引用本文
李玉海, 岳跃龙, 李冰玲, 朱梓强, 施金伶, 周春明. 基于地震反演的流体识别技术在板桥地区的应用[J]. 录井工程, 2020,31(4): 141-148.
LI Yuhai, YUE Yuelong, LI Bingling, ZHU Ziqiang, SHI Jinling, ZHOU Chunming. Application of fluid identification based on seismic inversion in Banqiao Area[J]. Mud Logging Engineering, 2020,31(4): 141-148.
Doi:10.3969/j.issn.1672-9803.2020.04.022  
Permissions
Copyright©2020, 《录井工程》杂志社
《录井工程》杂志社 所有
基于地震反演的流体识别技术在板桥地区的应用
李玉海①, 岳跃龙①, 李冰玲①, 朱梓强①, 施金伶②, 周春明②
①中国石油东方地球物理公司研究院大港分院
②中国石油大港油田天津储气库分公司

作者简介: 李玉海 高级工程师,1964年生,1989年毕业于中国地质大学石油地质勘探专业,现从事地震地质综合研究及管理工作。通信地址:300280 天津市滨海新区大港油田红旗路1772-3号。电话:(022)25965993。E-mail:liyuhai@cnpc.com.cn

收稿日期: 2020-11-17
摘要

大港油田板桥地区以砂泥岩薄互层沉积为主,储集层物性及含油气性的变化对波阻抗影响小,导致利用纵波阻抗识别岩性及含油气性较为困难。以古近系中深层扇三角洲砂岩岩性油气藏为研究目标,探讨一种以岩心测量数据为基础的薄储集层流体识别方法。研究发现,与常用的Xu-White模型相比,利用岩心进行实验室岩石物理测量与分析,可以建立同实际吻合较好的纵横波速度关系,获得精度更高的横波速度估算结果,进而依据岩石物理测量数据模型,推导出流体敏感识别因子,应用叠前地震道集直接反演出流体识别因子,减少多次累计误差影响。

关键词: 中深层扇三角洲; 薄储集层; 岩心测量; 横波估算; 弹性反演; 流体识别
中图分类号:TE132.1 文献标志码:A
Application of fluid identification based on seismic inversion in Banqiao Area
LI Yuhai①, YUE Yuelong①, LI Bingling①, ZHU Ziqiang①, SHI Jinling②, ZHOU Chunming②
①Dagang Branch of BGP Research Institute,CNPC,Tianjin 300280,China
②Tianjin Gas Storage Company of PetroChina Dagang Oilfield Company,Tianjin 300280,China
Abstract

The Banqiao Area of Dagang Oilfield is dominated by thin interbed deposition of sand mudstone. Changes in reservoir physical properties and hydrocarbon bearing properties have little effect on wave impedance,making it difficult to identify lithology and hydrocarbon bearing properties by P-wave impedance. Taking the sandstone reservoir of Paleogene medium-deep fan delta as research target,a method for fluid identification in thin reservoirs based on core measurement data is discussed. It is found that compared with the commonly used Xu-White model,the used of core for laboratory petrophysical measurement and analysis can establish a relationship between P-wave and S-wave velocities that is in good agreement with reality,and obtain higher precision estimation results of S-wave velocity. Furthermore,the fluid sensitivity identification factor is derived based on petrophysical measurement data model,and the pre-stack seismic trace set is applied to directly invert fluid identification factors,reducing the impact of multiple cumulative errors.

Keyword: medium-deep fan delta; thin reservoirs; core measurement; S-wave estimation; elastic inversion; fluid identification
0 引言

狭义上说地震反演是综合应用地震及测井资料, 将缺低频少高频的有限带宽的地震数据反演为宽带波阻抗数据, 弥补常规地震资料分辨率低的缺陷[1]。随着地质问题的复杂化, 目前地震反演技术的发展已经远远超越了提高地震资料分辨率的认识范畴, 并逐渐催生出一些新的算法、技术, 无论是基于叠前、叠后或者是基于时间域、深度域[2, 3]、频率域[4, 5]等发展的反演方法, 其本质上都是为了更好地解决油气勘探开发中的储集层预测问题。印兴耀等[6, 7, 8]基于岩石物理分析、叠前多参数计算以及弹性阻抗反演流体因子估算等方法, 发展了以流体预测为目标的叠前反演技术; 曾联波等[9]、张志让等[10]、吴国忱等[11]考虑了方位各向异性等因素, 发展了以裂缝预测为目的的反演方法; 黄捍东等[12]基于非线性随机反演理论提出了针对沉积相预测的相控反演方法, 在胜利等油田取得较好应用效果; 随着非常规油气勘探持续深入, 发展了针对致密油甜点预测的脆性反演、页岩孔隙结构反演[13]等。

