ISSN 1004-4140
CN 11-3017/P

AVO信息约束匹配追踪技术在富煤储层刻画中的应用

刘庆文, 秦德文, 胡伟

刘庆文, 秦德文, 胡伟. AVO信息约束匹配追踪技术在富煤储层刻画中的应用[J]. CT理论与应用研究, 2023, 32(2): 189-197. DOI: 10.15953/j.ctta.2022.218.
引用本文: 刘庆文, 秦德文, 胡伟. AVO信息约束匹配追踪技术在富煤储层刻画中的应用[J]. CT理论与应用研究, 2023, 32(2): 189-197. DOI: 10.15953/j.ctta.2022.218.
LIU Q W, QIN D W, HU W. Application of AVO Information-constrained Matching Pursuit Technique in Rich Coal Reservoir Characterization[J]. CT Theory and Applications, 2023, 32(2): 189-197. DOI: 10.15953/j.ctta.2022.218. (in Chinese).
Citation: LIU Q W, QIN D W, HU W. Application of AVO Information-constrained Matching Pursuit Technique in Rich Coal Reservoir Characterization[J]. CT Theory and Applications, 2023, 32(2): 189-197. DOI: 10.15953/j.ctta.2022.218. (in Chinese).

AVO信息约束匹配追踪技术在富煤储层刻画中的应用

基金项目: 中国海油“七年行动计划”东海专项课题(西湖凹陷西部地区勘探开发关键技术研究(CNOOCKJ 135 ZDXM39 SH01));中国海油“十四五”重大科技项目“海上深层/超深层油气勘探技术”(KJGG2022-0402)。
详细信息
    作者简介:

    刘庆文: 男,硕士,中海石油(中国)有限公司上海分公司研究院工程师,主要从事海油石油勘探地球物理研究,E-mail:liuqw3@cnooc.com.cn

    通讯作者:

    刘庆文*,

  • 中图分类号: P  631.4;P  315

Application of AVO Information-constrained Matching Pursuit Technique in Rich Coal Reservoir Characterization

  • 摘要: 针对西湖凹陷富煤环境下储层刻画精度低问题,本文结合煤层AVO截距、梯度特征,提出一种基于AVO信息约束的匹配追踪技术,压制煤层强反射引起的岩性假象,凸显储层真实、有效信号。该方法首先利用煤层4类AVO负强截距<i<P</i<、正强梯度<i<G</i<特点,构建煤层地震敏感因子<i<P</i< - <i<G</i<,放大煤层地震响应,并压制非煤层强振幅影响,实现煤层位置精细定位;在此基础上,将该煤层地震信息作为匹配追踪需要分解、重构的原始信号,利用复地震道分析技术提高信号快速匹配分解的效率,完成煤层强反射解耦。模型试算及实际资料应用表明:匹配追踪技术在精细定位煤层地震响应基础上,提高了匹配追踪算法去煤层强振幅效率;煤层解耦后地震数据较好地凸显储层横向展布变化,提高主力气层的纵向刻画精度。
    Abstract: To address the low accuracy of reservoir characterization in XiHu Sag in a coal-rich environment, this study developed a matching pursuit technology based on AVO information constraints combined with the AVO intercept and gradient characteristics of coal. It can suppress the strong reflectance lithologic artifacts caused by coal and highlight actual and effective reservoir signals. Based on the negative intercept <i<P</i< and positive gradient <i<G</i< of the AVO of coal, the seismic–sensitive factor <i<P</i<–<i<G</i< of coal identification was developed to amplify the seismic response of coal and suppress the high-amplitude response of non-coal. Then, to accurately identify the location of coal, the seismic information of coal was used as the original signal that needs to be decomposed and reconstructed by matching pursuit. Additionally, the efficiency of signal-matching decomposition was improved using the technology of complex seismic track analysis. Finally, the strong reflection elimination of coal was completed. Model trials and practical applications indicate that this method could accurately identify the seismic response location of coal and improve the efficiency of the matching pursuit algorithm. Moreover, the coal-eliminated seismic data can better highlight the lateral distribution changes of the reservoir and improve the vertical characterization accuracy of the main gas layer.
  • 西湖凹陷斜坡带平湖组沉积环境复杂,主要发育三角洲潮坪相,储层横向变化快;同时,目的层段0.5~2 m薄煤广泛发育,地震强反射特征明显[1-2],这对于地震信息驱动的储层反演易引起岩性假象风险,淹没砂岩真实地震响应,使得富煤环境下储层预测难度极大。

