2020, Vol. 44
文章信息
- 李杰, 郑金云, 张忠涛, 朱焱辉, 陈兆明, 张明, 郭佳, 刘灵, 曾婷. 2020.
- LI Jie, ZHENG Jin-yun, ZHANG Zhong-tao, ZHU Yan-hui, CHEN Zhao-ming, ZHANG Ming, GUO Jia, LIU Ling, ZENG Ting. 2020.
- 珠江口盆地白云深水区含气储层AVO模板的建立及应用
- AVO template and its application for a gas-bearing reservoir in the deep water of the Baiyun area, the Pearl River Mouth Basin
- 海洋科学, 44(6): 73-82
- Marina Sciences, 44(6): 73-82.
- http://dx.doi.org/10.11759/hykx20200216002
-
文章历史
- 收稿日期：2020-02-16
- 修回日期：2020-04-22
2. 中海石油深海开发有限公司, 广东 深圳 518054
2. CNOOC Deepwater Development Ltd., Shenzhen 518054, China
珠江口盆地白云深水区是我国油气勘探有利勘探区域, 近年来在深水-超深水盆地成因机制、高热流背景下白云凹陷油气成藏与深水储层特征等取得新认识, 发现了LW3、LH34-2和LH29-1等油气田, 但是也遭遇了深水目标钻探的失利[1-6]。经过多年勘探形成了一系列烃类气体检测的方法, 包括岩石物理建模、亮点及AVO异常等, 但岩石物理建模对周边井的依赖程度比较高, 不同区域模型参数差异也较大, 单纯基于亮点异常判断流体类型的多解性较强, 而AVO是一种较为常用烃类检测的方法, 该方法是利用波振幅随炮检距或入射角曲线变化特征来识别烃类气体, 包括4类变化特征, 不同岩性组合形成的AVO特征可能不同, 即使岩性组合相同, 由于薄层厚度不同, AVO特征上也存在差异。振幅变化特征可指示反射界面两侧介质的岩性及物性特征, 是寻找油气, 指导勘探的有效技术[7-8]。由于含气砂岩的波阻抗远低于泥岩, 气层表现为亮点的地震振幅异常, 低阻抗砂岩含气时往往会表现出Ⅲ类AVO, 因此, 亮点与Ⅲ类AVO异常成功识别了白云LW3气田[9-11]。但是由于不同岩性组合, 可能造成相同AVO异常, 如在白云凹陷发现了30 m厚含气砂岩并不是亮点反射, 而是地震振幅呈现弱反射、Ⅱ类AVO异常。大量研究表明成岩作用与岩石结构、岩石孔隙胶结物、快速沉降和快速沉积形成的欠压实等影响纵横波速度与泊松比等弹性参数, 进而影响目标层AVO异常[12-14]。
自2006年LW3大气田发现以来, 珠江口盆地钻探了多口深水井[4, 6], 大量钻井结果证实砂岩储层含气和含水都有可能表现为Ⅲ类或Ⅳ类AVO及亮点异常[9], 虽然在白云凹陷西南部B9和B13目标与LW3具有相似亮点和Ⅲ类AVO特征, 但是实际钻探发现B9为水层, B13为气层, 孔隙度在15%~30%, 渗透率极低, 不同储层物性差异明显, 呈现高孔中渗、中孔中低渗和特低孔低渗的储层特征[15], 难以进行商业开发。因此, 单纯的基于亮点与Ⅲ类AVO异常的烃类检测具有多解性, 建立适用于珠江口盆地AVO模板有利于烃类气体钻前预测。为了寻找AVO类型与储层含气、含水之间的关系, 本文对珠江口盆地深水区钻井进行了系统的统计, 优选了不同岩性组合、不同地震异常且纵横波测井数据齐全, 通过对各口井的AVO属性进行计算, 建立了白云凹陷深水含气性预测模板, 结合叠前反演的弹性参数, 指导白云凹陷深水区钻前含气预测。
1 区域地质概况珠江口盆地位于南海北部陆坡东部, 水深从几十米至3 000米以上, 盆地具有先断后坳双层结构, 因此不同坳陷、洼陷之间构造演化差异明显, 已经发现了48个油气田和36个含油气构造[16]。白云凹陷是珠江口盆地面积最大、埋藏最深的深水凹陷(图 1), 新生代最大沉积厚度达12 km, 包括白云西洼、白云主洼、白云东洼和白云南洼[2]。白云凹陷受深部基岩断裂影响具有张扭性质, 形成由多条雁列式断裂带组成的控洼边界, 且雁列式主控断裂具有迁移性[2-3, 17], 自下而上充填了文昌组中-深湖相、辫状河三角洲沉积、恩平组湖沼盆、河流-三角洲平原沉积、珠海组滨岸-三角洲-浅海陆架过渡相沉积、珠江组-韩江组三角洲-浅海-半深海沉积、粤海组-第四系浅海-半深海的黏土质-粉砂沉积[6]。白云深水区近年来发现有利油气储层主要为深水重力流水道砂岩沉积和陆架边缘三角洲砂岩储层, 而B6-1、L4-1、L9-1和L33-1等含油气构造钻探失利主要原因是由于构造圈闭内水道砂岩有限分布, 而钻前对优质储层预测不准确[2]。