随着各油田油气勘探对象逐渐转向中深层(埋深大于3 500 m), 储集层与非储集层地震反射特征差异减小, 储集层岩性与流体预测难度增大, 常规储集层预测方法很难满足中深层油气勘探开发的要求。本文通过岩石物理参数测量和岩石物理分析, 获得更加真实的纵横波速度与地质参数的关系, 构建流体敏感识别因子, 进而应用叠前反演, 提高大港油田板桥地区优势储集层及含油气性预测精度。

1 地质概况

研究区位于渤海湾盆地黄骅坳陷中北部的歧口凹陷中的板桥次凹(图1), 由于北大港潜山构造带向板桥次凹倾末形成板桥斜坡, 在大张坨断层上升盘与北大港断层之间形成中高斜坡, 大张坨断层到板桥次凹之间形成板桥低斜坡。板桥低斜坡油气勘探主要目的层系是沙一段、沙二段, 主要发育沧县隆起物源的扇三角洲体系, 储集层为水下分流河道砂体, 埋深3 700~4 000 m。钻井揭示(图2a)该区纵向上以砂泥岩薄互层沉积为主, 岩相横向变化快且叠置发育; 储集层埋深较大, 成岩时间较早, 单层厚度3~20 m, 孔隙度10.8%~20%, 渗透率38~135.2 mD, 是典型的中-低孔、中-低渗型储集层。受物性、含油气性等影响, 纵波阻抗对该区薄互层砂泥岩区分度差(图2b)。

图1 板桥地区构造位置

图2 板桥地区目的层段钻井分析图

2 岩石物理分析

研究区横波测井资料匮乏, 以往横波预测主要基于理论模型, 导致叠前反演精度不高。最新研究表明, 利用样本井岩心开展实验室岩心测量, 可得到精确岩石物理模型数据, 在此基础上估算横波数据可有效约束叠前反演。基于上述研究成果, 对研究区主要目的层沙一段优选3口样本井进行实验室岩心测量和分析, 其取心层段均位于该区的优势储集层相带, 岩样的平均密度、孔隙度和渗透率分别为2.25 g/cm3、14.41%和6.06 mD, 代表该区储集层的物性情况。通过实验测试和分析, 最终获得适合该区的横波速度和流体敏感识别因子表达式。

2.1 实验室岩心测量与分析

采用钻样机沿3个相互垂直的方向切割并制成ϕ 25 mm×50 mm的圆柱体, 在常温常压下利用超声脉冲透射方法测量岩样的物性参数(岩石密度、孔隙度、渗透率)和声学参数(纵横波速度、含水饱和度), 对岩样测量结果进行分析, 得到岩样的岩性、物性及含油气性测量结论, 从而校正纵横波速度关系。

通过测量, 得到不同饱和流体情况下的纵横波速度关系模板(图3), 可以看出, 纵波速度与横波速度之间存在线性关系, 与饱水岩样相关趋势基本一致, 饱气岩样纵波速度平均值低于饱水岩样, 横波速度与饱水岩样差异较小。分别计算出饱气岩样与饱水岩样纵波速度与横波速度相关公式, 为精确估算横波提供较好的基础数据。

图3 不同饱和流体情况下的纵横波速度交会图

2.2 岩心驱动下的横波预测

叠前弹性反演需要横波速度资料支持, 而实际生产中往往缺少横波测井资料, 这就需要在反演前进行横波速度预测。常用的横波速度预测方法主要有两种:一是经验公式法, 依据实验室测试或者全波列测井获得的纵、横波速度, 与孔渗饱参数交会统计, 建立横波速度与纵波速度、泥质含量、孔隙度等参数的统计关系, 其中包括Castagna[14]泥岩趋势线、 Greenberg-Castagna[15]砂泥岩公式、Smith[16]趋势线等; 二是理论模型法, 在业界认可的理论方程的基础上, 利用已知矿物成分、矿物含量、孔隙度、流体类别、流体饱和度、实测纵波速度等岩石信息估算得到岩石的横波速度, 针对砂岩储集层, 应用Xu-White[17, 18]混合介质速度模型计算横波速度, 综合考虑岩石孔隙度、黏土含量等因素估算声波速度, 将泥岩和砂岩的孔隙几何形状和面孔率的差异等效于黏土成分含量、孔隙压力、胶结物等因素对声波速度的影响, 该方法必须具备一定假设前提条件, 并且需要提前获得准确的干岩、基质、孔隙、流体、密度等参数, 横波预测精度与上述参数的可靠程度密不可分。