    针对强反射屏蔽相邻储层信号问题,许多学者开展了相关研究和讨论,主要包括多子波分解与重构、匹配追踪及压缩感知等技术。张军华等[3]利用多子波分解重构方法对胜利探区5号桩油田T2强反射进行剥离,提高了储层预测精度;秦雪霏等[4]利用多子波分解与重构技术对大牛地气田三维地震资料开展分频段信号重组,凸显了储层有效反射信息;Wang[5-6]提出了基于自由多尺度的匹配追踪去强屏蔽方法,利用地震时频谱分解剥离强反射,随后,采用多道匹配追踪算法解决横向连续性问题;朱博华等[7]详细分析了匹配追踪算法中子波控制参数选取问题,提出利用能量增长率作为参数优选,并较好地刻画了河道边界及砂体展布;李海山等[8-9]利用匹配追踪算法分离了煤层强反射,在此基础上,通过叠前反演方法对含气层进行了有效识别;张在金等[10]将沿层信息引进匹配追踪算法,实现了强屏蔽剥离,并用低频伴影现象验证了去强屏蔽效果;何峰等[11]提出一种地震约束的井控匹配追踪去强反射技术,优化改进了匹配子波控制参数。压缩感知去强屏蔽上,张云银等[12]联合“钉型”子波与压缩感知技术有效地去除了渤海湾盆地济阳坳陷渤南地区强反射背景,突出了目的层段砂砾岩地震响应特征;张军华等[13]提出基于压缩感知的反射系数域沿层L2范数约束的去强屏蔽方法,一定程度上解决了去强屏蔽损失弱反射信号问题。

    为了消除薄煤强反射对储层弱有效信号的影响,提高平湖组储层预测精度,本文提出一种基于AVO信息约束的匹配追踪去煤层强反射技术,通过截距减去梯度(P - G)精细定位煤层位置,并将该“先验信息”作为后续快速匹配追踪分解的原始信号,实现煤层精细定位及解耦,进而解决平湖组富煤环境储层精细刻画难问题。

    由于煤层与砂岩弹性阻抗差异大,在地震剖面上易引起强反射,这对于上下邻近储层影响较大,使得砂岩有效信息淹没于强反射之中;同时,平湖组埋深约4000 m,受地层压实等影响,高阻抗砂岩地震表现为强反射特征,给煤层识别带来一定干扰,进而影响富煤环境下储层精细刻画。

    常见砂岩AVO类型主要包含3种:Ⅲ 类AVO低阻抗储层、Ⅱ类AVO近零阻抗差储层及Ⅰ类AVO高阻抗储层[14-15]。结合靶区实钻测井数据,对不同类型砂岩和煤层进行AVO曲线分析(上下围岩均为泥岩),不同岩性弹性参数见表1

    表  1  靶区不同岩性弹性参数
    Table  1.  Elastic parameters of different lithologies in the target area
    岩性  Vp/(m/s)Vs/(m/s)密度/(g/cm3纵波阻抗/
    ((m/s)·(g/cm3))
      泥岩415022202.6510998
      Ⅲ 类砂岩350023752.40 8400
      Ⅱ类a型砂岩460027502.4911454
      Ⅱ类b型砂岩430026102.4710621
      Ⅰ类砂岩530032502.5513515
      煤层290015002.00 5800
    下载: 导出CSV 
    | 显示表格

