束寧凱，汪新文，蘇朝光，宋亮，鈕學(xué)民，李強(qiáng)

（1. 中國(guó)地質(zhì)大學(xué)（北京）地球科學(xué)與資源學(xué)院，北京 100083；2. 中國(guó)石化勝利油田公司物探研究院，山東東營(yíng) 257022）

準(zhǔn)噶爾盆地春風(fēng)油田淺薄儲(chǔ)集層地震逐級(jí)精細(xì)預(yù)測(cè)

束寧凱1，汪新文1，蘇朝光2，宋亮2，鈕學(xué)民2，李強(qiáng)2

（1. 中國(guó)地質(zhì)大學(xué)（北京）地球科學(xué)與資源學(xué)院，北京 100083；2. 中國(guó)石化勝利油田公司物探研究院，山東東營(yíng) 257022）

針對(duì)準(zhǔn)噶爾盆地春風(fēng)油田淺薄儲(chǔ)集層地震資料信噪比低和分辨率不足等問(wèn)題，開(kāi)展針對(duì)性的處理、解釋技術(shù)研究，形成淺薄儲(chǔ)集層地震逐級(jí)精細(xì)預(yù)測(cè)方法。采用互疊式偏移距分組處理技術(shù)，將地震資料的覆蓋次數(shù)由 8次增加至16次，同時(shí)經(jīng)過(guò)提頻去噪成像等精細(xì)處理，局部低信噪比區(qū)信噪比提高1.4倍；建立疊前提高分辨率目標(biāo)處理、疊后子波重構(gòu)拓頻、疊前疊后聯(lián)合反演的三級(jí)預(yù)測(cè)技術(shù)，最終砂體分辨能力由12 m逐步提高至2 m，有效提高了儲(chǔ)集層識(shí)別精度。淺薄儲(chǔ)集層在逐級(jí)提頻后的資料中反射更為清晰、連續(xù)，與實(shí)際鉆探結(jié)果吻合較好，資料具有較好的保幅性，取得了較好的實(shí)際應(yīng)用效果。圖11參17

準(zhǔn)噶爾盆地；春風(fēng)油田；中新統(tǒng)沙灣組；儲(chǔ)集層預(yù)測(cè)；子波重構(gòu)；疊前疊后聯(lián)合反演

1 研究區(qū)概況

春風(fēng)油田位于新疆準(zhǔn)噶爾盆地西部隆起的車(chē)排子凸起東部，其西面和北面鄰近扎伊爾山，南面為四棵樹(shù)凹陷，東以紅車(chē)斷裂帶與昌吉凹陷相接（見(jiàn)圖 1）。車(chē)排子凸起屬于準(zhǔn)噶爾盆地西部隆起的次一級(jí)構(gòu)造單元，平面上呈三角形，總體呈西北—南東走向，為海西晚期形成且長(zhǎng)期繼承性發(fā)育的古凸起?，F(xiàn)今構(gòu)造較為簡(jiǎn)單，總體表現(xiàn)為區(qū)域性南東傾單斜，地層傾角較平緩。受區(qū)域張扭性應(yīng)力影響，發(fā)育高陡、近直立斷層，斷距一般在8 m左右，延伸長(zhǎng)度一般在2～10 km。在中部和東南部可見(jiàn)兩條近南北方向的次級(jí)派生斷層，可與不整合和骨架砂體輸導(dǎo)層溝通，對(duì)油氣分布具明顯控制作用。

據(jù)鉆井揭示，車(chē)排子凸起發(fā)育的地層從下至上依次為：石炭系、下侏羅統(tǒng)、下白堊統(tǒng)、古近系、新近系、第四系。其中新近系發(fā)育的沙灣組在車(chē)排子地區(qū)分布廣泛，總體上東南較厚，向西北方向變薄、尖滅，是目前春風(fēng)油田的重點(diǎn)研究層位。根據(jù)巖性特征可將沙灣組自下而上分為3段：沙一段、沙二段、沙三段，各段的沉積特征存在一定差異。沙一段可進(jìn)一步劃分為 3個(gè)砂層組，巖性以厚層灰色砂礫巖、含礫細(xì)砂巖夾薄層泥巖為主，成巖演化程度較低，泥質(zhì)膠結(jié)為主，以1砂層組為主要含油層位（見(jiàn)圖1）。

