琼东南盆地深水区亮点型气藏时频差异属性分析应用研究

Application of Time-Frequency Difference Attribute Analysis of Bright Spot Type Gas Reservoir in Deep-Water Qiongdongnan Basin

摘要

受深水区探井少、不同流体AVO类型相近影响，利用常规P（拟合截距）、G（拟合梯度）、P×G、P+G等衍生烃类检测属性已不能有效识别深水区储层的流体性质，亟需寻找适合该区有效储层的烃类检测方法. 实际上，地震波在地下地层传播过程中会产生明显的吸收衰减现象，通过含气砂岩会产生低频增加现象，因此联合谱分解和AVO技术是解决深水烃类检测的有效途径. 利用时频属性的峰值振幅和平均振幅，提出了能更好地描述流体性质变化的差异属性，可以增强深水区含气性识别的敏感度，在深水浊积岩储层烃类检测中取得良好的应用效果，有效降低深水区烃类检测的多解性.

关键词

琼东南盆地 / 深水浊积岩 / AVO分析 / 时频分析 / 时频差异属性 / 石油地质

Key words

Qiongdongnan Basin / deep-water turbidity / AVO analysis / time and frequency analysis / time-frequency difference attribute / petroleum geology

0 引言

深水浊积岩沉积体系是世界油气勘探、开发的热点和前沿领域，以墨西哥湾、南大西洋两岸以及西非尼日尔三角洲盆地为典型代表（吕福亮，2007；邓荣敬，2008；江怀友，2008）. 近年来我国南海西部深水区天然气勘探陆续取得重大发现，自2014年初发现第一个自营深水大气田陵水17-2气田后，又陆续在陵水25-1、陵水18-1气田取得重大发现，深水区的天然气储量规模正逐步扩大，形成南海西部深水气田群. 但鉴于深水气田群的重大战略意义，同时受深水区勘探开发成本昂贵、工艺复杂等因素限制，对深水区气藏描述精度也提出了更高的要求，如何准确预测优质储层并开展含气性检测对深水勘探尤为重要.

基于振幅和频率信息是储层流体特征识别的有效途径，因此相应含气性检测方法大致包含以下几方面：亮点技术、AVO技术以及频散特征分析. 其中，叠后地震亮点技术是最直接的含气性检测方法（White，1977；Fatti et al.，1994），以此发现多个大型油气田，但随后勘探发现火山灰、弱固结砂岩、超压砂体以及煤层等特殊岩性体均可产生亮点反射对含气性检测造成干扰（Avseth et al.，2005）. 而叠前AVO技术可以在一定程度上消除亮点技术的不足，主要通过提取叠前弹性参数进行组合挖掘储层岩性和流体信息. 前人提出的LMR法（Goodway，1997）、孔隙模量法（Hedlin，2000）、波阻抗差法（Michael，2001）、弹性模量法（王正付，2006）以及在各种弹性参数组合流体识别因子法（宁忠华，2006；贺振华，2009；王栋，2009）等，在油藏精细描述和常规储层流体识别中取得了较好的应用成效. 但AVO是岩性组合、储层物性、流体性质以及储层厚度等诸多因素的综合响应，任一因素的改变都会造成AVO响应特征的变化（陈克勇，2006）. 为了降低AVO分析的多解性，地球物理学者开展了成岩作用（姚淑凡，2018）、储层厚度物性（马永强，2019）、泥岩盖层速度（韩光明，2016）以及含气饱和度（潘仁芳，2013）等对AVO截距梯度的影响，建立了AVO响应模板为储层和流体解释提供指导（何涛，2011）. 时频分析技术的出现进一步丰富了储层含气性检测方法，以高分辨率时频分析技术为基础增强地震信号局部特征，地球物理学者相继建立频率和吸收衰减梯度与含油气性匹配关系，可以实现储层油气检测（Castagna et al.， 2003；刘喜武，2009；程冰洁，2012； 乐友喜，2016）. 在频散和吸收衰减方面，盐水饱和岩石的纵波速度频散弱，饱含气岩石纵波速度频散呈现异常高值（Batzle et al.， 2001， 2006；Wilson et al.， 2009； Liu et al.， 2014），以此理论基础发展了频变AVO技术方法与理论，大大降低叠前AVO技术的多解性. 但地震反射波调谐效应容易改变频谱的形态，不利于频谱吸收衰减作用分析，AVO响应不会因为调谐效应发生明显改变，因此联合频谱分解和AVO技术来预测储层含气性不失为可取的做法.