    图1所示为3种类型AVO砂岩与煤层的AVO曲线,分析可知,低阻抗、近零阻抗差及高阻抗砂岩的截距随着阻抗差异有正有负,但其AVO斜率均表现为负值,即不同类型砂岩顶界面均对应负梯度;与之相反,煤层AVO斜率表现为正值,即煤层顶界面的AVO梯度正值较大,且负截距特征明显。不同类型砂岩和煤层的截距、梯度值如表2所示。

    图  1  靶区不同岩性AVO类型
    Figure  1.  AVO type of different lithologies in the target area
    表  2  靶区不同岩性截距P、梯度GPG
    Table  2.  Intercept P, gradient G, and PG of different lithologies in the target area
    岩性截距P梯度GP-G
        Ⅲ 类砂岩-0.135-0.123-0.012
        Ⅱ类a型砂岩 0.020-0.183 0.203
        Ⅱ类b型砂岩-0.017-0.147 0.130
        Ⅰ类砂岩 0.103-0.357 0.460
        煤层-0.301 0.369-0.670
    下载: 导出CSV 
    | 显示表格

    表2分析可知,Ⅰ类和Ⅲ 类砂岩及煤层截距绝对值较大,分别为0.103、0.135和0.301,煤层截距绝对值最大;梯度上,Ⅰ类砂岩和煤层绝对值较大,分别为0.357和0.369。对比截距、梯度可知,煤层与Ⅰ类砂岩均表现为强振幅特征,由于地震数据频带的带限性,应重点辨别煤层与Ⅰ类砂岩差异,对此,结合不同岩性的截距、梯度特征,提出煤层地震敏感因子P - G,分析不同岩性P - G值可知,相比于单一截距、梯度,P - G属性一定程度上放大了煤层与非煤层差异,煤层的P - G绝对值最大,且极性为负,即振幅绝对值远大于非煤层,极性上与P - G值较大的Ⅰ类砂岩相反。基于此,利用P - G地震属性开展煤层精细定位,为后续匹配追踪去煤层强振幅提供原始信号。

    1993年,Mallat等[16]提出匹配追踪算法(matching pursuit),利用常见子波构建一个过完备时频原子库,将信号投影其中进行迭代自适应分解,表示为一系列时频原子的线性组合,其公式为:

    $$ f = \Big\langle f,\,{g_{{\gamma _0}}} \Big\rangle {g_{{\gamma _0}}} + {R^1}f \text{,} $$ (1)

    式中,$ f $表示Hilbert空间的初始信号,$\Big\langle f,\,{g_{{\gamma _0}}} \Big\rangle$为初始信号与优选原子的内积,$ {R^1}f $为迭代产生的残差,其中,$ {R^1}f $$ {g_{{\gamma _0}}} $满足正交性,即:

    $$ {\big{\|}}f{\big{\|}}{^2} = \big| \Big\langle f,\,{g_{{\gamma _0}}} \Big\rangle {\big|^2} + {\big{\|}}{R^1}f{\big{\|}}{^2} 。 $$ (2)

    分析可知,$\Big\langle f,\,{g_{{\gamma _0}}} \Big\rangle {g_{{\gamma _0}}}$$ f $的最佳逼近,基于内积$\Big\langle f,\,{g_{{\gamma _0}}} \Big\rangle$尽可能大,信号残差尽可能小的原则,优选第一次最佳原子。

    假设第0次迭代残差为原始信号$ {R^0}f = f $,则第$ n $次迭代剩余残差为$ {R^n}f $,然后利用内积最大的方式从原子库中优选原子$ {g_{{\gamma _n}}} $与上一步残差$ {R^n}f $进行最佳匹配,即:

    $$ {R^n}f = \Big\langle {R^n}f,\,{g_{{\gamma _n}}} \Big\rangle {g_{{\gamma _n}}} + {R^{n + 1}}f \text{,} $$ (3)

    其中,$ {R^{n + 1}}f $$ n + 1 $次迭代处理后的残差,且$ {R^{n + 1}}f $$ {g_{{\gamma _n}}} $正交。

    假设进行$ m $次迭代后满足信号分解要求,则信号$ f $为:

    $$ f = \sum\limits_{n = 0}^{m - 1} { \Big\langle {R^n}} f,\,{g_{{\gamma _n}}} \Big\rangle {g_{{\gamma _n}}} + {R^m}f 。 $$ (4)