圖1 春風(fēng)油田構(gòu)造位置及巖性綜合柱狀圖

春風(fēng)油田儲(chǔ)集層總體具有“淺”、“薄”兩大特點(diǎn)[3-5]：油層埋藏淺，埋深僅200～600 m，平均埋深在500 m左右；儲(chǔ)集層厚度薄，單砂體厚度為2～6 m。由此造成了儲(chǔ)集層預(yù)測(cè)的兩大難點(diǎn)：首先，由于油藏埋藏淺，地震資料的品質(zhì)受到較大影響，導(dǎo)致淺層覆蓋次數(shù)低，只有 7～10次，目的層段的信噪比低。因此，儲(chǔ)集層在地震資料上呈空白反射，識(shí)別困難，預(yù)測(cè)多解性強(qiáng)。其次，沙灣組儲(chǔ)集層厚度較薄，厚度10 m以下的儲(chǔ)集層占 70%以上。而現(xiàn)有地震資料主頻主要集中在50 Hz，按砂巖速度2 400 m/s計(jì)算，地震資料只能分辨12 m以上的厚砂體，無(wú)法分辨2～6 m的薄儲(chǔ)集層。

本次研究針對(duì)春風(fēng)油田淺薄儲(chǔ)集層地震資料信噪比低和分辨率不足兩個(gè)方面的問(wèn)題，開(kāi)展了針對(duì)性的處理、解釋技術(shù)研究，形成了淺薄儲(chǔ)集層地震逐級(jí)精細(xì)預(yù)測(cè)方法，較好地解決了該區(qū)淺薄儲(chǔ)集層預(yù)測(cè)的兩大難題，提高了淺薄儲(chǔ)集層的預(yù)測(cè)精度。

2 預(yù)測(cè)思路及關(guān)鍵技術(shù)

2.1 淺薄儲(chǔ)集層地震逐級(jí)精細(xì)預(yù)測(cè)思路

針對(duì)春風(fēng)油田淺薄儲(chǔ)集層地震資料品質(zhì)差、儲(chǔ)集層預(yù)測(cè)多解性強(qiáng)的難題，本次研究形成了針對(duì)淺薄儲(chǔ)集層的地震逐級(jí)精細(xì)預(yù)測(cè)流程（見(jiàn)圖2）。

圖2 春風(fēng)油田淺薄儲(chǔ)集層地震逐級(jí)精細(xì)預(yù)測(cè)流程圖

對(duì)于因儲(chǔ)集層埋藏淺導(dǎo)致的地震資料覆蓋次數(shù)低、信噪比低的難題，主要采用了互疊式偏移距分組處理技術(shù)以提高覆蓋次數(shù)、改善信噪比，為儲(chǔ)集層預(yù)測(cè)奠定資料基礎(chǔ)；對(duì)于儲(chǔ)集層厚度薄導(dǎo)致的地震資料分辨率低的難題，研究建立了疊前提高分辨率目標(biāo)處理、疊后子波重構(gòu)拓頻、疊前疊后聯(lián)合反演的三級(jí)提頻技術(shù)，逐步提高地震資料主頻和砂體分辨能力，達(dá)到有效提高儲(chǔ)集層識(shí)別精度的目的。

2.2 互疊式偏移距分組處理技術(shù)

從該區(qū)原始地震偏移距成像資料看，只有偏移距小于800 m的地震數(shù)據(jù)對(duì)目標(biāo)區(qū)目的層沙灣組的成像有貢獻(xiàn)。按照常規(guī)偏移距分組60 m間隔獨(dú)立分組進(jìn)行偏移時(shí)，目的層沙灣組地震資料覆蓋次數(shù)主要集中在7～10次，平均僅為8次，存在較嚴(yán)重的覆蓋次數(shù)低、噪音大的問(wèn)題。

為了優(yōu)化偏移距分組參數(shù)，本次研究通過(guò)進(jìn)行偏移距分組實(shí)驗(yàn)，采用偏移距段的互疊方式完成了偏移距分組，即采用120 m增量間隔進(jìn)行偏移距分組，將0～120 m劃分為第1組，60～180 m劃為第2組，120～240 m劃為第3組，依次類推，以提高單個(gè)偏移距分組內(nèi)有效道數(shù)。該技術(shù)在保證偏移距分布均勻合理的前提下，提高了CIP道集（共成像點(diǎn)道集）的覆蓋次數(shù)，達(dá)到了提高淺層地震資料覆蓋次數(shù)和信噪比的目的。