在没有全波列声波测井的条件下, 横波资料通常依据理论经验公式计算获得。由于理论公式多为实验室测量结果, 未考虑到地质环境影响, 与实际数据差异较大, 依据理论公式计算得到的横波速度进行叠前反演, 储集层预测结果与实际钻探结果误差较大。本次研究发现岩心测量与理论公式预测结果在饱气饱水下横波速度计算结果存在一定差异(图4), 应用实验室岩石物理测量数据及经验公式与实际测井资料相结合, 可得到较为准确的横波速度。

图4 岩心测量与理论公式预测横波对比

利用不同的横波预测结果计算含水饱和度, 并与测井解释结果对比分析, 结果显示岩心测量计算的含水饱和度结果较接近实际测井解释数据(图5), 在此基础上开展叠前流体检测精度将会更高。

图5 估算横波预测流体效果图

2.3 储集层敏感参数分析

在岩石物理精确分析的基础上, 为进一步研究储集层岩性、物性及含油气性规律, 优选或重构储集层敏感因子, 对速度、密度和孔隙度、含水饱和度及弹性模量按照不同岩性及所填充的流体进行系统分析。依靠统计直方图和多属性交会图, 先用自然电位、自然伽马及泥质含量等曲线划分砂泥岩界限, 再根据电阻率、孔隙度及含水饱和度曲线确定流体类别, 最后按照饱和流体类别进行岩性及流体敏感参数分析。

建立多种流体参数与弹性参数交会分析, 确定各弹性参数与流体敏感属性相关性, 经统计分析认为纵横波速度比、拉梅系数、泊松比能较好地识别含油砂岩(图6), 但是每种弹性模量在不同流体之间仍有部分叠置, 流体边界识别不够精确。

图6 岩性及流体敏感参数分析

为提高储集层流体识别精度, 依据岩石物理测量数据模型, 在弹性公式上进一步推导出流体敏感识别因子(F)[19]:

F=ρ f= Z2p- γdry2Zs2=ρ 2α 2- γdry2ρ 2β 2(1)

式中:ρ 、α 、β 分别为密度、纵波速度和横波速度, Zp 、Zs、γ dry分别为纵波阻抗、横波阻抗、干岩石的纵横波速度比。

对流体敏感识别因子表达式进行微分计算, 获得流体敏感识别因子反射系数(RF)与纵波速度反射系数(Rα )、横波速度反射系数(Rβ )、密度反射系数(Rd)之间的关系式:

RF= 2γsat2γsat2-γdry2Rα - 2γdry2γsat2-γdry2Rβ +2Rd (2)

式中: γsat2为饱和岩石的纵横波速度比。

利用公式(2)将Aki-Richards近似式[20]重新整理可得包含该因子(RF)、剪切模量(Rμ )与密度反射系数(Rd)形式的AVO反射系数近似式:

R(θ )= 12(1- γdry2γsat2)sec2θ RF+( 12γdry2γsat2sec2θ - 4γsat2sin2θ )×Rμ +( γdry2-2γsat22γsat2sec2θ +1)Rd (3)

上式集成体现了Russell等[19]研究成果:识别因子、岩性指示因子及密度优点, 突出表征了由于储集层变化造成的岩石地球物理参数敏感程度变化。

利用双流体参数介质模型(表1)对因子进行测试, 分别采用Zeoppritz、Aki-Richards、Smith-Gidlow、AVO近似式(F)计算饱气储集层与饱水储集层双层模型界面反射系数和相对误差(图7)。

表1 饱气储集层与饱水储集层双层模型弹性参数

图7 双层模型界面的反射系数和相对误差

计算结果显示:θ < 30° (图7a), AVO反射系数近似式结果能够很好逼近Zeoppritz、Aki-Richards方程计算的结果, AVO反射系数近似式、Aki-Richards与Zeoppritz计算的结果最大相对误差均小于10-4; θ < 45° (图7b), AVO反射系数近似式与Aki-Richards计算的反射系数与Zeoppritz之间的误差随着角度增加逐渐增加, 其相对误差比Aki-Richards方程计算反射系数的误差略大些。