    上述迭代停止原则分两种:一种是分解次数满足设定极大值,另一种为剩余残差符合设定的截止阈值。

    匹配追踪作为一种最优匹配、残差逐级递减的贪婪匹配算法[17],其第1次计算结果为富煤地震输入信号最优匹配,即第1次分解为煤层反射信号,残差信号$ {R^1}f $为去煤层强反射结果,为了精细、高效完成煤层识别及解耦,本次研究利用煤层地震敏感因子P - G实现煤层精细定位,基于此“先验信息”作为匹配追踪初始信号,同时,为了解决算法计算量大、效率较低等问题,利用快速匹配追踪算法[18-19]实现局部最优搜索,最终实现煤层解耦的准确性与高效性。具体流程如下:

    (1)基于Shuey近似[20]计算地震角道集数据的截距P、梯度G,在此基础上得到煤层地震敏感因子P - G

    (2)分析已钻井煤层段与非煤层段对应的P - G值,确定煤层地震敏感因子阈值并将该阈值位置对应的地震数据作为后续匹配追踪去强振幅的目标处理信号;

    (3)过完备原子库构建。常用的原子库有Ricker子波、Gabor子波及Morlet子波,本次研究选择更适用于靶区地震数据的Morlet子波,其函数如下:

    $$ M(t) = \exp \Bigg(- \frac{{\ln (2)}}{{{\pi ^2}}}\frac{{w_m^2{{(t - u)}^2}}}{{{\sigma ^2}}}\Bigg)\exp \bigg(i\Big({w_m}(t - u) + \phi \Big)\bigg) \text{,} $$ (5)

    其中,$ w,u,\phi,\sigma $分别表示子波频率、时移量、相位及尺度因子。

    (4)输入地震数据S,计算总道数N及纵向采样点数n,利用Hilbert变换计算地震数据得瞬时振幅、频率及相位;

    (5)依据步骤(2)和步骤(4)可以获取煤层初始时移时间$ {u_0} $,初始频率$ {w_0} $,初始相位$ {\phi _0} $及尺度因子$ {\sigma _0} $,其中,尺度因子控制子波时频域宽度,值域范围为0~2,初始值$ {\sigma _0} = 1 $

    (6)基于煤层4个参数,利用快速匹配追踪分解方法,在一定范围进行局部针对性高效匹配搜索$ \Big\{{u}_{0}\pm \Delta u,\;{w}_{0}\pm \Delta w,\;{\varphi }_{0}\pm \Delta \varphi ,\;{\sigma }_{0}\pm \Delta \sigma \Big\} $,得到残差$ {R^1}f $最小时的最优子波参数;

    (7)将最优子波参数代入式(2)~式(5)小波函数,求取对应振幅,将其与子波相乘得到解耦煤层信号;

    (8)对每一道地震中满足煤层P - G阈值的信号重复步骤(5)~步骤(7),完成输入地震数据S的煤层信号解耦,得到煤层响应信号S

    (9)地震数据S减去煤层响应数据S,得到煤层解耦后地震数据。

    为了验证该方法煤层识别、解耦的有效性,依据靶区实钻砂、泥岩及煤层岩石物理参数,设计图2(a)上覆砂岩、下覆泥岩背景下含煤层反射界面理论模型,其中(b)为理论反射系数模型、(c)为正演25 Hz零相位雷克子波、(d)为合成地震记录、(e)无煤层背景下上覆砂岩、下覆泥岩理论模型、(f)无煤层背景下理论反射系数、(g)为处理前后单道地震记录对比。图2(g)黑色曲线为有煤层背景下地震正演记录,蓝色曲线为去煤层反射地震记录,红线为无煤层背景下地震正演记录。分析可知,匹配追踪技术对煤层反射有很好分离效果,去煤层后反射地震记录与无煤层背景下地震记录基本一致。

