstract).

[11] Li, X.B., Zhao, J.J., Jin, J.L., et al., 2020. Pre-Stack Spectrum Blueing Frequency Increasing Technique: a Case Study on Reservoir Prediction in Chad Baob Oilfield. Oil Geophysical Prospecting, 55(6): 1343-1348, 1166（in Chinese with English abstract).

[12] Liu, J.W., Gao, Q.J., Shi, T., 2016. Application of Spectral Bluing Frequence Technology in Reservoir Prediction of Dawangzhuang Area. Complex Hydrocarbon Reservoirs, 9(1): 31-34 （in Chinese with English abstract).

[13] Liu, J.K., Sun, Y.L., Jiao, X., et al., 2016. The Genesis of Low Permeability of High-Quality Reservoirs in Deep-Buried Clastic Rock Reservoirs and Its Development Mechanism: a Case Study of Es₂ Formation in the Slope Area of Qikou Sag. Natural Gas Geoscience, 27(5): 799-808 （in Chinese with English abstract).

[14] Lu, H., Wang, Q.B., Niu, C.M., et al., 2020. Meteoric Leaching Evidences, Diagenetic Model and Its Geology Significance in Mixed Rock of Steep Slope Zone of Shijiutuo Uplift. Earth Science, 45(10): 3721-3730 （in Chinese with English abstract).

[15] Lu, Y.J., Cao, J.X., Liu, Z.G., et al., 2019. Application of Waveform Classification Technology for Fluid Identification in Fractured-Vuggy Reservoir. Acta Petrolei Sinica, 40(2): 182-189 （in Chinese with English abstract).

[16] Qin, D.W., Hou, Z.Q., Jiang, Y., et al., 2015. The Application of Poisson Dampening Factor to Inspection of High Porosity Sandstone. Chinese Journal of Engineering Geophysics, 12(2): 190-193 （in Chinese with English abstract).

[17] Tang, H.F., Wang, P.J., Jiang, C.J., et al., 2007. Application of Waveform Classification to Identify Volcanic Facies in Songliao Basin. Oil Geophysical Prospecting, 42(4): 440-444, 488, 359（in Chinese with English abstract).

[18] Tao, Q.Q., Sun, W.Z., Li, S.S., et al., 2017. Application of Fan Delta Facies “Sweet Point” Reservoir Prediction Technology in Weizhou a Oilfield. Geological Science and Technology Information, 36(6): 279-285 （in Chinese with English abstract).

[19] Wang, J.Y., Yang, C.C., Qiao, Y.L., 2008. Improve the Seismic Resolution with a Stable and Efficient Inverse Q Filter. Progress in Geophysics, 23(2): 456-463 （in Chinese with English abstract).

[20] Xiong, W., Wan, Z.H., Liu, L.F., et al., 2010. A New Method for Semi-Automatic Definition of Cluster Number in Waveform Classification. Oil Geophysical Prospecting, 45(2): 265-271, 320, 161（in Chinese with English abstract).

[21] Xue, Y.A., Pang, X.J., Hao, Y.W., et al., 2020. Genesis of High-Quality Mixed Rock Reservoir and Its Exploration Significance in Es1 around Southeast Margin of Qinnan Sag, Bohai Sea. Earth Science, 45(10): 3527-3542 （in Chinese with English abstract).

[22] Yan, Z.H., Fang, G., Xu, H.N., et al., 2018. The Application of Hilbert Spectral Whitening Method to High Resolution Processing of Marine Seismic Data. Marine Geology & Quaternary Geology, 38(4): 212-220 （in Chinese with English abstract).

[23] Yang, T., Cao, Y.C., Wang, Y.Z., et al., 2015. Genesis of High-Quality Reservoirs of Fan Delta Front in Lower Part of the Fourth Member of Shahejie Formation in Bonan Subsag. Earth Science, 40(12): 2067-2080 （in Chinese with English abstract).

[24] Yang, X.P., Zhao, W.Z., Zou, C.N., et al., 2007. Origin of Low-Permeability Reservoir and Distribution of Favorable Reservoir. Acta Petrolei Sinica, 28(4): 57-61 （in Chinese with English abstract).

[25] Yin, J.F., Li, J., Xie, F., et al., 2007. Application of Waveform Classification Technique in Predicting Reef Gas Pool in East Sichuan Basin. Geophysical Prospecting for Petroleum, 46(1): 53-57, 73, 15（in Chinese with English abstract).

[26] You, L., Zhang, Y.Z., Li, C., et al., 2014. Based on Analysis of Sedimentary-Diagenetic Reservoir Facies to Determine “Sweet Spots” Distribution in Low Permeability from Wenchang 9 Area. Journal of Jilin University (Earth Science Edition), 44(5): 1432-1440 （in Chinese with English abstract).

[27] Zhang, D., 2020. Lateral Prediction Method of Fluvial Facies Reservoir Architecture Discontinuity Boundary. SPG/SEG：4（in Chinese with English abstract).

[28] Zhang, L., Wang, Y.D., 2020. Calculation and Application of Spectral Blue Operator of the Frequency Division Seismic Data. Journal of Beijing Information Science & Technology University, 35(1): 63-68 （in Chinese with English abstract).