 |
| 图 1 白云凹陷油气与井位分布图及B13、B9和LW3井位AVO特征 Fig. 1 Distribution of oil and gas and the well sites in this study in Baiyun sag, and the characteristics of AVO at sites B13, B9 and LW3 |
目前钻探发现储层主要是珠江组底部与珠海组上部地层, 埋深小于2 000 m, 孔隙度大于18%, 该储层容易通过地球物理属性识别, 但是当孔隙度小于15%时, 储层段为泥质、粉砂、灰岩与薄砂层互层, 不同厚度岩性与流体充填差异也会造成振幅亮点反射差异, 很难与砂质含油气层异常区分, 增加了钻前储层预测难度, 需要开展技术攻关[2]。
2 材料与方法 2.1 AVO属性模板建立AVO技术的理论基础是平面波在水平分界面上反射和透射的佐普里兹方程。但是由于佐普里兹方程形式复杂, 物理意义不明确, 无法直接应用于地震数据处理和地下介质弹性参数的反演。Aki-Richards[18]进行了简化, 提出了具有明显物理意义的公式:
| $Rp\left( \theta \right) = A + B{\sin ^2}\theta + C{\tan ^2}\theta {\sin ^2}\theta , $ | (1) |
| $P = A = \frac{1}{2}\left[ {\frac{{\Delta {V_{\rm{p}}}}}{{{V_{\rm{p}}}}} + \frac{{\Delta \rho }}{\rho }} \right], $ | (2) |
| $G = B = \frac{1}{2}\frac{{\Delta {V_{\rm{p}}}}}{{{V_{\rm{p}}}}} - 4{\left[ {\frac{{\Delta {V_{\rm{s}}}}}{{{V_{\rm{p}}}}}} \right]^2}\frac{{\Delta {V_{\rm{s}}}}}{{{V_{\rm{s}}}}} - 2{\left[ {\frac{{{V_{\rm{s}}}}}{{{V_{\rm{p}}}}}} \right]^2}\frac{{\Delta \rho }}{\rho }, $ | (3) |
| $C = \frac{1}{2}\frac{{\Delta {V_{\rm{p}}}}}{{{V_{\rm{p}}}}}, $ | (4) |
其中Rp为反射系数, θ为入射角, P和G为AVO属性, 其中P属性为AVO截距, 是垂直入射的反射系数, G属性为AVO梯度, 是反射系数随着入射角变化时的变化梯度, 与岩石纵、横波速度和密度有关, C为曲率。Vp为上下地层纵波速度的平均值, Vs为上下地层横波速度的平均值, ρ为上下地层密度的平均值, ΔVp是上下地层纵波速度的差, ΔVs是上下地层横波速度的差, Δρ是上下地层密度的差。本文我们利用优选的测井数据, 选择目标层段, 利用方程(1)—(4)进行P和G属性的计算, 建立P与G属性交汇图模板。
2.2 单井AVO属性计算AVO分析是钻前预测地层含烃类气体有效方法, 但是从白云深水区四口井含气层的纵横波速度、密度及其含气饱和度与厚度看, 在反射地震呈亮点反射位置, 不同井位岩性与含气性差异较大(表 1), 表明AVO分析存在局限性。通过多口井分析, 建立该区域P和G模板, 本文通过四口井测井曲线异常, 研究不同岩性、不同含气性组合下P和G属性。图 2为LW3-1井纵波速度、横波速度、孔隙度、密度及含水饱和度, 在3 060 m到3 080 m之间有一个厚度约20 m气层, 呈低纵波速度、高横波速度、低密度和高孔隙度异常。从测井曲线看, 该气层上部纵横波速度、密度等与含气层明显不同, 为不含气区域盖层。利用测井数据提取P和G属性时, 需要结合反射地震剖面来确定层位。白云深水区目标层反射地震数据的主频为30 Hz, 平均速度约3 000 m/s, 则波长λ约为100 m。反射地震分辨率为四分之一波长, 约为25 m。因此采用目标层上部25 m的盖层进行AVO属性分析, 分别利用盖层段与目标层的平均纵波速度、平均横波速度及平均密度计算(图 2)。
| 井名 | 平均纵波速度/(m/s) | 平均横波速度/(m/s) | 平均密度/(g/cm3) | 岩性 | 厚度/m | 含烃类情况 |
| LW3-1 | 2 661 | 1 415 | 2.10 | 砂岩 | 20 | 气 |