    图  2  理论模型匹配追踪去煤层强振幅效果对比
    Figure  2.  Strong reflection elimination comparison of theoretical model based on matching pursuit

    为了进一步验证煤层强反射背景下匹配追踪算法的可靠性,以靶区N-1井富煤段进行论证分析。N-1井平湖组中下段发育13套煤层,厚度为0.5~3 m,多为1 m左右,含9套砂岩,背景为灰色泥岩,如图3所示,(a)为N-1井钻遇岩性、(b)为实际井旁道地震数据、(c)为本文匹配追踪去煤后地震记录、(d)为实钻数据剔除煤层影响后地震正演记录,分析可知,当多套砂煤耦合时,波形相互干涉,形成更加复杂的复合波,利用匹配追踪去煤层强振幅技术仍然有较好的效果,去煤层后的地震记录与理论无煤层记录匹配性较好,进一步验证该方法的可靠性。

    图  3  N-1井匹配追踪去强振幅分析
    Figure  3.  High-amplitude elimination analysis of well N-1 based on matching pursuit

    通过理论模型及实钻数据正演论证了匹配追踪去煤层强振幅的可靠性,进一步针对靶区开发实际问题验证该方法的应用效果。W-1井P6b钻遇5.8 m优质气层,北侧较低部位部署开发井A-2,钻遇25 m气层且未见气水界面;钻前储层预测揭示南侧A-1设计井P6b砂体发育,实钻砂体落空,钻遇为泥煤反射段,如图4所示。

    图  4  靶区P6b层砂体横向展布
    Figure  4.  P6b sandstone distribution of the target area

    图5所示为过三口已钻井区叠加地震及Vp/Vs岩性反演剖面。分析可知,靶区P6~P8段薄煤层广泛发育,叠加地震剖面上表现为典型强振幅特征(图5(a)),Vp/Vs地震反演是一种基于叠前AVO地震信息的砂体预测技术,在地质模式不明确的情况下,储层反演低频建模很难约束煤层强振幅地震响应,进而导致富煤段反演为相对低Vp/Vs的砂岩假象特征。图5(b)所示为过三口井钻前Vp/Vs反演,钻前揭示W-1、A-1及A-2井P6b砂体均发育,实钻W-1井P6b砂体发育,但厚度比预测偏薄,实钻为5.8 m薄层,A-2井P6b层25 m砂岩预测较准确,但A-1井P6b砂体落空,实钻为泥煤反射段。

    图  5  过三口钻井叠加地震及Vp/Vs反演剖面
    Figure  5.  Post-stack seismic and Vp/Vs inversion section through three drilled wells

    针对这一问题,首先分析煤层发育段,图6所示为过三口井煤层地震敏感因子P - G剖面,井上岩性黑色为煤层,白色为非煤层。分析可知,P - G属性与煤层发育段匹配性较高,能够较精细地反映煤层位置。

    图  6  过三口钻井P-G煤层地震敏感因子剖面
    Figure  6.  Seismic sensitive factor P - G of coal identification section through three drilled wells

    通过煤层地震敏感因子P - G定位煤层,在此基础上,以该位置先验信息作为匹配追踪地震信号,实现煤层解耦。图7所示为去煤层强振幅前后效果对比,其中图7(a)为过三口井叠加地震,图7(b)为匹配追踪去煤层强振幅后叠加地震,图7(c)为去强振幅前后的残差,即煤层响应信息。分析可知,受煤层强振幅影响,原始地震同相轴表现为横向稳定“大铁轨”特征,横向变化细节欠缺;而优化处理后叠加剖面较好地压制了煤层强振幅,横向细节变化更加明显,P6b砂顶波峰横向变化与已钻井更吻合,W-1和A-2井砂体发育,波峰特征明显,而A-1井砂体不发育,无明显波峰特征。

    图  7  匹配追踪去煤层强振幅前后对比分析
    Figure  7.  High-amplitude elimination comparison before and after matching pursuit