1 地质背景

研究区位于南海西部琼东南盆地深水区中央峡谷水道（图1），平均水深1 500 m，深水区远离大陆边缘，中央峡谷体系既可以作为陆源向深海输送沉积物的通道体系，同时也是沉积物卸载堆积储存油气的有利场所. 中央峡谷平面上呈S形展布，分段特征明显. 在陵水段，中央峡谷呈SW-NE走向，下切层位可到T50，峡谷的形成和演化主要受重力流的影响，物源主要来自于西部越南方向，北部、南部隆起区也有物源补充，峡谷内充填了多期次的浊积水道砂，在地震剖面上表现为强振幅、连续的反射特征（图2），砂体上下叠置关系较好. 通过对琼东南盆地中央峡谷的钻探，证明充填的浊积水道砂为优质储层，储层具有类型好、以厚层细砂岩为主、砂岩单层厚度大、孔隙度高等特征，其中LS-X-1井砂体最大厚度达190 m，测井解释气层孔隙度介于20.3%~34.5%，渗透率介于36.2~2 000 mD，HL_I下气组取心段岩心孔隙度介于30.0%~33.7%，平均31.5%，渗透率介于293~2 512 mD，平均为633 mD，储层物性优越.

由于水道砂体在后期受到泥质水道、块体流侵蚀改造，油气依靠底辟、微裂隙垂向运移至中央峡谷水道内，并不是所有砂体都能成藏，其中LS-X-1井在III气组未成藏，IV气组反而成藏，LS-X-3井在II、III气组未成藏，IV气组成藏，分析认为受后期泥质水道切割、块体流侵蚀改造形成的孤立砂体能够成藏，且具有一砂一藏的特征，连片砂体更多起到侧向输导作用，只在相对高部位成藏. 在地震剖面上，含气砂岩和含水砂岩都表现为强振幅、连续的反射特征，在叠后地震资料单纯依靠亮点特征进行含气性检测具有较强的不确定性，因此识别真假亮点是本研究区含气性检测的首要解决问题.

2 近远道时频差异属性分析

由于利用叠后地震进行真假亮点识别难度大，可以借助AVO技术通过反射系数随偏移距（或角度）变化的规律预测实际地层的岩性及孔隙流体，利用丰富的叠前道集信息，优选油气敏感参数进行烃类检测. 通过本研究区叠前道集统计分析发现，含气砂岩和含水砂岩也表现为相似的AVO特征（图3），即随着偏移距的增大，振幅能量逐渐减弱，AVO技术在高成本深水勘探仍旧存在多解性. 实际上，地震波在地下含油气储层中传播会发生明显频散现象和能量衰减，且在叠前道集近远道上振幅和频率均存在响应差异变化，因此利用近远道时频差异是解决深水区烃类检测有效途径之一，其过程主要包括高分辨率时频分析方法和时频差异属性提取方法两项关键技术.

2.1　高分辨率时频分析方法

目前常用时频分析方法包括短时傅里叶变换、S变换、小波变换、基于匹配追踪的Wigner-Ville分布时频分析方法等.

本文研究采用基于匹配追踪的Wigner-Ville分布进行时频分析研究，Wigner-Ville分布具有较高时频分辨率，其时间和频率分辨率之积能够达到测不准原理的极限分辨率. 这里假设任一信号 f \left(t\right) \in L^{\mathrm{2}} \left(R\right)可以展开为以下形式

f \left(t\right) = {\displaystyle \sum _{n=\mathrm{0}}^{N-\mathrm{1}}} a_n{g}_{{\gamma }_n}\left(t\right)+R^{(N)}f,（1）

其中： g_{{\gamma }_n}为匹配追踪第n次迭代提取子波最佳形式， a_n为第n个子波 g_{{\gamma }_n}幅值， R^{(N)} f为第n次匹配余项， {\gamma }_n = \left(u_n,{\sigma }_n,{\omega }_n,{\varphi }_n\right)是时间延迟u，尺度参数 \sigma，中心角频率 \omega和相位参数 \varphi的函数，且满足为最佳匹配余项 g_{{\gamma }_n} = g \left(\frac{t-u_n}{{\sigma }_n}\right) {\mathrm{e}}^{i{\varphi }_{n}t}.