| A1 | 3 718 | 2 309 | 2.20 | 砂岩 | 45 | 气 |
| B1 | 4 151 | 2 685 | 2.37 | 砂岩 | 35 | 气 |
| C | 4 244 | 2 526 | 2.50 | 灰质砂岩 | 15 | 气 |
| B9 | 2 960 | 1 635 | 2.27 | 砂岩 | 15 | 水 |
| B13 | 3 000 | 1 538 | 2.20 | 粉砂 | 30 | 气 |
 |
| 图 2 LW3-1测井曲线 Fig. 2 Well log data at site LW3-1 注:黑色为盖层各参数的平均值, 红色为储层段各参数的平均值 |
上覆盖层段的平均纵波速度Vp上=3 250 m/s, 平均横波速度Vs上=1 592 m/s, 平均密度ρ上=2.56 g/cm3, 目标段的平均纵波速度Vp下=2 980 m/s, 平均横波速度Vs下=1 741 m/s, 平均密度ρ下=2.25 g/cm3。利用公式(2)和(3), 得到了截距属性P=–0.1108, 梯度属性G=–0.072。
2.3 P和G属性模板的建立利用与LW3-1井相同的计算方法, 对白云深水区不同厚度、不同含气饱和度与含水砂岩储层多井的P和G属性进行计算, 根据地层含气饱和度(Sg)差异, 分为高饱和度气层(Sg≥65%)、气层(35%≤Sg≤65%)、含气水层(15%≤Sg≤35%)和水层(Sg≤15%)四类。
图 3为利用不同井数据计算的P和G属性交会图。该图表明从右上到左下地层目标层由含水逐步变成含气, 越往左下方走, 含气饱和度越高。表明含气井储层段的P、G值出现在二、三、四象限, 表现出Ⅱ、Ⅲ和Ⅳ类AVO特征, 表明储层含气AVO并不是单一变化, 从而解释了单纯利用AVO特征进行烃类检测的多解性。通过对所有含气井储层段P和G属性系统分析, 发现不同点在第三象限具有普遍性, 表现为P＜0, G＜0。在第二和第四象限具有特殊性, 具体表现为以下三种情况:
 |
| 图 3 多口井计算P和G属性交汇图 Fig. 3 Crossplot of the calculated P and G attributes from multiple sites |
(1) 盖层段含灰岩, 表现为第二象限Ⅳ类AVO特征。有多口井(A1、A2和A3井)钻遇了该类AVO特征, 图 4为A1井测井曲线。目标层位于3 040 m到3 070 m之间厚度约为30 m含气储层, 正常储盖组合下弹性参数Vp上＞Vp下, Vs上＜Vs下, ρ上＞ρ下。但是当盖层段含有灰岩时, 由于灰岩速度比较大, 会导致横波速度Vs上＞Vs下, 公式(3)中第二项
 |
| 图 4 A1井的岩性与测井曲线 Fig. 4 Lithology and well log data at site A1 |
(2) 储层段上方存在一套物性相对较差的干层, 也表现为第二象限Ⅳ类AVO特征。有多口井(B1和B2井)钻遇了该类AVO特征, 图 5为B1井测井曲线。目标层位于3 600 m到3 635 m一个厚度为35 m含气储层, 储层上方存在一套泥质含量相对较高的干层, 会导致干层弹性参数横波速度Vs上＞Vs下, 出现与盖层段含灰岩相同G属性异常, 出现在第二象限。
 |
| 图 5 B1井的岩性与测井曲线 Fig. 5 The lithology and well log data at site B1 |
(3) 储层段含灰岩, 表现为第四象限Ⅱ类AVO特征。图 6为C1井测井曲线, 目标层位于3 430 m到3 455 m厚度为25 m含灰岩夹层的储层, 测井显示储层段出现局部高值异常, 目标层纵波与横波速度变大, 表现为Vp上＜Vp下, Vs上＜Vs下, ρ上＞ρ下, 根据公式(2)和(3), 导致P＞0, G＜0, P和G属性落在第四象限。
 |
| 图 6 C井岩性与测井曲线 Fig. 6 Lithology and well log data at site C |
基于以上分析, 可以看到珠江口盆地白云深水区的P、G属性投点的范围并非只受流体类型决定, 而是受到岩性、岩性组合及流体类型多重因素的影响, 正常砂泥组合下, 优质砂岩含气时P、G均坐落在第三象限; 盖层段含灰岩或储层段上方存在一套物性相对较差的干层时P、G投点会偏向左上方, 表现第二象限Ⅳ类AVO特征; 储层段含灰时P、G投点会向偏右下方, 表现为第四象限Ⅱ类AVO特征; 同样的储层类型, 含气变为含水时, P、G投点会向偏右上方。