[29] Zhang, S., Zhu, Y.H., Liu, H., et al., 2013. The Application of Seismic Waveform Classification Technique for Sandstone Prediction in Shallow-Water Basin. Progress in Geophysics, 28(5): 2618-2625 （in Chinese with English abstract).

[30] Zhang, W., Hou, G.W., Xiao, X.G., et al., 2019. Genesis of Low Permeability Reservoirs and Main Controlling Factors of High Quality Reservoirs in Xihu Sag, East China Sea Basin. China Offshore Oil and Gas, 31(3): 40-49 （in Chinese with English abstract).

[31] Zhang, Y.L., Ding, F., Yin, C., et al., 2018. The Identification of Fluvial Sand-Body Superimposed Area Based on Seismic Waveform Structure Attributes. Acta Petrolei Sinica, 39(7): 792-801 （in Chinese with English abstract).

[32] Zhao, S.H., Zhu, G.M., 2007. Using Combined Method of Wavelet Transform and Spectrum Equalization to Improve Seismic Data Resolution. Journal of Xi’an University of Science and Technology, 27(2): 255-259 （in Chinese with English abstract).

[33] Zhao, Z.X., Dong, C.M., Lin, C.Y., et al., 2018. Formation Mechanism Of“Sweet Spot”in Low Permeability and Tight Gas Reservoirs: a Case Study of Huagang Formation in X Gas Field, Xihu Sag. Journal of China University of Mining & Technology, 47(5): 995-1007 （in Chinese with English abstract).

[34] Zhu, R.K., Bai, B., Yuan, X.J., et al., 2013. A New Approach for Outcrop Characterization and Geostatistical Analysis of Meandering Channels Sandbodies within a Delta Plain Setting Using Digital Outcrop Models: Upper Triassic Yanchang Tight Sandstone Formation, Yanhe Outcrop, Ordos Basin. Acta Sedimentologica Sinica, 31(5): 867-877 （in Chinese with English abstract).

[35] Zhu, X.M., Pan, R., Zhu, S.F., et al., 2018. Research Progress and Core Issues in Tight Reservoir Exploration. Earth Science Frontiers, 25(2): 141-146 （in Chinese with English abstract).

[36] Zou, C.N., Zhu, R.K., Wu, S.T., et al., 2012. Types, Characteristics, Genesis and Prospects of Conventional and Unconventional Hydrocarbon Accumulations: Taking Tight Oil and Tight Gas in China as an Instance. Acta Petrolei Sinica, 33(2): 173-187 （in Chinese with English abstract).

[37] Zou, T., 2017. Study on Superimposition Patterns and Main Remaining Oil Control Factors of Channel Sand-Bodies. Journal of Xi’an Shiyou University (Natural Science Edition), 32(5): 36-41 （in Chinese with English abstract).

[38] 操应长, 杨田, 宋明水, 等, 2018. 陆相断陷湖盆低渗透碎屑岩储层特征及相对优质储层成因: 以济阳坳陷东营凹陷古近系为例. 石油学报, 39(7): 727-743.

[39] 陈林, 李珊珊, 游君君, 等, 2019. 文昌B凹陷古近系低渗储层物性影响因素定量评价与应用. 地质科技情报, 38(3): 165-173.

[40] 崔明明, 李进步, 王宗秀, 等, 2019. 辫状河三角洲前缘致密砂岩储层特征及优质储层控制因素: 以苏里格气田西南部石盒子组8段为例. 石油学报, 40(3): 279-294.

[41] 邓传伟, 李莉华, 金银姬, 等, 2008. 波形分类技术在储层沉积微相预测中的应用. 石油物探, 47(3): 262-265, 18.

[42] 杜殿发, 郭乔乔, 郑洋, 等, 2018. 砂体叠置关系与剩余油分布规律. 特种油气藏, 25(4): 62-66.

[43] 封从军, 鲍志东, 代春明, 等, 2015. 三角洲前缘水下分流河道单砂体叠置机理及对剩余油的控制: 以扶余油田J19区块泉头组四段为例. 石油与天然气地质, 36(1): 128-135.

[44] 纪甜甜, 张武, 任红, 等, 2015. 谱蓝化拓频处理技术在春光区块的应用. 非常规油气, 2(3): 22-26.

[45] 井涌泉, 范洪军, 陈飞, 等, 2014. 基于波形分类技术预测河流相砂体叠置模式. 地球物理学进展, 29(3): 1163-1167.

[46] 李辉, 罗波, 何雄涛, 等, 2017. 基于地震波形聚类储集砂体边界识别与预测. 工程地球物理学报, 14(5): 573-577.

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

[48] 李贤兵, 赵俊杰, 晋剑利, 等, 2020. 叠前谱蓝化提频技术在乍得Baob油田储层预测中的应用. 石油地球物理勘探, 55(6): 1343-1348, 1166.

[49] 刘建伟, 高秋菊, 师涛, 2016. 谱蓝化技术在大王庄油田储层预测中的应用. 复杂油气藏, 9(1): 31-34.