依据Wigner分布的扩张和平移特性，对于任一信号可以表示为

W_{g_{\gamma }} \left(t,\omega \right) = \frac{\mathrm{1}}{\mathrm{2}\mathrm{\pi }} {\int }_{-\mathrm{\infty }}^{+\mathrm{\infty }} f\left(t+\frac{\tau }{\mathrm{2}}\right)f^{\mathrm{*}}\left(t-\frac{\tau }{\mathrm{2}}\right){\mathrm{e}}^{-i\omega t}\mathrm{d}\tau.（2）

对于Wigner分布展开可以表示为：

W_{g_{\gamma }} \left(t,\omega \right) = \sqrt[]{\frac{\mathrm{\pi }}{\mathrm{2}\mathrm{l}\mathrm{n}\mathrm{2}}} \frac{\sigma }{{\omega }_m} \mathrm{e} \mathrm{x} \mathrm{p} \left[-\left(\frac{{\mathrm{\pi }}^{\mathrm{2}}}{\mathrm{2}\mathrm{l}\mathrm{n}\mathrm{2}}\right)\frac{{\sigma }^{\mathrm{2}}\left(\omega -{\omega }_m\right)}{{\omega }_m^{\mathrm{2}}}\right] \times \mathrm{e} \mathrm{x} \mathrm{p} \left[-\left(\frac{\mathrm{2}\mathrm{l}\mathrm{n}\mathrm{2}}{{\mathrm{\pi }}^{\mathrm{2}}}\right)\frac{{\omega }_m^{\mathrm{2}}{\left(t-u\right)}^{\mathrm{2}}}{{\sigma }^{\mathrm{2}}}\right],（3）

其中Wigner分布振幅谱可表示为：

A f \left(t,\omega \right) = {\displaystyle \sum _{n=\mathrm{0}}^{N-\mathrm{1}}} \frac{a_n}{‖g_{{\gamma }_n}‖}{\left(\sqrt[]{\frac{\mathrm{\pi }}{\mathrm{2}\mathrm{l}\mathrm{n}\mathrm{2}}}\frac{{\sigma }_n}{{\omega }_n}\right)}^{\mathrm{1}/\mathrm{2}} \times \mathrm{e} \mathrm{x} \mathrm{p} \left[-\left(\frac{{\mathrm{\pi }}^{\mathrm{2}}}{\mathrm{4}\mathrm{l}\mathrm{n}\mathrm{2}}\right)\frac{{\sigma }_n^{\mathrm{2}}{\left(\omega -{\omega }_n\right)}^{\mathrm{2}}}{{\omega }_n^{\mathrm{2}}}\right] \times \mathrm{e} \mathrm{x} \mathrm{p} \left[-\left(\frac{\mathrm{l}\mathrm{n}\mathrm{2}}{{\mathrm{\pi }}^{\mathrm{2}}}\right)\frac{{\omega }_n^{\mathrm{2}}{\left(t-u_n\right)}^{\mathrm{2}}}{{\sigma }_n^{\mathrm{2}}}\right],（4）

这里， {‖g_{{\gamma }_n}‖}^{\mathrm{2}} = \frac{\mathrm{\pi }}{\mathrm{2}} \sqrt[]{\frac{\mathrm{\pi }}{\mathrm{2}\mathrm{l}\mathrm{n}\mathrm{2}}} \frac{\sigma }{{\omega }_m} \left[\mathrm{1}+\mathrm{e}\mathrm{x}\mathrm{p}\left(-\left(\frac{{\mathrm{\pi }}^{\mathrm{2}}{\sigma }^{\mathrm{2}}}{\mathrm{2}\mathrm{l}\mathrm{n}\mathrm{2}}\right)\mathrm{c}\mathrm{o}\mathrm{s}\varphi \right)\right].