3 结果 3.1 流体识别因子的建立流体因子是Smith等[19]利用纵波与横波速度相对变化量的加权来识别储层含烃类异常, Russell等学者基于多孔弹性介质推导了反映孔隙流体参数, 提出识别孔隙流体方法[20-21]。实际钻探发现的暗点型油气藏具有Ⅱ类AVO异常[22], 表明流体因子在某些特定地质条件应用效果好。本文利用多口井计算的P和G属性模板, 通过各类型储层点的边界可以拟合出两条平行趋势边界线(图 3):
| $G = - 2.462P - 0.16, $ | (5) |
| $G = - 2.462P - 0.32, $ | (6) |
其中P和G分别为AVO截距与梯度属性, 将不同岩性组合多个井位计算的AVO模板分为三个区域:高饱和度气层、气水同层和水层。根据(5)和(6)定义一个适合于白云深水区的流体识别因子(F), 可以半定量识别储层段的流体类型:
| $F = - G - 2.462P, $ | (7) |
当处于边界线(方程5)右上角区域时, F＞–0.16, 该区域P、G属性对应的储层含水, 当处于边界线(方程6)左下角区域时, F＜–0.32时, 该区域P、G属性对应的储层为含水高饱和度气层, 当处于两条边界线之间时, –0.3＜F＜–0.16时, 该区域的P、G属性对应的储层为气水同层, F越小, 含气概率越大, 含气饱和度越高。
3.2 P和G模板应用白云深水区是我国深水油气勘探重要区域, 近来在AVO属性为亮点反射的储层却钻探失利[1-2]。本文通过对M矿区进行叠前反演获得弹性参数(图 7和8), 利用储层与盖层的纵横波速度比(Vp/Vs), 纵波阻抗(Ip)及密度(ρ), 结合多口测井数据建立的不同岩性储层AVO模板, 确定储层与盖层平均的纵横波速度及密度数据, 利用公式1—4, 计算P、G属性和流体识别因子, 进行钻前预测含气特性。
 |
| 图 7 M矿区ZJ490和ZJ储层的纵波阻抗展布图及目标层地震剖面 Fig. 7 Acoustic impedance at ZJ490 of the M zone and target layer in the seismic profile in the ZJ zone |
 |
| 图 8 M矿区目标储层叠前反演纵横波速度比、纵波阻抗和密度剖面 Fig. 8 Inverted prestack attributes of the ratio of P-wave and S-wave velocity, P-impedance and density profiles |
从M矿区地震剖面看(图 7), 绿色虚线区域为目的层段(上部为ZJ490, 下部为ZJ510)都具有相似地震反射特征, 振幅强弱在横向上变化不大。从叠前反演的属性看(图 8), 目标层具有明显的低纵波阻抗异常, 基于LW3气田的低纵波阻指示优质储层的经验判断该目标可能是优质的含气储层。为了对该储层横向含气特性进行分析, 我们选择三个典型位置, 利用叠前反演纵横波速度比、纵波阻抗与密度数据(图 8), 基于公式1—4计算不同位置的P和G属性及流体识别因子F(表 2)。由于两套储层都比较薄, 储层取值时把ZJ490和ZJ510作为一个层来提取。
| 位置 | 盖层平均纵横波速度比 | 盖层平均纵波阻抗/(106×kg/m2s) | 盖层平均密度/(g/cm3) | 储层平均纵横波速度比 | 储层平均纵波阻抗(106×kg/m2s) | 储层平均密度(g/cm3) | 截距属性P | 梯度属性G | 流体识别因子F |
| m1 | 1.93 | 11.1 | 2.65 | 1.70 | 10 | 2.48 | –0.052 | –0.087 | –0.215 |
| m2 | 1.90 | 11.5 | 2.66 | 1.68 | 9.9 | 2.48 | –0.075 | –0.05 | –0.235 |
| m3 | 1.93 | 11.5 | 2.66 | 1.68 | 9.9 | 2.48 | –0.075 | –0.07 | –0.254 |
| M | 1.96 | 11.0 | 2.62 | 1.71 | 10.1 | 2.50 | –0.045 | –0.105 | –0.216 |
在m1、m2、m3三个点计算的P、G属性(图 9, 五角星)与测井获得交汇图对比, 发现三个点都位于气水同层, 且三个点对应的流体识别因子–0.32＜F＜–0.16。其中m1点处的流体识别因子F最小, 预测的储层最差, 向东侧含气性相对变好。在m1点的位置钻探了M井, 钻探测井分析表明, 该层段为储层为物性较差, 储层部分含气, 气体饱和度为31%, 属于低饱和度含气储层。因此, 利用该为P和G属性模板, 再结合叠前反演多种属性, 预测储层含气性与钻探揭示的储层特性基本一致, 表明该模板在白云深水区具有良好应用效果。