[50] 刘金库, 孙永亮, 焦旭, 等, 2016. 碎屑岩储层低渗成因及优质储层发育机理: 以歧口凹陷歧北斜坡沙二段储层为例. 天然气地球科学, 27(5): 799-808.

[51] 卢欢, 王清斌, 牛成民, 等, 2020. 湖相混积岩系同沉积淋滤作用识别标志与优质储层形成机理: 以石臼坨凸起陡坡带Q29和Q36构造沙一、二段为例. 地球科学, 45(10): 3721-3730.

[52] 逯宇佳, 曹俊兴, 刘哲哿, 等, 2019. 波形分类技术在缝洞型储层流体识别中的应用. 石油学报, 40(2): 182-189.

[53] 秦德文, 侯志强, 姜勇, 等, 2015. 泊松阻尼因子在预测高孔隙度砂岩中的应用. 工程地球物理学报, 12(2): 190-193.

[54] 唐华风, 王璞珺, 姜传金, 等, 2007. 波形分类方法在松辽盆地火山岩相识别中的应用. 石油地球物理勘探, 42(4): 440-444, 488, 359.

[55] 陶倩倩, 孙文钊, 李珊珊, 等, 2017. 扇三角洲相储层“甜点”预测技术在涠洲A油田的应用. 地质科技情报, 36(6): 279-285.

[56] 王珺, 杨长春, 乔玉雷, 2008. 用稳定高效的反Q滤波技术提高地震资料分辨率. 地球物理学进展, 23(2): 456-463.

[57] 熊伟, 万忠宏, 刘兰锋, 等, 2010. 波形分类中半自动确定分类数的方法. 石油地球物理勘探, 45(2): 265-271, 320, 161.

[58] 薛永安, 庞小军, 郝轶伟, 等, 2020. 渤海海域秦南凹陷东南缘沙一段混积岩优质储层成因及勘探意义. 地球科学, 45(10): 3527-3542.

[59] 颜中辉, 方刚, 徐华宁, 等, 2018. 希尔伯特谱白化方法在海洋地震资料高分辨率处理中的应用. 海洋地质与第四纪地质, 38(4): 212-220.

[60] 杨田, 操应长, 王艳忠, 等, 2015. 渤南洼陷沙四下亚段扇三角洲前缘优质储层成因. 地球科学, 40(12): 2067-2080.

[61] 杨晓萍, 赵文智, 邹才能, 等, 2007. 低渗透储层成因机理及优质储层形成与分布. 石油学报, 28(4): 57-61.

[62] 殷积峰, 李军, 谢芬, 等, 2007. 波形分类技术在川东生物礁气藏预测中的应用. 石油物探, 46(1): 53-57, 73, 15.

[63] 尤丽, 张迎朝, 李才, 等, 2014. 基于沉积成岩-储集相分析确定文昌9区低渗储层“甜点”分布. 吉林大学学报(地球科学版), 44(5): 1432-1440.

[64] 张栋, 2020. 河流相储层构型不连续界限横向预测方法.SPG/SEG南京2020年国际地球物理会议论文集(中文)，南京, 574-577.

[65] 张璐, 汪毓铎, 2020. 地震数据分频谱蓝化算子计算方法及应用. 北京信息科技大学学报(自然科学版), 35(1): 63-68.

[66] 张帅, 祝有海, 刘豪, 等, 2013. 地震波形分类技术在浅水湖盆砂体预测中的应用. 地球物理学进展, 28(5): 2618-2625.

[67] 张武, 侯国伟, 肖晓光, 等, 2019. 西湖凹陷低渗储层成因及优质储层主控因素. 中国海上油气, 31(3): 40-49.

[68] 张运龙, 丁峰, 尹成, 等, 2018. 基于地震波形结构属性识别河流相砂体叠置区. 石油学报, 39(7): 792-801.

[69] 赵淑红, 朱光明, 2007. 用小波变换谱均衡法提高地震资料的分辨率. 西安科技大学学报, 27(2): 255-259.

[70] 赵仲祥, 董春梅, 林承焰, 等, 2018. 低渗-致密砂岩储层“甜点”成因机制研究: 以西湖凹陷X气田花港组为例. 中国矿业大学学报, 47(5): 995-1007.

[71] 朱如凯, 白斌, 袁选俊, 等, 2013. 利用数字露头模型技术对曲流河三角洲沉积储层特征的研究. 沉积学报, 31(5): 867-877.

[72] 朱筱敏, 潘荣, 朱世发, 等, 2018. 致密储层研究进展和热点问题分析. 地学前缘, 25(2): 141-146.

[73] 邹才能, 朱如凯, 吴松涛, 等, 2012. 常规与非常规油气聚集类型、特征、机理及展望: 以中国致密油和致密气为例. 石油学报, 33(2): 173-187.

[74] 邹拓, 2017. 复合河道砂体叠置样式与剩余油主控因素研究. 西安石油大学学报(自然科学版), 32(5): 36-41.

基金资助

海上低渗及潜山油气田有效开发技术(KJGG2022-0700)