四川盆地威远龙马溪组页岩气甜点区地震定量预测
曾庆才1, 陈胜1,2, 贺佩1, 杨青1, 郭晓龙1, 陈鹏1, 代春萌1, 李璇1, 盖少华1, 邓宇1, 侯华星1
1. 中国石油勘探开发研究院,北京 100083
2. 中国石油大学(北京),北京 102249

第一作者简介:曾庆才(1969-),男,江西兴国人,博士,中国石油勘探开发研究院高级工程师,主要从事物探资料分析、处理和解释方法研究。地址:河北省廊坊市广阳区万庄石油分院C楼,中国石油勘探开发研究院油气地球物理研究所,邮政编码:065007。E-mail:zqc69@petrochina.com.cn

联系作者简介:陈胜(1985-),男,湖北竹山人,硕士,中国石油勘探开发研究院工程师,现为中国石油大学(北京)在读博士研究生,主要从事常规及非常规储集层地震预测与烃类检测方面研究。地址:河北省廊坊市广阳区,中国石油勘探开发研究院地球物理与信息研究所,邮政编码:065007。E-mail:cs69@petrochina.com.cn

摘要

应用模糊优化方法,对四川盆地威远201区块下志留统龙马溪组页岩气甜点区进行地震定量预测。首先以地震岩石物理分析为基础,确定储集层岩石物理特征,优选高含气页岩敏感弹性参数;通过叠前同时反演获得高精度弹性参数反演数据体,并根据岩石物理分析结果求取页岩气关键评价参数的平面分布;选取施工条件基本相同的水平井测试及测井数据,应用模糊优化的方法,构建模糊评价方程;经过模糊优化确定影响水平井产量的关键参数及各参数在甜点区定量预测中的权重,建立甜点区定量预测评价体系。经上述过程共预测出3类页岩气储集层、2类甜点区,并将预测结果采用测试产量标定,实现了甜点区定量预测,7口验证井的测试结果证实了预测结果的可靠性。图8表5参28

关键词: 四川盆地; 下志留统龙马溪组; 页岩气; 甜点区; 定量预测; 模糊优化方法
中图分类号:TE122.2 文献标志码:A 文章编号:1000-0747(2018)03-0406-09
Quantitative seismic prediction of shale gas sweet spots in Lower Silurian Longmaxi Formation, Weiyuan area, Sichuan Basin, SW China
ZENG Qingcai1, CHEN Sheng1,2, HE Pei1, YANG Qing1, GUO Xiaolong1, CHEN Peng1, DAI Chunmeng1, LI Xuan1, GAI Shaohua1, DENG Yu1, HOU Huaxing1
1. Research Institute of Petroleum Exploration & Development, PetroChina, Beijing 100083, China;
2. China University of Petroleum, Beijing 102249, China
Abstract

Sweet spots in the shale reservoirs of the Lower Silurian Longmaxi Formation in Block Weiyuan 201 of Sichuan Basin were predicted quantitatively using seismic data and fuzzy optimization method. First, based on seismic and petrophysical analysis, the petrophysical features of reservoir rock were determined, and elastic parameters sensitive to high gas content shale were selected; second, high resolution data volumes of the elastic parameters were obtained from prestack simultaneous inversion, and the planar distribution of key parameters of shale gas evaluation were calculated based on the results of petrophysical analysis; third, the fuzzy evaluation equation was established by fuzzy optimization method with test and logging data of horizontal wells with similar operation conditions; fourth, key parameters affecting the productivity of horizontal wells were sorted out and the proportions of them in the sweet spot quantitative prediction were worked out by fuzzy optimization to set up a sweet spot evaluation system. Three classes of shale gas reservoirs and 2 kinds of sweet spots were predicted with the above procedure, and the sweet spots have been predicted quantitatively by combining the above prediction results with the testing production. The testing results of 7 verification wells proved the reliability of the prediction results.

Keyword: Sichuan Basin; Lower Silurian Longmaxi Formation; shale gas; sweet spot; quantitative prediction; fuzzy optimization
0 引言

页岩气是指主体位于暗色泥页岩或高炭泥页岩及其夹层中, 以吸附或游离状态为主要赋存形式的非常规天然气聚集[1]。全球页岩气资源丰富, 勘探开发程度低, 发展潜力巨大[2]。国际能源署统计数据表明, 全球非常规天然气储量远超常规天然气, 其中页岩气占可采非常规天然气储量的63%, 全球可采储量达221× 1012 m3[3]。近年来, 随着水平钻井、体积压裂和地球物理甜点预测3大核心技术的突破, 页岩气产量大幅增加[4]。截至2016年, 美国共发现近20个页岩气产区, 2016年页岩气产量约4 447× 108 m3, 年产量超200× 108 m3以上的产区有7个, 与2015年相比, 2016年产量增长247× 108 m3, 增幅为5.5%, 且这一增幅仍在持续甚至增大[5]