從目標(biāo)處理前后的道集上可以看出，采用互疊式偏移距分組技術(shù)后，道集覆蓋次數(shù)明顯提高，由原來(lái)的7～10次增加到15～16次（見(jiàn)圖3）。

圖3 處理前（a）、處理后（b）的共偏移距道集對(duì)比圖

通過(guò)對(duì)互疊式偏移前后的新老地震剖面進(jìn)行信噪比對(duì)比分析表明（見(jiàn)圖 4），老資料信噪比低，地震反射不清；新資料剖面經(jīng)處理后，信噪比明顯提高，地震反射波組清楚，局部信噪比較差的地區(qū)信噪比提高1.4倍，從而為薄砂體儲(chǔ)集層的地震預(yù)測(cè)奠定了基礎(chǔ)。

2.3 疊前提高分辨率目標(biāo)處理技術(shù)

從原始資料入手，通過(guò)加強(qiáng)處理參數(shù)實(shí)驗(yàn)和嚴(yán)格質(zhì)量監(jiān)控，在保幅、保真的基礎(chǔ)上，合理提高地震資料分辨率，并制定了疊前提高分辨率目標(biāo)處理流程?；狙芯克悸肥?，首先利用地表一致性反褶積進(jìn)行疊前第 1次提頻，同時(shí)壓縮地震子波，然后對(duì)疊前道集進(jìn)行預(yù)測(cè)反褶積，進(jìn)行疊前 2次提頻。偏移完成后采用藍(lán)色濾波、反Q濾波技術(shù)進(jìn)行疊后提高分辨率和信噪比處理。通過(guò)這些技術(shù)的組合應(yīng)用，有效提高了地震資料的主頻和有效頻帶，最終提高了砂體的分辨能力。

從處理前后剖面對(duì)比以及頻譜對(duì)比中可以看出（見(jiàn)圖5），處理后剖面地層振幅能量得到較好恢復(fù)，沙灣組層間空白現(xiàn)象得到消除，砂體反射更清晰，連續(xù)性更好，地震響應(yīng)特征好，與自然伽馬曲線吻合程度高，真實(shí)反映了地下砂體分布情況，保幅性較好。疊前目標(biāo)處理前原始地震資料主頻為50 Hz，優(yōu)勢(shì)頻帶在 10～90 Hz，能分辨厚度為 12 m 的砂體。應(yīng)用疊前提高分辨率目標(biāo)處理技術(shù)后，地震資料主頻達(dá)到60 Hz，優(yōu)勢(shì)頻帶為10～110 Hz，能分辨厚度為10 m的砂體。

2.4 疊后子波重構(gòu)拓頻技術(shù)

圖4 老（a，b）、新（c，d）地震剖面反射特征及信噪比屬性對(duì)比圖

圖5 疊前目標(biāo)處理前（a，b）、處理后（c，d）地震剖面及頻譜對(duì)比圖

子波重構(gòu)技術(shù)是基于不同巖性地層產(chǎn)生的子波（能量、相位）差異，分析井?dāng)?shù)據(jù)提取的目的層子波特征規(guī)律，重構(gòu)特定巖性地震反射的技術(shù)方法。該技術(shù)是把輸入的地震數(shù)據(jù)體進(jìn)行子波分解，根據(jù)需要將不同頻率子波進(jìn)行重構(gòu)得到新的數(shù)據(jù)體[6-10]。具體過(guò)程為：精細(xì)合成記錄標(biāo)定、目的層段時(shí)窗精確選取、目的層段頻譜范圍選取、子波分離、選取分量、子波重構(gòu)。

通過(guò)子波分解技術(shù)，將以往只能從宏觀上認(rèn)識(shí)的地震道（剖面和數(shù)據(jù)體）數(shù)據(jù)分解為不同形狀、不同頻率的地震子波組合。被分解出來(lái)的全部或部分不同振幅和主頻的雷克子波按照其分解后的位置重新組合，形成新的地震道。如果選擇所有的雷克子波重構(gòu)地震道，與原始的地震道基本一致，其誤差可以忽略，據(jù)此作為子波分解的質(zhì)量控制手段；如果選擇部分子波重構(gòu)，則會(huì)得到一個(gè)新的地震道[11-14]。

