岳大力, 李伟, 王军, 王武荣, 李健. (2018)基于分频融合地震属性的曲流带预测与点坝识别:以渤海湾盆地埕岛油田馆陶组为例* [J]. 古地理学报, 20(6): 941-950
Yue Da-Li, Li Wei, Wang Jun, Wang Wu-Rong, Li Jian. (2018)Prediction of meandering belt and point-bar recognition based on spectral-decomposed and fused seismic attributes: A case study of the Guantao Formation, Chengdao Oilfield,Bohai Bay Basin[J]. Journal Of Palaeogeography, 20(6): 941-950.   
Doi: 10.7605/gdlxb.2018.06.068
Permissions
Copyright©2018, 《古地理学报》编辑部
版权所有.《古地理学报》编辑部
基于分频融合地震属性的曲流带预测与点坝识别:以渤海湾盆地埕岛油田馆陶组为例*
岳大力1,2, 李伟1,2, 王军3, 王武荣1,2, 李健3
1 中国石油大学(北京)地球科学学院,北京 102249
2 中国石油大学(北京)油气资源与探测国家重点实验室,北京 102249
3 中国石油化工股份有限公司胜利油田分公司,山东东营 257015

第一作者简介 岳大力,男,1974年生,副教授,博士,主要从事油气田开发地质方面的教学与科研工作。E-mail: yuedali@cup.edu.cn。

收稿日期:2018-03-29
基金资助:*国家自然科学基金项目(编号: 40902035)与国家科技重大专项(编号: 2016ZX05011-001,2017ZX05009-001-002,2017ZX05013-002)联合资助
摘要

埕岛油田馆陶组发育典型的高弯度曲流河沉积。通过分频融合地震属性提取与优选、储层构型模式指导、动态响应特征约束等手段,对研究区海上稀井网条件下曲流带和点坝进行精细刻画。研究表明: ( 1)分频融合地震属性的储层预测方法提高了曲流带的预测精度,振幅类属性与砂体厚度相关性最好,以最大峰值振幅为最佳,相比原始地震属性,分频融合得到的最大峰值振幅属性更好地刻画了曲流带砂体边界与砂体厚度分布;( 2)复合正韵律、砂体厚度大、紧邻废弃河道分布为点坝三大重要识别标志,与此相对应,点坝表现为高最大峰值振幅、高反演属性的地震响应特征,而废弃河道呈弯月状低振幅属性、“顶平底凸”的低反演属性特征;( 3)在应用地震属性确定点坝位置的基础上,通过经验公式推算点坝跨度,可认知研究区点坝的规模,有效指导地下点坝识别,动态信息的约束也为点坝识别提供了依据。井震结合的曲流带及点坝识别方法可为相似油田构型分析提供借鉴。

关键词: 分频; 地震属性; 曲流带; 点坝; 埕岛油田
中图分类号:P631 文献标志码:A 文章编号:1671-1505(2018)06-0941-10
Prediction of meandering belt and point-bar recognition based on spectral-decomposed and fused seismic attributes: A case study of the Guantao Formation, Chengdao Oilfield,Bohai Bay Basin
Yue Da-Li1,2, Li Wei1,2, Wang Jun3, Wang Wu-Rong1,2, Li Jian3
1 College of Geosciences,China University of Petroleum(Beijing),Beijing 102249
2 State Key Laboratory of Petroleum Resources and Prospecting,China University of Petroleum(Beijing),Beijing 102249
3 Shengli Oil Field Company,SINOPEC,Dongying 257015,Shandong;

About the first author Yue Da-Li,born in 1974,is an associate professor of China University of Petroleum(Beijing). Now He is mainly engaged in research and teaching of oil-gas field production geology. E-mail: yuedali@cup.edu.cn.