 |
| 图 9 M矿区叠前反演弹性属性计算的储层段m1、m2和m3位置含气特性 Fig. 9 Characteristics of the gas-bearing reservoir at locations m1, m2, and m3 calculated from the prestack inversion elastic properties in the M zone |
系统分析了36口测井数据, 建立了不同岩性组合下珠江口盆地白云深水区AVO截距与梯度(P & G)属性图, 指出了储层含气时, 在正常储盖组合下储层表现为第三类AVO特征, 具有普适性。但是当盖层段含灰岩、储层段上方存在物性较差的干层及储层段含灰岩夹层时, 储层的AVO特征发生变化, 表现为第Ⅱ类与第Ⅳ类AVO变化特征。通过大量实测测井数据建立该P和G属性量版交汇图能够对储层含气性进行定性的识别。通过模板的坐标旋转, 形成了深水区的流体识别因子, 基于该因子能够对储层含气进行半定量预测。通过对M矿区ZJ490和ZJ510层段叠前反演储层弹性参数, 计算了目标层不同位置P与G, 结合该AVO模板, 预测储层为气水同层, 含气饱和度相对较低, 该预测与实际钻探结果基本吻合, 该方法能够对其它无井区进行预测, 发现了储层横向存在变化。因此, 该模板为白云深水区钻前储层预测提供了一个半定量计算方法, 具有实际勘探意义。
| [1] |
朱伟林, 钟锴, 李友川, 等. 南海北部深水区油气成藏与勘探[J]. 科学通报, 2012, 57(20): 1833-1841. Zhu Weilin, Zhong Kai, Li Youchuan, et al. Characteristics of hydrocarbon accumulation and exploration potential of the northern South China Sea Deepwater Basins[J]. Chinese Science Bulletin, 2012, 57(20): 1833-1841. |
| [2] |
庞雄, 施和生, 朱明, 等. 再论白云深水区油气勘探前景[J]. 中国海上油气, 2014, 26(3): 23-29. Pang Xiong, Shi Hesheng, Zhu Min, et al. A further discussion on the hydrocarbon exploration potential in Baiyun deep water area[J]. China offshore Oil and Gas, 2014, 26(3): 23-29. |
| [3] |
庞雄, 陈长民, 彭大钧. 南海珠江深水扇系统及油气[M]. 北京: 科学出版社, 2007: 10-40. Pang Xiong, Chen Changmin, Peng Dajun. The Pearl River Deep-Water Fan System & Petroleum in South China Sea[M]. Beijing: Science Press, 2007: 10-40. |
| [4] |
朱俊章, 施和生, 庞雄, 等. 白云凹陷天然气生成与大中型气田形成关系[J]. 天然气地球科学, 2012, 23(2): 213-221. Zhu Junzhang, Shi Hesheng, Pang Xiong, et al. Discussion on natural gas generation and giantmedium size gas field formation Baiyun sag[J]. Natural gas geosciences, 2012, 23(2): 213-221. |
| [5] |
任建业, 庞雄, 于鹏, 等. 南海北部陆缘深水-超深水盆地成因机制分析[J]. 地球物理学报, 2018, 61(12): 4901-4920. Ren Jianye, Pang Xiong, Yu Peng, et al. Characteristics and formation mechanism of deepwater and ultra-deepwater basins in the northern continental margin of the South China Sea[J]. Chinese Journal of Geophysics, 2018, 61(12): 4901-4920. |
| [6] |