為有效確定該區(qū)目的層段的子波重構(gòu)頻段范圍，研究中選取排601井、排612-16井等多口井開(kāi)展重構(gòu)標(biāo)定實(shí)驗(yàn)。結(jié)果表明，按砂巖速度2 400 m/s計(jì)算，該區(qū)厚度6.5～10.0 m的砂體主要分布在60～92 Hz頻段范圍，而厚度 6.5 m以下砂體及非砂體頻率普遍小于60 Hz或大于92 Hz。因此，最終確定選取60～92 Hz頻段范圍進(jìn)行子波重構(gòu)，重構(gòu)后的地震數(shù)據(jù)可最大限度反映該區(qū)厚度6.5～10.0 m的薄儲(chǔ)集層橫向變化，為后續(xù)的精細(xì)地震儲(chǔ)集層預(yù)測(cè)奠定基礎(chǔ)。

疊后子波重構(gòu)拓頻技術(shù)應(yīng)用前后的過(guò)排612-16井的地震剖面對(duì)比表明（見(jiàn)圖6），排612-16井沙灣組鉆遇的兩套砂體在處理前只對(duì)應(yīng)一個(gè)同相軸，無(wú)法區(qū)分；經(jīng)過(guò)處理后，薄層的地震響應(yīng)明顯改善，兩套砂體分別對(duì)應(yīng)于兩個(gè)連續(xù)完好、反射能量較強(qiáng)的同相軸，地震資料的砂體識(shí)別能力得到了提高，砂體分辨能力由10.0 m提高到6.5 m。通過(guò)排612-16井標(biāo)定、子波重構(gòu)拓頻技術(shù)應(yīng)用后，在井點(diǎn)位置目的層地震響應(yīng)特征與實(shí)際測(cè)井解釋成果完全吻合，保幅性較好。

圖6 疊后子波重構(gòu)拓頻技術(shù)應(yīng)用前后的剖面對(duì)比圖

2.5 疊前疊后聯(lián)合反演技術(shù)

在春風(fēng)油田淺薄儲(chǔ)集層的地震預(yù)測(cè)中，單獨(dú)依靠疊后或疊前處理資料均難以實(shí)現(xiàn)對(duì)儲(chǔ)集層的精細(xì)預(yù)測(cè)。根據(jù)巖石物理分析，從該區(qū)波阻抗與泊松比交會(huì)圖上可以看出（見(jiàn)圖7），該區(qū)砂巖儲(chǔ)集層與泥巖相比，具有低波阻抗、低泊松比的特點(diǎn)，因此可利用這一特點(diǎn)進(jìn)行儲(chǔ)集層識(shí)別。本次研究建立了疊前疊后聯(lián)合反演技術(shù)，進(jìn)一步提高了儲(chǔ)集層預(yù)測(cè)的砂體分辨能力。

圖7 排6井區(qū)波阻抗與泊松比交會(huì)圖

疊前疊后聯(lián)合反演技術(shù)的整體思路是，利用疊后反演得到的縱波波阻抗數(shù)據(jù)體，通過(guò)井中巖石物理統(tǒng)計(jì)分析獲得的縱波速度、橫波速度、密度相互關(guān)系建立縱波波阻抗、橫波波阻抗以及密度的初始多信息約束模型數(shù)據(jù)體。在疊前反演過(guò)程中，在上述 3個(gè)數(shù)據(jù)體的約束下，可得到泊松比等多種巖石物理參數(shù)，該聯(lián)合反演技術(shù)的基本流程如圖8所示。

在疊前疊后聯(lián)合反演過(guò)程中，采用了基于貝葉斯推論和馬爾科夫鏈的蒙特卡羅法計(jì)算方法，其基本原理是，應(yīng)用已有數(shù)據(jù)信息建立概率密度函數(shù)（包括直方圖與變差函數(shù)），描述各種測(cè)井曲線、地震數(shù)據(jù)的空間概率分布。其中，直方圖定義任意給定點(diǎn)的屬性值的概率分布，而變差函數(shù)則定義了地質(zhì)體在橫向和垂向上的規(guī)模和分布特征，兩者都是通過(guò)測(cè)井分析、巖石物理模型和地質(zhì)分析獲得[15]。