为了验证匹配追踪Wigner时频分析方法的可靠性，设计由17个不同频率和振幅的单分量信号组成多分量信号进行分析（图4）. 受多分量信号影响，Winger-Ville分布通常会出现交叉干扰项（图5a），在任意两个分量之间几何中点处会产生第3个交叉项分量，交叉项会在连接两点的直线上产生振荡，振荡频率与这两点之间的距离成正比，交叉项的存在严重地影响了该多分量信号的处理和解释. 为了降低交叉干扰项的影响，提高时频分析的精准度，采用伪Wigner-Ville分布和平滑伪Wigner-Ville分布等方法来消除交叉项的影响，但这些方法并不能同时兼顾时频分辨率和消除交叉项这两个方面，伪Winger-Ville分布只能抑制部分交叉项，并不能消除所有交叉项，同时在一定程度上降低频率的分辨率（图5b）. 而平滑伪Winger-Ville分布能有效地降低交叉项的影响，但是时间分辨率和频率分辨率都有所降低，特别是在频率和时间上相差不大信号时，平滑伪Wigner-Ville分布时频分辨率更差（图5c）. 多分量信号基于匹配追踪算法的Wigner-Ville分布时频结果显示出非常好的能量聚集性，时频分辨率很高，并且没有交叉项的干扰（图5d）.

2.2　时频差异属性提取方法

通过采用基于匹配追踪多级子波分解的高分辨率时频谱，有效地克服了短时窗傅立叶变换分析方法的局限性，可获得较高分辨率的时频属性，但是由于时频分析单频体多且占用大量内存空间，不利于目标区烃类检测分析. 通过大量的分析和研究，时频属性的峰值振幅和平均振幅之间差异能较好地描述由于储层和流体性质变化引起的差异，因此我们提出利用每个峰值振幅和平均振幅之间差值构成新的属性体. 通过这样的处理，可将频率域烃类检测工作从众多单频属性体中解脱出来，有效实现时频属性降维目的.

图6表示某信号在某个时间样点的频谱图，如果按常规时频属性分析，在5~50 Hz之间，按1 Hz一个单频体进行分析，则需要分析46个频率分量的信息，这就需要投入很大的工作量. 通常情况下，地震信号的频谱图都有一些特殊的点，如峰值振幅和峰值频率点等，如图中分别定义了峰值振幅（能量振幅谱最大幅值）、峰值频率（峰值振幅对应频率）和平均振幅（不同单频振幅平均值）.

图7两个频谱有相似的峰值频率和峰值振幅，频谱b在40 Hz附近比较大的峰值异常，而在频谱a上，峰值振幅相对比较平缓. 从图c和d上我们可以清楚的看出峰值振幅和平均振幅差的含义，通过计算地震数据中每个样点的振幅谱的平均振幅（如图红色虚线所示），用该样点的峰值振幅减去平均振幅代表其真正的峰值异常（图7d），而c图中峰值振幅则仅仅是一个局部高值，很可能是高频干扰引起的异常.

为了提高时频差异属性分析的有效性，可以结合AVO分析进行烃类检测，既弥补常规叠后地震分频缺陷，又降低了AVO分析的多解性. 通过研究区叠前道集有效角度分析优选相同主频和相同相位的偏移距进行部分叠加，得到中远道叠加数据体，由于远道吸收衰减作用强，对流体特征参数敏感程度高，选取中远道叠加体进行时频差异属性分析，发现中远道时频差异属性与已钻井的吻合度较高（图8），具有一定厚度的气层均对应较强的时频差异属性异常，因此在常规地震存在多解性时可以借助远道时频差异属性进一步降低烃类检测的多解性.