米立军, 何敏, 翟普强, 等. 珠江口盆地深水区白云凹陷高热流背景油气类型与成藏时期综合分析[J]. 中国海上油气, 2019, 31(1): 1-12. Mi Lijun, He Min, Zhai Puqiang, et al. Integrated study on hydrocarbon types and accumulation periods of Baiyun sag, deep water area of Pearl River Mouth basin under the high heat flow background[J]. China Offshore Oil and Gas, 2019, 31(1): 1-12. |
| [7] |
Castgna John P, Swan Herbert W. Principles of AVO cross plotting[J]. The Leading Edge, 1997, 16(4): 337-342. |
| [8] |
Castagna John P, Swan Herbert W. Foster D J. Framework for AVO gradient and intercept interpretation[J]. Geophysics, 63: 948-956. http://www.researchgate.net/publication/215754828_Framework_for_AVO_gradient_and_intercept_interpretation
|
| [9] |
张卫卫, 何敏, 颜承志, 等. AVO叠前反演技术在珠江口盆地白云深水区烃类检测中的应用[J]. 中国海上油气, 2010, 22(3): 160-163. Zhang Weiwei, He Min, Yan Chengzhi, et al. An application of AVO pre-stack inversion technique to DHI in Baiyun deep-water area, Pearl River Mouth Basin[J]. China Offshore Oil and Gas, 2010, 22(3): 160-163. |
| [10] |
汪瑞良, 颜承志, 胡琏, 等. 叠前反演在南海北部白云凹陷深水区域储层预测中的应用[J]. 中南大学学报(自然科学版), 2016, 47(4): 1305-1311. Wang Ruiliang, Yan Chengzhi, Hu Lian, et al. Application of prestack inversion in reservoir prediction in deep water area in baiyun sag of northern South China Sea[J]. Journal of Central South University (Science and Technology), 2016, 47(4): 1305-1311. |
| [11] |
姚淑凡, 丁文龙, 赵刚, 等. 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[J]. 石油物探, 2018, 57(3): 443-451. Yao Shufan, Ding Wenlong, Zhao Gang, et al. The relationship between diagenesis and AVO anomaly of gas-bearing sandstone in the ZJ formation of the Pearl River Mouth Basin, China[J]. Geophysical Prospecting for Petroleum, 2018, 57(3): 443-451. |
| [12] |
Dvorkin J, Nur A, Yin H. Effective properties of cemented granular materials[J]. Mechanics of Materials, 1994, 18(5): 351-366. |
| [13] |
马中高. 成岩作用和岩石结构对砂岩弹性速度的影响[J]. 石油学报, 2008, 29(1): 58-63. Ma Zhonggao. Effects of diagenesis and rock texture on elastic velocity of sand stone[J]. Acta Petrolei Sinica, 2008, 29(1): 58-63. |