    图8所示为去除煤层强振幅前后Vp/Vs岩性预测对比,针对原始Vp/Vs预测横向细节不够、煤层岩性假象等问题(图8(a)蓝色箭头),去煤后储层预测纵、横向精度有了较大提高,纵向上,W-1井P6b 5 m气层厚度匹配性更高,横向上,去煤后Vp/Vs反演与钻井吻合度更好,开发A-1井P6b显示砂岩不发育(图8(b)黑色箭头),与实钻认识相符。

    图  8  去煤层强振幅前后Vp/Vs反演对比
    Figure  8.  Vp/Vs inversion comparison before and after high amplitude elimination

    进一步分析三口钻井P6b砂体空间展布,如图9所示,图中标出各井P6b平面位置。分析可知,去煤后Vp/Vs反演与已钻井匹配性更高,钻前揭示开发A-1井P6b砂体欠发育,与钻后认识相符;同时,去煤层后Vp/Vs反演对靶区P6b砂体空间刻画更精细,避免了平面上砂体“铺天盖地”特征。

    图  9  去煤层强振幅前后P6b砂体平面展布对比
    Figure  9.  P6b sandstone-distribution comparison before and after high-amplitude elimination

    西湖凹陷中深层薄煤层富集,煤层强振幅制约了储层的纵、横向精细刻画,本文结合煤层4类AVO中负强截距、正强梯度特点,提出一种煤层地震敏感因子P-G,实现煤层地震响应的精细定位。

    AVO信息约束的匹配追踪去强振幅技术较好地压制了煤层强反射引起的岩性假象,凸显储层真实、有效信号,提高了靶区P6b主力气层纵、横向刻画精度,为中深富煤层系储层精细刻画提供了一种技术思路。

  • 图  1   靶区不同岩性AVO类型

    Figure  1.   AVO type of different lithologies in the target area

    图  2   理论模型匹配追踪去煤层强振幅效果对比

    Figure  2.   Strong reflection elimination comparison of theoretical model based on matching pursuit

    图  3   N-1井匹配追踪去强振幅分析

    Figure  3.   High-amplitude elimination analysis of well N-1 based on matching pursuit

    图  4   靶区P6b层砂体横向展布

    Figure  4.   P6b sandstone distribution of the target area

    图  5   过三口钻井叠加地震及Vp/Vs反演剖面

    Figure  5.   Post-stack seismic and Vp/Vs inversion section through three drilled wells

    图  6   过三口钻井P-G煤层地震敏感因子剖面

    Figure  6.   Seismic sensitive factor P - G of coal identification section through three drilled wells

    图  7   匹配追踪去煤层强振幅前后对比分析

    Figure  7.   High-amplitude elimination comparison before and after matching pursuit

    图  8   去煤层强振幅前后Vp/Vs反演对比

    Figure  8.   Vp/Vs inversion comparison before and after high amplitude elimination

    图  9   去煤层强振幅前后P6b砂体平面展布对比

    Figure  9.   P6b sandstone-distribution comparison before and after high-amplitude elimination

    表  1   靶区不同岩性弹性参数

    Table  1   Elastic parameters of different lithologies in the target area

    岩性  Vp/(m/s)Vs/(m/s)密度/(g/cm3纵波阻抗/
    ((m/s)·(g/cm3))
      泥岩415022202.6510998
      Ⅲ 类砂岩350023752.40 8400
      Ⅱ类a型砂岩460027502.4911454
      Ⅱ类b型砂岩430026102.4710621
      Ⅰ类砂岩530032502.5513515
      煤层290015002.00 5800
    下载: 导出CSV

    表  2   靶区不同岩性截距P、梯度GPG

    Table  2   Intercept P, gradient G, and PG of different lithologies in the target area