Fund:[Co-funded by the National Natural Science Foundation of China(No.40902035)and National Science and Technology Major Project(Nos. 2016ZX05011-001,2017ZX05009-001-002,2017ZX05013-002)]
Abstract

Sedimentary environment of the Guantao Formation in Chengdao Oilfield is meandering river. With the methods including the extraction and optimization of spectral-decomposed and fused seismic attributes,the guidance of reservoir architecture model,and dynamic response characteristics constraints,meandering belts and point bars under the condition of offshore sparse well network are characterized in detail. The result shows that: (1)the reservoir prediction method of spectral-decomposed seismic attributes improves the prediction accuracy of the meandering belt. The correlation between amplitude properties and sand thickness is the best,especially the maximum peak amplitude. Compared to the original seismic attributes,the maximum peak amplitude derived from the spectral-decomposed seismic attributes can characterize the boundary and thickness of the meandering sand-bodies much better. (2)The three important symbols of point bar are composite positive rhythms,thick sand-bodies,and being adjacent to abandoned channels. Corresponding to these features,point bars show the characteristics of seismic response with high maximum peak amplitude and high inversion properties,while abandoned channels show low amplitude attributes and low inversion properties with the characteristics of flat top and convex bottom. (3)Based on location prediction of the point bar by using seismic attributes,the span of the point bar is calculated through empirical formula,the scale of point bar is recognized,and the identification of subsurface point bar is effectively guided. The constraint of dynamic data also provides a basis for point bar identification. The methods proposed in this paper can provide implications to the oilfield with similar sedimentary characteristics and data condition.

Key words: spectral-decomposed; seismic attributes; meandering belt; point-bar; Chengdao Oilfield

河流相储集层是中国渤海湾、松辽、鄂尔多斯等大型含油气盆地的重要油气产层。中国已探明和投入开发储量的48%赋存于河流相储集层中(徐安娜等, 1998)。随着油田开发的不断深入, 剩余油分布越来越复杂, 导致控制剩余油分布的地质单元越来越小, 河道砂体内部构型单元(如曲流河点坝、辫状河心滩坝等)识别已引起广泛关注, 国内外广大学者已开展了基于密井网条件下测井信息的曲流河点坝识别及三维建模研究(Leeder, 1973; Lorenz et al., 1985; 马世忠和杨清彦, 2000; Jiao et al., 2005; 岳大力等, 2007; 吴胜和等, 2008)。而在海上相对稀井网条件下, 需充分挖掘地震信息进行井间储集层预测(姜秀清, 2006; Hart, 2008; Chopra and Marfurt, 2012; 郭太现等, 2013)。但是目前大井距条件下基于“ 井震结合” 的河流相地下储层构型表征方法仍处于探索阶段, 尚未形成有效的曲流河点坝识别方法。地震属性是预测储层构型分布的重要手段, 目前已有学者尝试将分频技术引入地震属性优选中(曾洪流等, 2012; Mirza and Philip, 2012), 但现有的分频地震属性优选是直接从单个分频地震数据体中提取, 受有效频宽过窄的限制, 地震属性结果往往多解性强。因此, 作者以埕岛油田中区、北区为研究对象, 将地震分频技术引入到地震属性分析, 首先优选出多个不同中心频率的分频地震数据体进行融合, 保证数据体有较宽的有效频宽; 然后提取并优选地震属性, 以提高地震属性预测储集层分布的可靠性。应用分频融合地震属性优选方法精确刻画曲流带分布, 并结合点坝构型模式及动态响应特征识别曲流带内部点坝, 创新提出了“ 井震结合” 、“ 模式指导” 、“ 动态约束” 的点坝表征方法。

1 区域地质概况

埕岛油田地处渤海湾南部, 构造上位于渤海湾盆地济阳坳陷与渤中坳陷交汇处的埕北低凸起东南端(图 1); 研究区位于埕岛油田主体中部及北部, 含油面积约30ikm2, 井距较大且分布不均(200~600im), 三维地震资料覆盖全区。研究区自下而上钻遇中生界与新生界, 其中新生界包括古近系东营组、新近系馆陶组及明化镇组、第四系平原组。馆陶组上段自上而下划分为7个砂组, 其中4砂组的Ng421单层埋深在1400im左右, 为典型的高弯度曲流河沉积, 应用粒度资料计算得到河道弯曲度达2.3(Schumm, 1963), 具有沉积规模小、横向变化快的特点。在油田的实际生产中发现井间砂体认识不清, 注采矛盾突出, 含水率上升快, 目前综合含水率已大于80%, 急需要精细解剖储集层内部构型, 为剩余油挖掘及油田高效开发提供地质依据。