由于本次研究板桥斜坡中深层沙河街组地层入射角范围均小于40° , 在误差允许的范围内, 可以应用表达式直接反演出流体敏感因子, 提高流体识别能力。

通过对实际测井数据计算的不同流体的流体敏感因子与泊松比的流体识别能力对比(图8)发现:泊松比在油气边界混叠较小, 而在油水边界混叠较多; 流体敏感因子在油气、油水边界混叠均较小; 流体敏感因子在油气水识别上均高于泊松比。因此, 在实际工作中应用基于岩心驱动的流体敏感因子进行反演有利于提高油气预测精度。

图8 不同岩性不同流体泊松比与敏感因子统计对比

3 叠前地震道集预处理

叠前弹性反演的一个重要基础数据是叠前地震道集, 其质量好坏限制反演预测成果的准确性。AVO正演方法是检验叠前道集的有效工具, 应用 AVO正演模拟地震响应, 分析主要目的层AVO异常类型, 可以从实际的地震记录中直接定性判别岩性和油气, 也可以作为检验叠前道集质量的重要工具。叠前弹性反演存在多解性问题, 对目的层储集层岩性和流体特征进行分类精细研究, 可以提高预测准确性和精确度。

优选典型含油气测井进行AVA正演叠前合成地震角道集, 在含油层段按照不同入射角提取地震振幅属性, 结果显示含油层段振幅均为正值, 并随着入射角的增大逐渐减小, 属于Ⅰ 类AVA异常; 在井旁选取实际处理入射角道集进行AVA异常对比分析, 将入射角分为0~12° 、10° ~22° 、20° ~30° 三部分进行叠加, 得到近、中、远三个部分角度叠加数据, 同样按照入射角提取振幅属性, 结果显示近、中角度部分叠加与AVA正演结果基本一致, 远角度部分叠加与AVA正演结果误差稍大, 分析原因是远角度道集的信噪比偏低造成(图9)。根据AVA正演分析结果将处理的入射角道集分成近、中、远三组进行部分叠加。

图9 部分角度叠加与AVA正演分析

4 岩心驱动的叠前弹性参数反演

通过岩心测量数据约束的岩石物理分析得到储集层敏感参数, 叠前地震响应分析明确AVO异常类别, 在此基础上为了更加真实地表征储集层, 应用叠前弹性参数反演开展储集层岩性及流体预测研究, 通过计算叠前弹性参数, 解决预测有利储集空间分布和含油气性预测问题。

4.1 反演原理

叠前弹性参数反演本质上是叠前AVO技术的延伸[20], 其基本原理是:给定若干组角度道集和对应每个角度道集的地震子波, 利用测井数据最优拟合出的K和M值, 设定初始值; 利用Zeoppritz近似表达式求解方程组, 在频率域中与低频模型合成反演绝对值, 计算得到储集层的纵波速度α 、横波速度β 、密度ρ 三个数据体, 进而通过弹性公式计算岩石的纵横波速度比α /β 、泊松比υ 、拉梅系数λ L、剪切模量Rμ 等弹性参数, 叠前弹性参数反演在反演过程中建立了纵波阻抗、横波阻抗和密度之间符合地质规律的相互约束关系[2]。岩心驱动的流体敏感因子反演是在常规弹性波阻抗反演基础上, 增强了对储集层流体识别能力的算法改进, 可直接获得流体敏感识别因子, 从而降低因间接计算产生的误差累积, 进一步提高流体预测精度。

4.2 实际应用

实际应用中先将叠前地震道集进行优化处理, 并按照入射角进行分组, 分为近、中、远三个角度叠加数据, 在AVA域将每一个角度叠加地震数据分别与测井曲线作标定估算其子波, 然后结合岩心驱动下的流体敏感因子公式直接反演出纵波阻抗(Vp)、横波阻抗(Vs)、密度及敏感因子(F)等参数三维数据体。与常规弹性参数反演结果进行对比(图10), 已钻A、B井为产油井, 纵波阻抗剖面(图10a)油水界面不清楚, 敏感因子剖面(图10b)清晰地分辨出储集层油水边界, 据此可以认为敏感流体识别因子(F)反演成果相对其他弹性参数有更高流体识别能力。