| [14] |
李芳, 邓勇, 刘仕友, 等. 欠压实低速泥岩对地震反射及AVO的影响[J]. 地质科技情报, 2017, 36(5): 243-248. Li Fang, Deng Yong, Liu Shiyou, et al. Under compacted low-velocity shale influence on seismic reflection and AVO features[J]. Geological Science and Technology Information, 2017, 36(5): 44-248. |
| [15] |
刘军, 刘杰, 曹均, 等. 基于岩石物理实验的储层与孔隙流体敏感参数特征-以珠江口盆地东部中-深层碎屑岩储层为例[J]. 石油学报, 2019, 40(1): 197-205. Liu Jun, Liu Jie, Cao Jun, et al. Characteristics of reservoir and pore fluid sensitivity parameters based on rock physical experiment:a case study of the middle-deep clastic rock reservoirs in the eastern Pearl River Mouth Basin[J]. Acta Petrolei Sinica, 2019, 40(1): 197-205. |
| [16] |
施和生, 何敏, 张丽丽, 等. 珠江口盆地(东部)油气地质特征、成藏规律及下一步勘探策略[J]. 中国海上油气, 2014, 26(3): 11-22. Shi Hesheng, He Min, Zhang Lili, et al. Hydrocarbon geology, accumulation pattern and the next exploration strategy in the eastern Pearl River Mouth basin[J]. China Offshore Oil and Gas, 2014, 26(3): 11-22. |
| [17] |
孙珍, 庞雄, 钟志洪, 等. 珠江口盆地白云凹陷新生代构造演化动力学[J]. 地学前缘, 2005, 12(4): 489-498. Sun Zhen, Pang Xiong, Zhong Zhihong, et al. Dynamics of Tertiary tectonic evolution of the Baiyun Sag in the Pearl Rvier Mouth Basin[J]. Earth Science Frontiers, 2005, 12(4): 489-498. |
| [18] |
Aki K, Richards P G. Quantitative Seismology:Theory and Methods. (Ⅰ) and (Ⅱ)[J]. American Scientist, 1980, 153-154. |
| [19] |
Smith G C, Gidlow P M. Weighted stacking for rock property estimation and detection of gas[J]. Geophysics Prospect, 1987, 35: 993-1014. |
| [20] |
Russell B H, Hedlin K, Hilterman F J, et al. Fluid-property discrimination with AVO:A Biot-Gassmann perspective[J]. Geophysics, 2003, 68: 29-39. |
| [21] |
Russell B H, Gray D, Hampson D P. Linearized AVO and poroelasticity[J]. Geophysics, 2011, 76: 19-29. |
| [22] |
谢玉洪, 邓勇, 李芳, 等. 莺歌海盆地"暗点"型油气藏指示因子构建及应用[J]. 石油地球物理勘探, 2019, 54(6): 1302-1309. Xie Yuhong, Deng Yong, Li Fang, et al. A dim-spot reservoir indicative factor in the Yinggehai Basin[J]. Oil Geophysical Prospecting, 2019, 54(6): 1302-1309. |