图 1 渤海湾盆地埕岛油田区域构造位置Fig.1 Tectonic location of Chengdao Oilfield, Bohai Bay Basin

而研究区目的层段(1200~1300ims)地震资料主频约38 Hz, 频宽25~50 Hz(图 2-a); 原始地震剖面地震波形(图 2-b)难以精确刻画砂体垂向叠置及侧向叠加关系, 即难以刻画井间储集层内部构型分布。因此, 作者尝试将地震分频技术引入地震属性分析, 进而有效预测了曲流带与点坝分布。

图 2 渤海湾盆地埕岛油田馆陶组上段原始地震资料频谱及地震剖面(剖面位置见图5-a)
a— 馆陶组上段地震资料频谱; b— 馆陶组上段原始地震资料过井地震剖面Fig.2 Frequency spectrum and profile of original seismic data of the Upper Guantao Formation in Chengdao Oilfield, Bohai Bay Basin(profile location in Fig.5-a)

2 分频地震属性优选与曲流带预测
2.1 分频段地震属性优选

2.1.1 分频数据体中心频率优选

Widess(1973)将地层厚度接近主波长的1/4时地层厚度称作“ 调谐厚度” 。利用不同主频的雷克子波对砂体楔状模型进行正演模拟, 得到不同频率下振幅与砂体厚度的调谐曲线(图 3), 变换可得到不同砂体厚度下振幅与频率(AVF)的关系, 这是分频属性的关键。应用小波分频技术, 将原始地震数据分别按照10~65 Hz(间距为5 Hz)12个中心频率进行小波分解与逆变换, 得到一系列单频段分频数据体(图 4)。以Ng421单层顶界面为界, 向下取8ims时窗(由地层厚度与地震波在目的层的传播速度折算得到)提取该单层各分频数据体的振幅属性(图 5)。由于不同中心频率的分频地震数据体的能量差别较大, 靠近主频附近的分频数据体能量高, 而远离主频的能量低, 故将各个分频地震数据的振幅值按照公式(1)进行归一化处理。

Z=Z0-ZminZmax-Zmin(1)

式中Z为归一化振幅值; Z0为实际振幅值; Zmin、Zmax分别为该层研究区内最小振幅值与最大振幅值。

图 3 渤海湾盆地埕岛油田馆陶组不同频率下的调谐厚度曲线Fig.3 Tuning thickness curves of different frequencies in the Guantao Formation, Chengdao Oilfield, Bohai Bay Basin

图 4 渤海湾盆地埕岛油田馆陶组上段各分频地震数据体频谱
图中红线为各地震分频数据体对应的主频, 右上角的标注为小波分频选取的中心频率Fig.4 Frequency spectrum of spectral-decomposed seismic data of the Upper Guantao Formation, Chengdao Oilfield, Bohai Bay Basin

图 5 渤海湾盆地埕岛油田馆陶组Ng421 单层各分频数据体的最大峰值振幅属性分布Fig.5 Maximum peak amplitude distribution of spectral-decomposed seismic data of the interval Ng421of Guantao Formation, Chengdao Oilfield, Bohai Bay Basin

原始地震属性高值区形成一条蛇曲状条带, 且北部属性高值区清晰而连续(图 5-a)。中心频率为10iHz时, 地震属性高值区凌乱分布, 无明显规律(图 5-b)。中心频率为20 Hz时, 属性高值区呈明显条带状, 但边界不清楚(图 5-d)。中心频率达到30 Hz时, 属性高值条带已经非常连续; 但在高值条带以外离散分布的高值区明显增多(图 5-f)。中心频率提高到40 Hz时, 高值条带内部属性差异较30 Hz增大(图 5-f, 5-h), 反映地震属性对砂体厚度的变化已经有较明显的响应。当中心频率不小于50 Hz时, 属性高值条带更加连续的同时, 条带之外离散分布的属性高值区域亦明显增多(图 5-j, 5-k, 5-l), 以致高值条带边界模糊且难以识别。因此, 考虑调谐厚度和地震数据分辨率的双重限制, 分别选取“ 20、30、40、50 Hz分频数据体” 、“ 25、35、45、55 Hz分频数据体” 与“ 30、40、50、60 Hz分频数据体” , 按照等比例的原则(1︰1︰1︰1)进行数据融合, 从而得到新的“ 地震数据体A” 、“ 地震数据体B” 及“ 地震数据体C” 。