图10 叠前弹性参数反演剖面效果

5 应用效果

通过基于岩心实测数据约束的叠前弹性反演储集层预测技术的应用, 实现了板桥低斜坡沙河街组储集层的含油气性检测。基于均方根振幅属性的储集层预测(图11)与板桥滨Ⅰ 油气检测图(图12)相对比, 振幅属性能够宏观刻画砂体由物源方向自北向南发育的宏观形态, 但是对于优势储集层和含油气性的刻画与已钻井吻合度较差。文中所应用的方法相对准确地刻画了含油气区域, 实际钻井证实含油气性预测准确率在80%以上。经钻探可知, BS 37井获百吨高产油气流, BS 1502等6口井获工业油气流, 板桥低斜坡沙一段岩性油气藏获得新发现, 新增储量千万吨, 证实储集层流体检测方法的可靠性, 对类似地区岩性油气藏流体预测具有一定的借鉴作用。

图11 板桥斜坡滨Ⅰ 振幅属性储集层预测

图12 板桥斜坡滨Ⅰ 油气检测平面图

6 结论

通过对大港油田板桥斜坡中深层扇三角洲开展基于岩心实测数据约束的叠前弹性反演储集层预测与流体检测技术研究, 得到以下几点认识:

(1)针对中深层储集层和非储集层地震响应差异小的问题, 应依据实验室岩心测量数据, 构建符合实际地下地质条件的岩石物理模型, 准确计算弹性参数, 井震结合优选储集层敏感参数, 为后期叠前弹性反演奠定可靠的资料基础。

(2)岩石物理分析是制约叠前反演关键因素之一, 与理论公式比较, 实际岩心测量可获得符合实际地下岩石物理关系的经验公式, 精确预测横波速度, 直接提取储集层流体敏感因子, 提高叠前反演结果预测可靠性。

(3)针对储集层薄、横向变化大、油藏关系复杂等问题, 在前期岩石物理分析的指导下, 应用叠前弹性参数反演开展岩性与流体预测, 获得储集层岩性及流体敏感参数, 并直接反演出敏感因子, 降低多次计算的累计误差, 提高油气识别能力, 为地质目标研究及井位部署提供更可靠的依据。

(编辑 棘嘉琪)