圖8 疊前疊后聯(lián)合反演技術(shù)流程圖

在直方圖和變差函數(shù)分析的基礎(chǔ)上，應(yīng)用貝葉斯推論將多個(gè)概率密度函數(shù)合并起來(lái)，得到基于所有已知和假設(shè)信息的后驗(yàn)有條件概率分布函數(shù)，其表達(dá)式為：

后驗(yàn)有條件概率分布函數(shù)表征所有輸入概率分布函數(shù)的交集。在其控制下，利用基于馬爾科夫鏈的蒙特卡羅法，進(jìn)行地質(zhì)統(tǒng)計(jì)學(xué)協(xié)模擬運(yùn)算，獲得統(tǒng)計(jì)意義上公平的數(shù)據(jù)結(jié)果，其表達(dá)式為：

由于地質(zhì)統(tǒng)計(jì)學(xué)反演以及協(xié)模擬的計(jì)算過(guò)程是迭代完成的，其迭代收斂條件是獲得的模型與所有的輸入地質(zhì)信息吻合。因此，利用該方法建立符合測(cè)井、地質(zhì)和地震數(shù)據(jù)的地質(zhì)模型，將高分辨率的測(cè)井信息以及低分辨率的三維地震信息進(jìn)行整合，得到的地震反演數(shù)據(jù)結(jié)果具有較高的分辨率和先驗(yàn)數(shù)據(jù)吻合度[16-17]。

通過(guò)疊前疊后聯(lián)合反演技術(shù)，儲(chǔ)集層預(yù)測(cè)精度進(jìn)一步提高，各井間各油層橫向?qū)Ρ刃躁P(guān)系明確，尖滅點(diǎn)清楚，可識(shí)別厚度2 m以上的儲(chǔ)集層，儲(chǔ)集層識(shí)別吻合率達(dá)95.2%。例如在排601井—排6井的疊前疊后聯(lián)合反演的泊松比剖面上（見(jiàn)圖9），排601井鉆遇的5 m厚儲(chǔ)集層、排6井鉆遇的2.1 m薄儲(chǔ)集層均得到了有效識(shí)別，泊松比屬性與儲(chǔ)集層厚度吻合較好。通過(guò)提取多口井沙灣組一段 1砂層組的泊松比屬性值與儲(chǔ)集層厚度做交會(huì)分析可知，儲(chǔ)集層厚度與泊松比具有較好的負(fù)相關(guān)性，即泊松比越小，儲(chǔ)集層厚度相對(duì)越大（見(jiàn)圖10）。

圖9 排601—排6井疊前疊后聯(lián)合反演的泊松比剖面圖

圖10 春風(fēng)油田沙灣組一段1砂層組泊松比與儲(chǔ)集層厚度交會(huì)圖

同時(shí)，對(duì)比沙灣組一段1砂層組的泊松比屬性與儲(chǔ)集層厚度圖（見(jiàn)圖 11）發(fā)現(xiàn)，泊松比屬性較好地反映了儲(chǔ)集層厚度的展布規(guī)律，與該區(qū)實(shí)際的鉆探情況較為吻合。通過(guò)鉆井誤差分析，預(yù)測(cè)的儲(chǔ)集層厚度誤差最大為1.7 m，最小僅為0.2 m，儲(chǔ)集層預(yù)測(cè)具有較好的吻合度。從泊松比屬性圖（見(jiàn)圖11a）可見(jiàn)，預(yù)測(cè)有利儲(chǔ)集層發(fā)育區(qū)可分為 3類，其中黃色—紅色為Ⅰ類區(qū)，代表儲(chǔ)集層厚度較大，范圍在 8～14 m；綠色為Ⅱ類區(qū)，代表儲(chǔ)集層厚度中等，厚度一般在4～8 m；藍(lán)色為Ⅲ類區(qū)，代表儲(chǔ)集層較薄，厚度普遍小于4 m，從儲(chǔ)集層厚度圖可以看出（見(jiàn)圖 11b），該區(qū)儲(chǔ)集層主要發(fā)育兩個(gè)北北東向厚度中心：西部的排607—排631—排610井區(qū)及東部的排617—排611井區(qū)，這兩個(gè)厚度中心在泊松比屬性圖上處于較低泊松比值區(qū)（0.355～0.372），而且兩個(gè)厚度中心井間儲(chǔ)集層厚度的橫向變化較快。近年來(lái)，通過(guò)淺薄儲(chǔ)集層地震逐級(jí)精細(xì)預(yù)測(cè)技術(shù)的應(yīng)用，在春風(fēng)油田排6井區(qū)新增探明儲(chǔ)量1 006×104t，新增控制地質(zhì)儲(chǔ)量1 517×104t。