2.1.2 分频融合地震属性优选

分别从原始地震数据体以及A、B、C等3个融合地震数据体提取了振幅、频率和相位类共18种地震属性, 并分析各地震属性与测井解释的砂体厚度之间的相关关系(表 1)。振幅类属性与砂体厚度的相关性较高, 且以最大峰值振幅为最佳。A、B、C等3个融合地震数据体的地震属性与砂体厚度的相关性明显高于原始地震数据体, 并且以“ 地震数据体B” 效果最好, 最大峰值振幅与砂体厚度的相关系数达0.819(表 1, 图 6), 由此可见, 分频融合数据体优选出的最大峰值振幅属性有效地改善了调谐厚度和地震数据体中“ 低频信号” 对砂体预测的限制, 提高了砂体分布的预测精度。

表 1 渤海湾盆地埕岛油田馆陶组Ng421单层地震属性与测井解释砂体厚度相关系数 Table1 Correlation coefficients of seismic attributes and logging sand-body thickness from the interval Ng421 of Guantao Formation, Chengdao Oilfield, Bohai Bay Basin

图 6 渤海湾盆地埕岛油田馆陶组Ng421单层融合地震数据体B最大峰值振幅与测井解释砂体厚度相关关系Fig.6 Correlativity between maximum peak amplitude and logging sand-body thickness of fused seismic data B of the interval Ng421 of Guantao Formation, Chengdao Oilfield, Bohai Bay Basin

2.2 基于分频地震属性的曲流带预测

分频融合的“ 地震数据体B” 最大峰值振幅属性呈现出1条清晰而连续的蛇曲状高值条带(图 7), 与直接从原始地震数据体中优选出的最大峰值振幅属性(图 5-a)相比, 属性高值条带内部更加连续, 高值条带边界亦更加清晰。

图 7 渤海湾盆地埕岛油田馆陶组Ng421单层最大峰值振幅Fig.7 Maximum peak amplitude of the interval Ng421 of Guantao Formation, Chengdao Oilfield, Bohai Bay Basin

单井砂体解释表明, 研究区Ng421单层河道砂体厚度基本都在5im以上, 而溢岸砂体厚度基本都在5im以下。统计并分析不同厚度的砂体与属性高值条带的关系可知, 砂体厚度大于5im的井共有128口, 其中127口落在属性高值条带以内; 砂体厚度在0~5im之间的井共有24口, 其中有5口位于属性高值条带以内, 且全部位于高值条带边界附近, 其余井零散分布在属性高值条带以外; 泥岩井共有92口, 全部位于属性高值条带以外(图 7)。这说明地震属性高值条带与河道砂体具有良好的对应关系, 因此, 根据地震属性精确刻画出河道砂体的分布范围(图 7, 图 8)。对于溢岸砂体(0~5im), 既需要考虑地震属性的分布, 又需要结合测井解释结果及溢岸与河道带的组合关系, 确定具体的溢岸类型, 如25GB-4井发育3.9im厚的砂体, 测井曲线表现为漏斗形, 考虑其与河道的位置关系, 将其确定为决口扇, 同理完成其余溢岸砂体的预测, 最终刻画出曲流带构型的平面展布(图 8)。

图 8 渤海湾盆地埕岛油田馆陶组Ng421单层曲流带级次构型平面图Fig.8 Reservoir architecture plan of single meandering belt in the interval Ng421 of Guantao Formation, Chengdao Oilfield, Bohai Bay Basin

采用基于现代沉积和露头原型资料建立的经验公式(Leeder, 1973; Lorenz et al., 1985), 推算出Ng421单层单一活动河道的满岸宽度在230~290im之间, 单一曲流带的宽度在1400~2000im之间。依据地震属性与测井资料识别的河道带宽度约1500im左右, 与经验公式估算的单一曲流带规模相近, 且河道带呈蛇曲状分布, 符合单一曲流带的分布特征, 综合以上两点确定该河道带为1条单一曲流带。

3 井震结合、模式指导和动态约束的点坝识别

点坝是曲流河最重要的构型单元, 其形成是一个“ 凹蚀增凸” 的过程, 即凸岸加积。这种侧积作用会导致河道弯曲度不断加大, 当弯曲度大到一定程度时河道会发生截弯取直, 河道废弃后往往是低能环境, 充填细粒沉积构成点坝砂体的边界。故作者把握“ 厚度定位、废弃定边” 的整体原则, 采用井震结合、模式指导和动态约束的方法识别点坝, 大大提高了点坝的解释精度。