参考文献
[1] 张永刚. 地震波阻抗反演技术的现状和发展[J]. 石油物探, 2002, 41(4): 385-390.
ZHANG Yonggang. The present and future of wave impedance inversion technique[J]. Geophysical Prospecting for Petroleum, 2002, 41(4): 385-390. [本文引用:1]
[2] 王开燕, 肖增佳, 蒋彦, 等. 深度域随机模拟地震反演方法及其应用[J]. 地球物理学进展, 2017, 32(4): 1665-1672.
WANG Kaiyan, XIAO Zengjia, JIANG Yan, et al. Seismic inversion method of stochastic stimulation in depth domain and its application[J]. Progress in Geophysics, 2017, 32(4): 1665-1672. [本文引用:2]
[3] 张静, 杨勤林, 王天琦. 深度域地震反演方法探索[J]. 石油地球物理勘探, 2010, 45(增刊1): 114-116.
ZHANG Jing, YANG Qinlin, WANG Tianqi. Probing for seismic inversion in depth domain[J]. Oil Geophysical Prospecting, 2010, 45(S1): 114-116. [本文引用:1]
[4] 王静波, 陈祖庆, 蒋福友, 等. 频率域高分辨率地震波阻抗直接反演方法研究[J]. 石油物探, 2017, 56(3): 416-423.
WANG Jingbo, CHEN Zuqing, JIANG Fuyou, et al. A direct-inversion method of high-resolution seismic impedance in frequency domain[J]. Geophysical Prospecting for Petroleum, 2017, 56(3): 416-423. [本文引用:1]
[5] 刘国峰, 刘洪, 孟小红, 等. 频率域波形反演中与频率相关的影响因素分析[J]. 地球物理学报, 2012, 55(4): 1345-1353.
LIU Guofeng, LIU Hong, MENG Xiaohong, et al. Frequency-related factors analysis in frequency domain waveform inversion[J]. Chinese Journal of Geophyscis, 2012, 55(4): 1345-1353. [本文引用:1]
[6] 印兴耀, 宗兆云, 吴国忱. 岩石物理驱动下地震流体识别研究[J]. 中国科学(地球科学), 2015, 45(1): 8-21.
YIN Xingyao, ZONG Zhaoyun, WU Guochen. Research on seismic fluid identification driven by rock physics[J]. Scientia Sinica(Terrae), 2015, 45(1): 8-21. [本文引用:1]
[7] 印兴耀, 张世鑫, 张峰. 针对深层流体识别的两项弹性阻抗反演与Russell流体因子直接估算方法研究[J]. 地球物理学报, 2013, 56(7): 2378-2390.
YIN Xingyao, ZHANG Shixin, ZHANG Feng. Two-term elastic impedance inversion and Russell fluid factor direct estimation method for deep reservoir fluid identification[J]. Chinese Journal of Geophysics, 2013, 56(7): 2378-2390. [本文引用:1]
[8] 印兴耀, 曹丹平, 王保丽, 等. 基于叠前地震反演的流体识别方法研究进展[J]. 石油地球物理勘探, 2014, 49(1): 22-34, 46.
YIN Xingyao, CAO Danping, WANG Baoli, et al. Research progress of fluid discrimination with pre-stack seismic inversion[J]. Oil Geophysical Prospecting, 2014, 49(1): 22-34, 46. [本文引用:1]
[9] 曾联波, 漆家福, 王永秀. 低渗透储层构造裂缝的成因类型及其形成地质条件[J]. 石油学报, 2007, 28(4): 52-56.
ZENG Lianbo, QI Jiafu, WANG Yongxiu. Origin type of tectonic fractures and geological conditions in low-permeability reservoirs[J]. Acta Petrolei Sinica, 2007, 28(4): 52-56. [本文引用:1]
[10] 张志让, 王兆峰, 张梅华, 等. 利用三维叠前地震资料预测火成岩储层裂缝分布[J]. 石油地球物理勘探, 2010, 45(1): 92-98.
ZHANG Zhirang, WANG Zhaofeng, ZHANG Meihua, et al. Application of 3D seismic prestack data in prediction of fracture distribution for igneous rock reservoir[J]. Oil Geophysical Prospecting, 2010, 45(1): 92-98. [本文引用:1]
[11] 吴国忱, 赵小龙, 罗辑, 等. 基于扰动弹性阻抗的裂缝参数反演方法[J]. 石油地球物理勘探, 2017, 52(2): 340-349.
WU Guochen, ZHAO Xiaolong, LUO Ji, et al. Fracture parameter inversion based on perturbation elastic impedance[J]. Oil Geophysical Prospecting, 2017, 52(2): 340-349. [本文引用:1]
[12] 黄捍东, 罗群, 付艳, 等. 地震相控非线性随机反演研究与应用[J]. 石油地球物理勘探, 2007, 42(6): 694-698.
HUANG Hand ong, LUO Qun, FU Yan, et al. Study and application of seismic phase-controlled non-linear rand om inversion[J]. Oil Geophysical Prospecting, 2007, 42(6): 694-698. [本文引用:1]
[13] 刘财, 乔汉青, 郭智奇, 等. 基于粒子群算法的页岩孔隙结构反演及横波速度预测[J]. 地球物理学进展, 2017, 32(2): 689-695.
LIU Cai, QIAO Hanqing, GUO Zhiqi, et al. Shale pore structure inversion and shear wave velocity prediction based on particle swarm optimization(pso)algorithm[J]. Progress in Geophysics, 2017, 32(2): 689-695. [本文引用:1]
[14] CASTAGNA J P, BATZLE M L, EASTWOOD R L. Relationships between compressional-wave and shear-wave velocities in clastic silicate rocks[J]. Geophyscis, 1985, 50(4): 571-581. [本文引用:1]
[15] GREENBERG M L, CASTAGNA J P. Shear-wave velocity estimation in porous rocks: Theoretical formulation, preliminary verification, and applications[J]. Geophys Prospect, 1992, 40(2): 195-209. [本文引用:1]
[16] SMITH G C, GIDLOW P M. Weighted stacking for rock property estimation and detection of gas[J]. Geophysical Prospecting, 1987, 35(9): 993-1014. [本文引用:1]
[17] XU S Y, WHITE R E. A physical model for shear-wave velocity prediction[J]. Geophysical Prospecting, 1996, 44(4): 687-717. [本文引用:1]
[18] XU S Y, WHITE R E. A new velocity model for clay-sand mixtures[J]. Geophysical Prospecting, 1995, 43(1): 91-118. [本文引用:1]
[19] RUSSELL B H, HEDLIN K, HILTERMAN F J, et al. Fluid-property discrimination with AVO: A Biot-Gassmann perspective[J]. Geophysics, 2003, 68(1): 29-39. [本文引用:2]
[20] AKI K, RICHARDS P G. Quantitative seismology: Theory and methods[M]. San Francisco: W. H. Freeman & Co. , 1980. [本文引用:2]