圖11 春風(fēng)油田沙灣組一段1砂層組的泊松比（a）及儲(chǔ)集層厚度圖（b）

3 結(jié)論

針對(duì)準(zhǔn)噶爾盆地春風(fēng)油田淺薄儲(chǔ)集層預(yù)測(cè)中地震資料存在信噪比低和分辨率不足等兩方面問(wèn)題，研究建立了針對(duì)淺薄儲(chǔ)集層的地震逐級(jí)精細(xì)預(yù)測(cè)方法，淺薄儲(chǔ)集層在逐級(jí)提頻后的資料中反射更為清晰、連續(xù)，與實(shí)際鉆探結(jié)果吻合較好，資料具有較好的保幅性，取得了較好的實(shí)際應(yīng)用效果。其中，采用互疊式偏移距分組處理技術(shù)，地震資料的覆蓋次數(shù)由 8次增加至16次，同時(shí)經(jīng)過(guò)提頻去噪成像等精細(xì)處理，局部低信噪比區(qū)信噪比提高1.4倍，為儲(chǔ)集層預(yù)測(cè)奠定了基礎(chǔ)；研究建立了疊前提高分辨率目標(biāo)處理、疊后子波重構(gòu)拓頻、疊前疊后聯(lián)合反演的三級(jí)預(yù)測(cè)技術(shù)，最終砂體分辨能力由12 m逐步提高至2 m，有效提高了儲(chǔ)集層識(shí)別精度。

符號(hào)注釋：

D——觀測(cè)數(shù)據(jù)；P(D)——模型化常量；P(D|θ)——似然函數(shù)；P(θ)——先驗(yàn)概率函數(shù)；P(θ|D)——后驗(yàn)有條件概率分布函數(shù)；t——隨機(jī)變量所處的位置，變化范圍為 1～T；Xt——在 t位置處的隨機(jī)變量，既可以是縱波波阻抗，也可以是縱橫波速度比或泊松比等其他巖石物理參數(shù)；θ——模型參數(shù)。

[2] 向奎. 準(zhǔn)噶爾盆地車(chē)排子地區(qū)下切谷沉積體系及有利勘探方向[J].中國(guó)石油大學(xué)學(xué)報(bào)(自然科學(xué)版), 2007, 31(6)： 1-6.XIANG Kui. Entrenched valley depositional system and advantageous exploration direction of Chepaizi area in Junggar Basin[J]. Journal of China University of Petroleum (Edition of Natural Science), 2007, 31(6)： 1-6.

[3] 陳軒, 張尚鋒, 張昌民, 等. 準(zhǔn)噶爾盆地車(chē)排子地區(qū)新近系沙灣組層序地層[J]. 新疆石油地質(zhì), 2008, 29(1)： 65-67.CHEN Xuan, ZHANG Shangfeng, ZHANG Changmin, et al.Sequence stratigraphy of Neogene Shawan Formation in Chepaizi Area, Junggar Basin[J]. Xinjiang Petroleum Geology, 2008, 29(1)：65-67.

[4] 王學(xué)忠, 楊元亮, 席偉軍. 油水過(guò)渡帶薄淺層特稠油微生物開(kāi)發(fā)技術(shù)： 以準(zhǔn)噶爾盆地西緣春風(fēng)油田為例[J]. 石油勘探與開(kāi)發(fā),2016, 43(4)： 630-635.WANG Xuezhong, YANG Yuanliang, XI Weijun. Microbial enhanced oil recovery of oil-water transitional zone in thin-shallow extra heavy oil reservoirs： A case study of Chunfeng Oilfield in western marginof Junggar Basin, NW China[J]. Petroleum Exploration and Development, 2016, 43(4)： 630-635.

[5] 楊少春, 孟祥梅, 陳寧寧, 等. 準(zhǔn)噶爾盆地車(chē)排子地區(qū)新近系沙灣組沉積特征[J]. 中國(guó)石油大學(xué)學(xué)報(bào)(自然科學(xué)版), 2011, 35(2)：20-25.YANG Shaochun, MENG Xiangmei, CHEN Ningning, et al.Depositional characteristics of Shawan formation in Neogene of Chepaizi area, Junggar Basin[J]. Journal of China University of Petroleum (Edition of Natural Science), 2011, 35(2)： 20-25.