3.1 点坝识别标志

曲流河点坝是多次洪水侧向加积而成, 侧积体是点坝的基本组成单元, 单一侧积体在垂向上表现为简单正韵律, 所以点坝砂体在单井上呈复合正韵律特征(图 9-d, 9-e)。

图 9 渤海湾盆地埕岛油田馆陶组Ng421单层废弃河道及点坝综合分析与识别Fig.9 Comprehensive analysis and recognition of abandoned channel and point-bar in the interval Ng421of Guantao Formation, Chengdao Oilfield, Bohai Bay Basin

点坝砂体厚度是曲流带内部最大的。以测井解释的砂体厚度为条件数据, 以优化后的最大峰值振幅属性为趋势(图 7), 采用协同克里金的方法预测了研究区的砂体厚度分布(图 9-b, 图 10), 在砂体厚度图上单一点坝呈透镜状(图 9-b), 多个点坝呈串珠状分布(图 10)。点坝在最大峰值振幅属性图上表现为高值区(图 9-a), 在分频反演剖面上亦表现出厚层砂体的反演属性高值响应特征(图 9-d, 9-e); 文中反演属性为归一化的自然电位(SP), 最大值为1, 最小值为0, 即高反演属性值代表砂体, 低值代表泥岩。废弃河道代表点坝的结束, 故在平面图上点坝总是紧邻废弃河道分布(图 9-c)。废弃河道多为细粒沉积充填, 表现为连井剖面上的砂体“ 厚— 薄— 厚” (图 9-d)、弯月状较低振幅属性值(图 9-a)、下凹状低反演属性值(图 9-d, 9-e)等分布特征。在曲流河点坝现代沉积模式(图 9-c)指导下, 认为区域①、区域②处各发育1个点坝, 点坝边部各发育1条弯月状废弃河道(图 9-a, 9-b)。在反演剖面AA’ 上, SHG2井钻遇废弃河道, 其附近反演属性值降低, 并呈现出“ 顶平底凸” 的河道的形态; 而在剖面BA’ 上, 反演剖面在井间呈明显的废弃河道响应特征(图9-d, 9-e)。

图 10 渤海湾盆地埕岛油田馆陶组Ng421单层曲流带“ 井震结合” 砂体厚度Fig.10 Sand-body thickness distribution of meandering belt based on seismic and logging data in the interval Ng421 of Guantao Formation, Chengdao Oilfield, Bohai Bay Basin

图 11 渤海湾盆地埕岛油田馆陶组Ng421单层点坝级次构型平面分布Fig.11 Reservoir architecture distribution of point-bar in the interval Ng421 of Guantao Formation, Chengdao Oilfield, Bohai Bay Basin

3.2 点坝定量构型模式指导

定量构型模式指导是地下点坝识别的关键环节之一, 点坝跨度是衡量点坝规模及识别点坝的关键参数, 准确推算点坝跨度至关重要。笔者针对不同规模的高弯度曲流河(弯曲度大于1.7)建立了河道满岸宽度与点坝跨度的相关关系(公式2)。由此可依据单一向上变细的完整的韵律厚度经过压实校正推算河道满岸深度(王海峰等, 2017; 公式3, 公式4), 再依据Leeder(1973)建立的经验公式推算出沉积条件下活动河道满岸宽度(公式5), 然后得到点坝的跨度:

Wd=3.6319× w+40.612 (R2=0.96833) (2)

n=-2× 10-8z2+2× 10-4z+0.9996 (R2=0.99) (3)

h=ho× n (4)

w=6.8× h1.54 (5)

式中Wd为点坝跨度, 单位为m; w为河道满岸宽度, 单位为m; n为压实率; z为埋深, 单位为m; h为河道满岸深度, 单位为m; ho为单一向上变细旋回厚度, 单位为m。

点坝①的埋深为1400im(位置见图 9), 应用公式3计算得到压实率为1.24; 钻井统计得到该点坝单一向上变细韵律厚度平均值为8.6im, 由公式4得到河道满岸深度为10.7im, 由公式5推算得到沉积条件下活动河道满岸宽度约为260im, 进而由公式2估算出点坝①的跨度约为1000im左右。最后, 根据反演剖面识别的废弃河道发育位置, 考虑最大峰值振幅属性及砂体厚度的分布, 并在点坝定量规模的约束下刻画废弃河道的分布, 进而完成点坝①的精确识别。采用同样的思路, 对全区的废弃河道及点坝进行识别(图 12)。结果表明, 除了点坝①和点坝②表现为侧向拼合特征之外, 其他点坝均以单一点坝形式呈串珠状分布, 可靠的点坝与废弃河道识别结果对油田进一步高效开发提供了重要指导。