3 应用实例

琼东南盆地深水中央峡谷继陵水X区实现自营突破后要实现领域拓展，横向上可向东西扩展，纵向可向浅层拓展，有力扩大场带动更大范围的油气勘探. 在中央峡谷内，利用现有三维地震资料在陵水X气田东翼落实出陵水Y黄流组岩性圈闭群，其中陵水Y-1是岩性圈闭群的代表目标，其成藏条件及地球物理含油气信息与陵水X区探井相似. 已钻井和区域研究表明，主要目的层黄流组浊积水道砂岩发育，物性好，与上覆厚层海相泥岩可形成较好的储盖组合. 凹陷内崖城组烃源岩生成的油气，可先通过底辟垂向运移至中央峡谷内，然后通过峡谷底部厚层砂岩侧向输导，向东进入高部位陵水Y-1圈闭聚集成藏.

3.1　基于钻井的叠前AVO特征分析

对研究区已钻井不同流体砂岩进行AVO正演分析研究表明（图9），黄流组含气砂岩和含水砂岩均表现为明显的IV类AVO特征，砂岩顶底界面的振幅随偏移距增大而增大，但当储层含气后由于纵波阻抗降低，砂泥岩阻抗差异较大，表现为明显的截距强的IV类AVO特征，而含水砂岩与泥岩阻抗差异相对较小，表现为截距相对弱的IV类AVO特征. 从过LS-Y-1目标地震剖面及单点AVO特征上看（图10），在叠后地震剖面上LS-Y-1目标高低部位振幅异常差异明显，高部位存在疑似的平点特征，随着气砂厚度增大，气底平点的下拉程度更大，但从单点AVO特征上看，平点界面上下都表现为IV类的AVO异常，因此，单纯利用AVO类型无法区分储层的流体性质.

3.2　时频差异属性效果分析

为了进一步降低AVO分析含气检测的多解性，对叠前偏移距道集进行修饰性处理，如道集拉平、超道集提高信噪比等，并优选优势角度进行部分叠加获得近中远道部分角度叠加体. 通过对近远道部分叠加体分别进行Wigner-Ville时频分析获得10 Hz和40 Hz单频体，并沿砂体提取最小振幅属性，得到近道和远道的分频属性，同时根据利用本文方法获得时频差异属性（图11）. 在近道和全叠加属性平面上显示，LS-Y-1目标高低振幅差异变化不大，高频能力明显强于低频能量. 而在远道叠加分频属性上，表现为明显的低频能量强高频能量弱的特征，具有低频共振高频衰减的烃检特征，且在时频差异属性表现为明显低频增强的响应特征. 经钻探证实在LS-Y-1构造取得重大发现，气层无阻流量约2 600 万方/天，首次在莺二段海底扇获得天然气商业发现，实现了从黄流组向浅层莺歌海组勘探层系的新突破.

4 结论

针对琼东南盆地深水少井区浊积岩储层的烃类检测问题，本文主要从频率域出发，以高分辨率基于匹配追踪的Wigner-Ville分布时频分析方法作为基础，利用时频属性的峰值振幅和平均振幅建立能更好描述流体性质变化的差异属性，并优选近中远不同叠加体进行试验和测试，发现远道的时频差异属性对油气识别效果较明显，可以增强深水区含气性识别的敏感度，在深水沉积储层烃类检测中取得了良好的应用效果，进一步提高深水区储层烃类检测可靠性.

参考文献

[1] Avseth, P., Mukerji, T., Mavko, G., 2005. Quantitative Seismic Interpretation. Cambridge University Press, Cambridge

[2] Batzle, M. L., Han, D. H., Hofmann, R., 2006. Fluid Mobility and Frequency-Dependent Seismic Velocity-Direct Measurements. Geophysics, 71(1): N1-N9. https://doi.org/10.1190/1.2159053

[3] Batzle, M., Hofmann, R., Han, D. H., et al., 2001. Fluids and Frequency Dependent Seismic Velocity of Rocks. The Leading Edge, 20(2): 168-171. https://doi.org/10.1190/1.1438900

[4] Castagna, J. P., Sun, S. J., Siegfried, R. W., 2003. Instantaneous Spectral Analysis: Detection of Low-Frequency Shadows Associated with Hydrocarbons. The Leading Edge, 22(2): 120-127. https://doi.org/10.1190/1.1559038

[5] Chen, K. Y., Zhang, S. N., Ding, X. Q., et al., 2006. Gas-Bearing Evaluation on Tight Sandstone Reservoirs. Journal of Oil and Gas Technology, 28(4): 65-68 (in Chinese with English abstract).