    岩性截距P梯度GP-G
        Ⅲ 类砂岩-0.135-0.123-0.012
        Ⅱ类a型砂岩 0.020-0.183 0.203
        Ⅱ类b型砂岩-0.017-0.147 0.130
        Ⅰ类砂岩 0.103-0.357 0.460
        煤层-0.301 0.369-0.670
    下载: 导出CSV
  • [1] 姜勇, 秦德文, 俞伟哲. 东海某凹陷大型砂体优势储层预测技术研究与应用[J]. 石油物探, 2020,59(6): 949−960. doi: 10.3969/j.issn.1000-1441.2020.06.013

    JIANG Y, QIN D W, YU W Z. Prediction of favorable reservoirs in large sandstone reservoirs in a sag of the East China Sea[J]. Geophysical Prospecting for Petroleum, 2020, 59(6): 949−960. (in Chinese). doi: 10.3969/j.issn.1000-1441.2020.06.013

    [2] 刘江, 李炳颖, 包全, 等. 煤相约束叠前地质统计学在东海A气田实践[J]. 海洋石油, 2020,40(2): 1−8.

    LIU J, LI B Y, BAO Q, et al. The practice of coal facies constrained pre-stack geo-statistics in a gas field of the East China Sea[J]. Offshore Oil, 2020, 40(2): 1−8. (in Chinese).

    [3] 张军华, 刘振, 刘炳杨, 等. 强屏蔽层下弱反射储层特征分析及识别方法[J]. 特种油气田, 2012,19(1): 23−26.

    ZHANG J H, LIU Z, LIU B Y, 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. (in Chinese).

    [4] 秦雪霏, 李巍. 大牛地气田煤系地层去煤影响储层预测技术[J]. 吉林大学学报(地球科学版), 2014,44(3): 1048−1054. doi: 10.13278/j.cnki.jjuese.201403306

    QIN X F, LI W. Identification and trimming of coal-bed interference in Daniudi Gas Field[J]. Journal of Jilin University (Earth Science Edition), 2014, 44(3): 1048−1054. (in Chinese). doi: 10.13278/j.cnki.jjuese.201403306

    [5]

    WANG Y H. Seismic time-frequency spectral decomposition by matching pursuit[J]. Geophysics, 2007, 72(1): 13−20.

    [6]

    WANG Y H. Multichannel matching pursuit for seismic trace decomposition[J]. Geophysics, 2010, 75(4): 61−66.

    [7] 朱博华, 向雪梅, 张卫华. 匹配追踪强反射层分离方法及应用[J]. 石油物探, 2016,55(2): 280−287. doi: 10.3969/j.issn.1000-1441.2016.02.014

    ZHU B H, XIANG X M, ZHANG W H. Strong reflection horizon separation based on matching pursuit algorithm and its application[J]. Geophysical Prospecting for Petroleum, 2016, 55(2): 280−287. (in Chinese). doi: 10.3969/j.issn.1000-1441.2016.02.014

    [8] 李海山, 杨午阳, 田军, 等. 匹配追踪煤层强反射分离方法[J]. 石油地球物理勘探, 2014,49(5): 866−870.

    LI H S, YANG W Y, TIAN J, et al. Coal seam strong reflection separation with matching pursuit[J]. Oil Geophysical Prospecting, 2014, 49(5): 866−870. (in Chinese).

    [9] 李海山. 基于稀疏表示理论的地震信号处理方法研究[D]. 青岛: 中国石油大学(华东), 2013.

    LI H S. Seismic signal processing methods based on sparse representation theory[D]. Qingdao: China University of Petroleum (East China), 2013. (in Chinese).

    [10] 张在金, 张军华, 李军, 等. 煤系地层地震强反射剥离方法研究及低频伴影分析[J]. 石油地球物理勘探, 2016,51(2): 376−383.

    ZHANG Z J, ZHANG J H, LI J, et al. A method for stripping coal seam strong reflection and low-frequency shadow analysis[J]. Oil Geophysical Prospecting, 2016, 51(2): 376−383. (in Chinese).

    [11] 何峰, 翁斌, 韩刚, 等. 一种基于地震约束的井控匹配追踪煤层强反射消除技术[J]. 中国海上油气, 2019,31(1): 61−66.