图 12 渤海湾盆地埕岛油田馆陶组Ng421单层过水平井6D-P2反演剖面与连井构型剖面(位置见图 9-b)Fig.12 Seismic inversion and architecture section of the interval Ng421of Guantao Formation along the Horizontal Well 6D-P2, Chengdao Oilfield, Bohai Bay Basin

3.3 动态数据约束

“ 动静结合” 是精细解剖复杂储集层内部构型的重要手段。在同一点坝内部, 砂体连通性好, 在不同点坝之间, 受废弃河道的侧向阻挡作用, 连通性相对差。采油井6D-P1井和6D-P2井均为水平井, 水平段位于Ng421单层, 且两井均只在Ng421单层射孔。注水井6C-3井位于采油井6D-P1井与6D-P2井之间, 为两井附近唯一注水井, 且与两采油井的井距相似(图 9-a), 地震属性与反演剖面都表明6C-3井与6D-P2井位于同一点坝砂体(图 9-a, 图 12)。在油田注水开发中发现: (1)在两井投产初期, 6D-P2井含水率上升速度明显快于6D-P1井; (2)自2010年10月开始, 注水井6C-3井日注水量逐年增加, 6D-P2井日产液量亦随之增多, 但6D-P1井日产液量并无增加趋势(图 13)。反映采油井6D-P2井与注水井6C-3井之间的连通性更好, 这进一步说明前文点坝和废弃河道识别结果是可靠的, 即注水井6C-3井与采油井6D-P2井处于同一点坝, 而与采油6D-P1井位于不同点坝。

图 13 渤海湾盆地埕岛油田馆陶组Ng421单层注采井生产动态曲线Fig.13 Production curves of injection and production wells of the interval Ng421 of Guantao Formation, Chengdao Oilfield, Bohai Bay Basin

4 结论与认识

1)提出了应用分频融合属性的储集层预测方法, 提高了曲流带的预测精度。在海上油田相对稀井网条件下, 充分挖掘地震信息对储层构型预测至关重要。通过优选频段、融合分频数据体、提取并优选地震属性的方法, 预测了曲流带的分布。研究表明, 振幅类属性与砂体厚度相关性最好, 以最大峰值振幅为最佳, 相比原始地震属性, 分频融合得到的最大峰值振幅属性更好地刻画了曲流带砂体边界与砂体厚度分布;

2)总结了点坝与废弃河道的地震识别标志。复合正韵律、砂体厚度大、紧邻废弃河道分布为点坝三大重要识别标志, 与此相对应, 点坝表现为高振幅、高反演属性(归一化SP)的地震响应特征, 而废弃河道呈弯月状低振幅属性、“ 顶平底凸” 的低反演属性特征;

3)提出了井震结合、模式指导、动态约束的曲流河点坝识别方法。在应用地震属性预测点坝位置的基础上, 通过系列经验公式, 以单一向上变细旋回厚度推算河道满岸深度、满岸宽度和点坝跨度, 认知研究区点坝的规模, 有效指导了地下点坝的识别, 动态信息的约束也为点坝识别提供了佐证。

作者声明没有竞争性利益冲突.