[6] Cheng, B. J., Xu, T. J., Li, S. G., et al., 2012. Research and Application of Frequency Dependent AVO Analysis for Gas Recognition. Chinese Journal of Geophysics, 55(2): 608-613 (in Chinese with English abstract).

[7] Deng, R. J., Deng, Y. H., Yu, S. et al., 2008. Hydrocarbon Geology and Reservoir Formation Characteristics of Niger Delta Basin. Petroleum Exploration and Development, 35(6): 755-762 (in Chinese with English abstract).

[8] Fatti, J. L., Smith, G. C., Vail, P. J., et al., 1994. Detection of Gas in Sandstone Reservoirs Using AVO Analysis: A 3-D Seismic Case History Using the Geostack Technique. Geophysics, 59(9): 1362-1376 (in Chinese with English abstract).

[9] Goodway, W., Chen, T., Downton, J., 1997. Improved AVO Fluid Detection and Lithology Discrimination Using Lame Petrophysical Parameters from P and S Inversion. Extended Abstracts of 67th Annual Internat SEG, 183-186

[10] Han, G. M., Pan, G. C., Fu, C., et al., 2016. Influence of Velocity Changing of Gas Reservoir and Seal on Seismic Response and AVO Type. Lithologic Reservoirs, 28(2): 107-113 (in Chinese with English abstract).

[11] He, T., Shi, G., Zou, C. C., et al., 2011. AVO Template of Sandstone Reservoir under Formation Condition. Acta Scientiarum Naturalium Universitatis Pekinensis, 47(5): 837-844 (in Chinese with English abstract).

[12] He, Z. H., Wang, D., 2009. Expended Fluid Detection Factor and Its Application. Journal of Mineralogy and Petrology, 29(4):100-103 (in Chinese with English abstract).

[13] Hedlin, K., 2000. Pore Space Modelus and Extraction Using AVO. Extended Abstracts of 70th Annual Internat SEG, 170-173.

[14] Jiang, H. Y., Zhao, W. Z., Yan, C. Z., et al., 2008. Review on Marine Petroleum Resources and Exploration Models in the Globe. Marine Origin Petroleum Geology, 13(3): 5-10 (in Chinese with English abstract).

[15] Liu, C., Li, B. N., Zhao, X., et al., 2014. Fluid Identification Based on Frequency-Dependent AVO Attribute Inversion in Multi-Scale Fracture Media. Applied Geophysics, 11(4): 384-394. https://doi.org/10.1007/s11770-014-0454-0

[16] Liu, X. W., Ning, J. R., Liu, P. T., et al., 2009.Seismic Time-Frequency Analysis for Frequency Decomposition with Applications to Seismic Sedimentology and Reservoir Imaging. Progress in Geophysics, 24(5): 1679-1688 (in Chinese with English abstract).

[17] Lü,F. L., He, X. Y., Wu, J. Y., et al., 2007. Current Situation and Tendency of Deepwater Oil and Gas Exploration in the World. China Petroleum Exploration, 12(6): 28-31 (in Chinese with English abstract).

[18] Ma, Y. Q., 2019. Application of the AVO Technique in Oil and Gas Detection in Block D, Llanos Basin, Colombia. Geophysical Prospecting for Petroleum, 58(4): 580-590 (in Chinese with English abstract).

[19] Michael, B., 2001. Optimal Hydrocarbon Indicators. Extended Abstracts of 71th Annual Internat SEG, 11697-1700.

[20] Ning, Z. H., He, Z. H., Huang, D. J., et al., 2006.High Sensitive Fluid Identification Based on Seismic Data. Geophysical Prospecting for Petroleum, 45(3): 239-241 (in Chinese with English abstract).

[21] Pan, R. F., Chen, S. L., Zhang, L. P., et al., 2013. Semi-Quantitative Analysis of Gas Bearing Sand by AVO Forward Modeling. Oil Geophysical Prospecting, 48(1): 103-108 (in Chinese with English abstract).