    HE F, WENG B, HAN G, et al. A seismic constraint-based technology for elimination of strong coal seam reflection via well-control and matching pursuit[J]. China Offshore Oil and Gas, 2019, 31(1): 61−66. (in Chinese).

    [12] 张云银, 魏欣伟, 谭明友, 等. 基于压缩感知技术的去除强屏蔽研究及应用[J]. 岩性油气藏, 2019,31(4): 85−91. doi: 10.12108/yxyqc.20190409

    ZHANG Y Y, WEI X W, TAN M Y, et al. Removal of seismic strong shield interface based on compressed sensing technology and its application[J]. Lithologic Reservoirs, 2019, 31(4): 85−91. (in Chinese). doi: 10.12108/yxyqc.20190409

    [13] 张军华, 王静, 王延光, 等. 基于压缩感知的反射系数域沿层L2范数约束去强屏蔽方法[J]. 石油地球物理勘, 2022,57(2): 405−413.

    ZHANG J H, WANG J, WANG Y G, et al. A strong shielding removal method of reflection coefficient domain based on compressed sensing with L2 norm constraint along layer[J]. Oil Geophgsical Prospecting, 2022, 57(2): 405−413. (in Chinese).

    [14] 邓勇, 潘光超, 李明, 等. 莺歌海盆地“平点”叠前AVO特征及识别[J]. 石油地球物理勘探, 2019,54(5): 1123−1130.

    DENG Y, PAN G C, LI M, et al. Prestack AVO characteristics and identification of flat spots in Yinggehai Basin[J]. Oil Geophgsical Prospecting, 2019, 54(5): 1123−1130. (in Chinese).

    [15] 侯波, 康洪全, 程涛. 有效压力与饱和度变化的气藏多波时移地震AVO响应[J]. CT理论与应用研究, 2018,27(5): 601−608. DOI: 10.15953/j.1004-4140.2018.27.05.06.

    HOU B, KANG H Q, CHENG T. Multi-wave time-lapse seismic AVO responses in gas reservoir vary with effective pressure and saturation[J]. CT Theory and Applications, 2018, 27(5): 601−608. DOI: 10.15953/j.1004-4140.2018.27.05.06. (in Chinese).

    [16]

    MALLAT S, ZHANG Z. Matching pursuit with time-frequency dictionaries[J]. IEEI Transactions on Signal Processing, 1993, 41(12): 3397−3415. doi: 10.1109/78.258082

    [17] 张繁昌, 兰南英, 李传辉, 等. 地震匹配追踪技术与应用研究进展[J]. 石油物探, 2020,59(4): 491−504. doi: 10.3969/j.issn.1000-1441.2020.04.001

    ZHANG F C, LAN N Y, LI C H, et al. Review of seismic matching pursuit[J]. Geophysical Prospecting for Petroleum, 2020, 59(4): 491−504. (in Chinese). doi: 10.3969/j.issn.1000-1441.2020.04.001

    [18]

    LIU J, MARFURT K. Instantaneous spectral decomposition by matching pursuit[J]. Geophysics, 2007, 72(1): V13-20.

    [19] 陈发宇, 杨长春. 对依据频率的匹配追踪快速算法的改进[J]. 石油物探, 2009,48(1): 80−83. doi: 10.3969/j.issn.1000-1441.2009.01.015

    CHEN F Y, YANG C C. An improvement for frequency-dominated fast matching pursuits algorithm[J]. Geophysical Prospecting for Petroleum, 2009, 48(1): 80−83. (in Chinese). doi: 10.3969/j.issn.1000-1441.2009.01.015

    [20]

    SHUEY R T. A simplification of the Zoeppritz equations[J]. Geophysics, 1985, 50(4): 609-614.

图(9)  /  表(2)
计量
  • 文章访问数:  239
  • HTML全文浏览量:  91
  • PDF下载量:  25
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-11-07
  • 修回日期:  2022-12-18
  • 录用日期:  2023-01-10
  • 网络出版日期:  2023-02-14
  • 发布日期:  2023-03-30

目录

/

返回文章
返回
x 关闭 永久关闭