参考文献
[1] 郭太现, 杨庆红, 黄凯, 张建民. 2013. 海上河流相油田高效开发技术. 石油勘探与开发, 40(6): 708-714.
[Guo T X, Yang Q H, Huang K, Zhang J M. 2013. Techniques for high-efficient development of offshore fluvial oilfields. Petroleum Exploration and Development, 40(6): 708-714] [文内引用:1]
[2] 姜秀清. 2006. 储集层地震属性优化及属性体综合解释. 中国科学院广州地球化学研究所博士论文, 50-74.
[Jiang X Q. 2006. The optimization of reservoir seismic attributes and the comprehensive interpretation of attribute-body. Doctoral Dissertation of Guangzhou Institute of Geochemistry, Chinese Academy of Sciences, 50-74] [文内引用:1]
[3] 马世忠, 杨清彦. 2000. 曲流点坝沉积模式、三维构形及其非均质模型. 沉积学报, 18(2): 241-247.
[Ma S Z, Yang Q Y. 2000. The depositional model, 3-D architecture and heterogeneous model of point bar in meand ering channels. Acta Sedimentolgica Sinica, 18(2): 241-247] [文内引用:1]
[4] 王海峰, 范廷恩, 宋来明, 胡光义, 梁旭, 王帅, 刘向南. 2017. 高弯度曲流河砂体规模定量表征研究. 沉积学报, 35(2): 279-289.
[Wang H F, Fan T E, Song L M, Hu G Y, Liang X, Wang S, Liu X N. 2017. Quantitative characterization study on sand body scale in high sinuosity meand ering river. Acta Sedimentolgica Sinica, 35(2): 279-289] [文内引用:1]
[5] 吴胜和, 岳大力, 刘建民, 束青林, 范峥, 李宇鹏. 2008. 地下古河道储集层构型的层次建模研究. 中国科学: D 辑: 地球科学, 38(增刊Ⅰ): 111-121.
[Wu S H, Yue D L, Liu J M, Shu Q L, Fan Z, Li Y P. 2008. Hierarchy modeling of subsurface palaeochannel reservoir architecture. Science in China: Series D: Earth Sciences, 38(Supp. Ⅰ): 111-121] [文内引用:1]
[6] 徐安娜, 穆龙新, 裘怿楠. 1998. 中国不同沉积类型储集层中的储量和可动剩余油分布规律. 石油勘探与开发, 25(5): 57-60.
[Xu A N, Mu L X, Qiu Y N. 1998. Distribution pattern of OOIP and remaining mobile oil in different types of sedimentary reservoir of China. Petroleum Exploration and Development, 25(5): 57-60] [文内引用:1]
[7] 岳大力, 吴胜和, 刘建民. 2007. 曲流河点坝地下储集层构型精细解剖方法. 石油学报, 28(4): 99-103.
[Yue D L, Wu S H, Liu J M. 2007. An accurate method for anatomizing architecture of subsurface reservoir in point bar of meand ering river. Acta Petrolei Sinica, 28(4): 99-103] [文内引用:1]
[8] 曾洪流, 朱筱敏, 朱如凯, 陈庆石. 2012. 陆相坳陷型盆地地震沉积学研究规范. 石油勘探与开发, 39(3): 275-284.
[Zeng H L, Zhu X M, Zhu R K, Chen Q S. 2012. Guidelines for seismic sedimentologic study in non-marine postrift basins. Petroleum Exploration and Development, 39(3): 275-284] [文内引用:1]
[9] Chopra S, Marfurt K J. 2012. Seismic attribute expression of differential compaction. The Leading Edge, 31(12): 1418-1422. [文内引用:1]
[10] Hart B S. 2008. Channel detection in 3-D seismic data using sweetness. AAPG, 92(6): 733-742. [文内引用:1]
[11] Jiao Y, Yan J, Li S, Yang R, Lang F. 2005. Architectural units and heterogeneity of channel reservoirs in Karamay Formation, outcrop area of Karamay oilfield, Junggar Basin, northwest of China. AAPG Bulletin, 89(4): 529-545. [文内引用:1]
[12] Leeder M R. 1973. Fluviatile fining-upwards cycles and the magnitude of palaeochannels. Geological Magazine, 110(3): 265-276. [文内引用:3]
[13] Lorenz J C, Heinze D M, Clark J A, Searls C A. 1985. Determination of width of meand er-bel t sand stone reservoirs from vertical downhole data, Mesaverde Group, Piceance Greek Basin, Colorado. AAPG Bulletin, 69(5): 710-721. [文内引用:2]
[14] Mirza N A, Philip R. 2012. Application of spectral decomposition and seismic attributes to understand the structure and distribution of sand reservoirs within Tertiary rift basins of the Gulf of Thailand . The Leading Edge, 31(6): 630-634. [文内引用:1]
[15] Schumm S A. 1963. Sinuosity of alluvial rivers on the great plains. Geological Society of America Bulletin, 74: 1089-1100. [文内引用:1]
[16] Widess M B. 1973. How thin is a thin bed. Geophysics, 38(6): 1176-1180. [文内引用:1]