[22] Wang, D., He, Z. H., Huang, D. J., et al., 2009.Construction of a New Fluid Identification Factor and Analysis on Its Application. Geophysical Prospecting for Petroleum, 48(2): 141-145 (in Chinese with English abstract).

[23] Wang, Z. F., Rui, H. S., 2006. Elastic Modulus in Reservoir Evaluation of Application. Journal of Yangtze University (Natural Science Edition), 3(1): 19-21 (in Chinese with English abstract).

[24] White, R. S., 1977. Seismic Bright Spots in the Gulf of Oman. Earth and Planetary Science Letters, 37(1): 29-37. https://doi.org/10.1016/0012-821X(77)90143-1

[25] Wilson, A., Chapman, M., Li, X. Y., 2009. Frequency-Dependent AVO Inversion//SEG Technical Program Expanded Abstracts 2009. Society of Exploration Geophysicists, 341-345.

[26] Yao, S. F., Ding, W. L., Zhao G., et al., 2018. The Relationship between Diagenesis and AVO Anomaly of Gas-Bearing Sandstone in the ZJ Formation of the Pearl River Mouth Basin, China. Geophysical Prospecting for Petroleum, 57(3): 443-451 (in Chinese with English abstract).

[27] Yue, Y. X., Zhao, Y., Huang, J. L., et al, 2016. Absorption Attenuation Gradient Detection Based on Three-Parameter Wavelet Transform. Progress in Geophysics, 31(4): 1725-1731 (in Chinese with English abstract).

[28] 陈克勇，张哨楠，丁晓琪，等，2006. 致密砂岩储层的含气性评价. 石油天然气学报，28（4）：65-68.

[29] 程冰洁，徐天吉，李曙光，2012. 频变AVO含气性识别技术研究与应用. 地球物理学报，55（2）：608-613.

[30] 邓荣敬，邓运华，于水，等，2008. 尼日尔三角洲盆地油气地质与成藏特征. 石油勘探与开发，35（6）：755-762.

[31] 韩光明，潘光超，付琛，等，2016. 含气储层及盖层速度变化对地震响应和AVO类型的影响. 岩性油气藏，28（2）：107-113.

[32] 何涛，史謌，邹长春，等，2011. 地层条件下砂岩储层的AVO响应模板. 北京大学学报（自然科学版），47（5）：837-844.

[33] 贺振华，王栋，2009. 扩展流体识别因子及应用. 矿物岩石，29（4）：100-103.

[34] 江怀友，赵文智，闫存章，等，2008. 世界海洋油气资源与勘探模式概述. 海相油气地质，13（3）：5-10.

[35] 乐友喜，赵迎，黄健良，等，2016. 基于三参数小波变换的吸收衰减梯度检测. 地球物理学进展，31（4）：1725-1731.

[36] 刘喜武，宁俊瑞，刘培体，等，2009. 地震时频分析与分频解释及频谱分解技术在地震沉积学与储层成像中的应用. 地球物理学进展，24（5）：1679-1688.

[37] 吕福亮，贺训云，武金云，等，2007. 世界深水油气勘探现状、发展趋势及对我国深水勘探的启示. 中国石油勘探，12（6）：28-31.

[38] 马永强, 2019. AVO技术在哥伦比亚Llanos盆地D区块油气检测中的应用研究. 石油物探，58（4）：580-590.

[39] 宁忠华，贺振华，黄德济, 2006. 基于地震资料的高灵敏度流体识别因子. 石油物探，45（3）：239-241.

[40] 潘仁芳，陈思路，张利萍，等，2013. 含气砂岩AVO正演的半定量分析. 石油地球物理勘探，48（1）：103-108.

[41] 王栋，贺振华，黄德济，2009. 新流体识别因子的构建与应用分析. 石油物探，48（2）：141-145.

[42] 王正付，芮华松，2006. 弹性模量在储集层评价中的应用. 长江大学学报（自然科学版），3（1）：19-21.

[43] 姚淑凡，丁文龙，赵刚，等，2018. 珠江口盆地深水区珠江组成岩作用对含气砂岩AVO特征的影响研究. 石油物探，57（3）：443-451.

基金资助

十四五重大专项“南海北部深水区勘探关键技术”(KJGG2022-0104)