[6] 于正軍. 灰質(zhì)背景下濁積巖儲(chǔ)層地震響應(yīng)特征及識(shí)別方法： 以東營(yíng)凹陷董集洼陷為例[J]. 油氣地質(zhì)與采收率, 2014, 21(2)：95-97.YU Zhengjun. Seismic response characteristics and recognition method of turbidity under carbonate depositional environment： A case in Dongji sag of Dongying sag[J]. Petroleum Geology and Recovery Efficiency, 2014, 21(2)： 95-97.

[7] 張軍華, 劉振, 劉炳楊, 等. 強(qiáng)屏蔽層下弱反射儲(chǔ)層特征分析及識(shí)別方法[J]. 特種油氣藏, 2012, 19(1)： 23-26.ZHANG Junhua, LIU Zhen, LIU Bingyang, et al. Analysis and identification of reservoir characteristics of weak reflectors under strong shielding layer[J]. Special Oil & Gas Reservoirs, 2012, 19(1)：23-26.

[8] 汲生珍, 鄔興威, 夏東領(lǐng). 子波分解與重構(gòu)技術(shù)在儲(chǔ)層預(yù)測(cè)中的應(yīng)用 [J]. 石油天然氣學(xué)報(bào), 2013, 35(11)： 66-69.JI Shengzhen, WU Xingwei, XIA Dongling. Application of wavelet decomposition and reconstruction technique in reservoir prediction[J]. Journal of Oil and Gas Technology, 2013, 35(11)：66-69.

[9] DAUBECHIES I. Ten lectures on wavelets[M]. Ladephia： Society for Industrial and Applied Mathemetics, 1992.

[10] 趙爽, 李仲東, 許紅梅, 等. 多子波分解技術(shù)檢測(cè)含煤砂巖儲(chǔ)層[J]. 天然氣工業(yè), 2007, 27(9)： 44-47.ZHAO Shuang, LI Zhongdong, XU Hongmei, et al. Using multiple wavelet decomposition technique to detect the sandstone reservoir with coal layer[J]. Natural Gas Industry, 2007, 27(9)： 44-47.

[11] LEBMN J, VEAERLL M. Balanced multi-wavelets theory and design[J]. IEEE Transactions on Signal Processing, 1997, 46(4)：1119-1125.

[12] 李曙光, 徐天吉, 唐建明, 等. 基于頻率域小波的地震信號(hào)多子波分級(jí)及重構(gòu)[J]. 石油地球物理勘探, 2009, 44(6)： 675-679.LI Shuguang, XU Tianji, TANG Jianming, et al. Seismic signal multi-wavelet decomposition and reconfiguration based on wavelet in frequency domain[J]. Oil Geophysical Prospecting, 2009, 44(6)：675-679.

[13] 何胡軍, 王秋雨, 程會(huì)明. 基于匹配追蹤算法子波分解技術(shù)在薄互層儲(chǔ)層預(yù)測(cè)中的應(yīng)用[J]. 物探化探計(jì)算技術(shù), 2010, 32(6)：641-644.HE Hujun, WANG Qiuyu, CHENG Huiming. The application of wavelet decomposition technique based on matching pursuit algorithm in thin in ter-bedded reservoir prediction[J]. Computing Techniques for Geophysical and Geochemical Exploration, 2010,32(6)： 641-644.

[14] 佘剛, 周小鷹, 王箭波. 多子波分解與重構(gòu)法砂巖儲(chǔ)層預(yù)測(cè)[J].西南石油大學(xué)學(xué)報(bào), 2013, 35(1)： 19-27.SHE Gang, ZHOU Xiaoying, WANG Jianbo. Prediction of sand reservoir with multi-wavelet seismic trace decomposition and reconstruction[J]. Journal of Southwest Petroleum Institute, 2013,35(1)： 19-27.

[15] 胡英, 張東, 袁建征, 等. Laplace-Fourier域多尺度高效全波形反演方法[J]. 石油勘探與開(kāi)發(fā), 2015, 42(3)： 338-346.HU Ying, ZHANG Dong, YUAN Jianzheng, et al. An efficient multi-scale waveform inversion method in Laplace-Fourier domain[J]. Petroleum Exploration and Development, 2015, 42(3)：338-346.

[16] 胡華鋒, 印興耀, 吳國(guó)忱. 基于貝葉斯分類的儲(chǔ)層物性參數(shù)聯(lián)合反演方法[J]. 石油物探, 2012, 51(3)： 225-232.HU Huafeng, YIN Xingyao, WU Guochen. Joint inversion of petrophysical parameters based on Bayesian classification[J].Geophysical Prospecting for Petroleum, 2012, 51(3)： 225-232.

[17] 劉百紅, 李建華, 魏曉東, 等. 隨機(jī)反演在儲(chǔ)層預(yù)測(cè)中的應(yīng)用[J].地球物理學(xué)進(jìn)展, 2009, 24(2)： 581-589.LIU Baihong, LI Jianhua, WEI Xiaodong, et al. The application of stochastic seismic inversion in reservoir prediction[J]. Progress in Geophysics, 2009, 24(2)： 581-589.

（編輯 黃昌武）

Stepped and detailed seismic prediction of shallow-thin reservoirs in Chunfeng oilfield of Junggar Basin, NW China

SHU Ningkai1, WANG Xinwen1, SU Chaoguang2, SONG Liang2, NIU Xuemin2, LI Qiang2
(1. China University of Geosciences, Beijing 100083, China; 2. Geophysical Research Institute, Sinopec Shengli Oilfield Company, Dongying 257022, China)

In view of the problems of low signal-to-noise ratio and low resolution of seismic data in shallow-thin reservoir in Chunfeng Oilfield of Junggar Basin, stepped and detailed data processing and interpretation technologies are proposed for shallow-thin reservoir prediction. The overlapping type offset packet processing technology can increase seismic fold from 8 to 16 times and increase signal to noise ratio by 1.4 times at local low noise ratio area by fine processing including frequency upgrade and de-noise imaging techniques.This study established three-level prediction techniques including pre-stack improving resolution target processing, post-stack wavelet reconstruction frequency extension, pre-stack and post-stack joint inversion, which can increase sand resolution from 12 m to 2 m and improve the identification accuracy of reservoir efficiently. The shallow-thin reservoirs after frequency extension have continuous and defined reflections, which are well coincided with actual exploration. The seismic data have well ability of preserving amplitude, and achieve good application effects.

Junggar Basin; Chunfeng oilfield; Miocene Shawan Formation; reservoir prediction; wavelet reconstruction; pre-stack and post-stack joint inversion

國(guó)家科技重大專項(xiàng)（2011ZX05028；2016ZX05011）

TE122.2

A

1000-0747(2017)04-0561-08

10.11698/PED.2017.04.09

束寧凱, 汪新文, 蘇朝光, 等. 準(zhǔn)噶爾盆地春風(fēng)油田淺薄儲(chǔ)集層地震逐級(jí)精細(xì)預(yù)測(cè)[J]. 石油勘探與開(kāi)發(fā), 2017,44(4)： 561-568.

SHU Ningkai, WANG Xinwen, SU Chaoguang, et al. Stepped and detailed seismic prediction of shallow-thin reservoirs in Chunfeng oilfield of Junggar Basin, NW China[J]. Petroleum Exploration and Development, 2017, 44(4)： 561-568.

束寧凱（1993-），女，江蘇丹陽(yáng)人，現(xiàn)為中國(guó)地質(zhì)大學(xué)（北京）在讀碩士研究生，主要從事構(gòu)造地質(zhì)及油氣勘探綜合研究。地址：北京市海淀區(qū)學(xué)院路29號(hào)，中國(guó)地質(zhì)大學(xué)地球科學(xué)與資源學(xué)院，郵政編碼：100083。E-mail：522345876@qq.com

聯(lián)系作者簡(jiǎn)介：汪新文（1961-）男，湖北孝感人，中國(guó)地質(zhì)大學(xué)（北京）教授，從事盆地油氣綜合研究。地址：北京市海淀區(qū)學(xué)院路29號(hào)，中國(guó)地質(zhì)大學(xué)地球科學(xué)與資源學(xué)院，郵政編碼：100083。E-mail：wxw@cugb.edu.cn。

2016-10-09

2017-05-09