美国页岩气的成功开发在全球引发页岩气革命。中国页岩气资源潜力巨大, 经多年勘探, 在四川盆地基本实现了海相页岩气工业开采, 但在其他地区和领域仍未取得实质性突破[6]。总体而言, 目前中国页岩气开发刚刚起步, 尚处于技术准备和工业起步阶段[7]。中国的页岩气资源主要分布在南方四川盆地及其周缘上奥陶统五峰组— 下志留统龙马溪组和寒武系筇竹寺组中, 与美国页岩气相比, 中国海相页岩最突出的特点是地层古老、成熟度高、高产富集影响因素多、甜点地震预测难度大[8]。国内学者在焦石坝等地区页岩气勘探中进行了地震甜点预测技术的研究及应用, 并取得了很多成果, 但大多以定性预测为主, 部分实现了单参数的定量预测[9, 10, 11]。模糊优化方法是一种综合定量评价方法, 以模糊数学为基础, 应用模糊关系耦合的基本原理, 将变量多、边界模糊、定量分析难度大的因素实现定量化, 进而进行综合定量评价的一种方法, 适合于解决高成熟页岩甜点区定量预测等类似复杂问题。本文以四川盆地威远区块上奥陶统五峰组— 下志留统龙马溪组为例, 应用模糊优化方法进行高成熟页岩气甜点区地震定量预测技术研究及应用。

1 地质背景

威远页岩气田位于四川盆地西南部, 地理位置上属内江市威远县、资中县、自贡市荣县境内, 面积约6 500 km2, 构造上位于川中低缓隆起区(见图1)[12]。威远区块为一宽缓的背斜构造, 工区龙马溪组底界埋深为1 100~2 800 m, 由威远背斜自北西往南东方向埋深逐渐增加(见图2), 地层由下至上依次发育前震旦系变质岩基底、震旦系— 中三叠统海相沉积、上三叠统— 白垩系陆相碎屑岩。其中, 在震旦系— 中三叠统发育两套优质页岩:下寒武统筇竹寺组和下志留统龙马溪组[13]。本文重点关注威远201区块龙马溪组页岩储集层。

图1 研究区位置图

图2 威远201区块龙马溪组底界埋深构造图

根据岩性和测井曲线特征, 龙马溪组可进一步细分为龙一段和龙二段(见图3), 两者之间的界面在地震剖面上表现为强振幅、高连续波峰反射特征, 全区可追踪对比。图3为威201井龙马溪组岩性剖面及常规测井曲线, 在测井响应特征上, 龙一段自然伽马、声波时差、密度和井径曲线均为漏斗型, TOC值大于2%; 龙二段自然伽马、声波时差、密度和井径曲线均为钟型, TOC值小于2%。龙一段为本地区勘探主要目的层[14], 岩性以灰黑色钙质页岩、黑色页岩夹黄铁矿、钙质条带为主, 中上部页理欠发育, 底部页理发育[14]。威远地区龙一段地层保存完整, 厚度为140~240 m, 区域分布稳定, 可对比性强。

图3 威201井龙马溪组岩性剖面及常规测井曲线

2 甜点地球物理响应特征
2.1 龙马溪组页岩气储集层特征

页岩气甜点是指埋深适中、有机碳含量高、成熟度高、天然裂缝发育、保存条件好、含气量高、容易压裂形成复杂缝网的储集层, 甜点规模分布则形成甜点区。在国土资源部颁布的《页岩气资源/储量计算与评价技术规范》(DZ/T 0254— 2014)中, 页岩气储集层评价参数包括页岩有效厚度、总含气量、总有机碳含量(TOC)、有机质成熟度(Ro)、脆性矿物含量5个指标(见表1), 视页岩有效厚度不同总含气量指标下限稍有差异[15, 16]。在这5个关键评价指标中, 页岩有效厚度、TOC、脆性矿物含量可通过地震方法进行空间及平面分布预测[17, 18], 威远区块的生产实践表明孔隙度和地层压力对甜点分布具有明显控制作用, 因此将二者也加入评价指标。

表1 含气页岩储集层参数下限标准[15]

在上述标准框架下, 综合岩石学、沉积构造、古生物学和电性等资料, 对研究区储集层进行了小层细分。将龙一段划分为龙一1、龙一2和龙一3 3个亚段, 其中龙一1亚段由下至上又可进一步划分为龙一11、龙一12、龙一13和龙一14小层(见表2)。

表2 威远201区块龙马溪组龙一1亚段各小层特征
2.2 甜点地震定量预测基础

北美页岩气开发实践表明, 页岩TOC值对页岩气储集层总含气量影响较大[19], 因此将TOC作为页岩储集层评价最重要的指标之一。综合国内外各大页岩气田的储集层分类标准及本地区页岩气储集层特征, 以TOC值为主要指标, 将研究区页岩气储集层分为Ⅰ 类、Ⅱ 类和Ⅲ 类, 其他评价指标包括总含气量、有效孔隙度及脆性矿物含量3个。其中, Ⅰ 类储集层TOC值大于3%, 为高含气页岩, Ⅱ 类储集层TOC值为2%~3%, Ⅲ 类储集层为TOC值小于2%的普通页岩, 其中TOC值大于等于2%的Ⅰ +Ⅱ 类储集层为主要开发目标, 即优质储集层, 也即甜点。分类标准如表3所示。

表3 威远页岩气储集层分类标准

地震岩石物理分析结果表明:①随着页岩气储集层TOC值的增加, 纵横波速度、密度、波阻抗、泊松比、纵横波速度比等弹性参数均明显降低; ②Ⅰ 类、Ⅱ 类和Ⅲ 类储集层和灰岩围岩弹性参数值存在明显差异[20], 但3类储集层间存在重叠, 地震方法可定性预测储集层与非储集层, 但对储集层好坏的预测存在较大误差。威远区块已钻井龙马溪组3类储集层和底界灰岩围岩地球物理弹性参数分析结果如图4所示。

图4 页岩气储集层地震岩石物理分析图

不同成熟度情况下TOC值与含气量之间的关系不同。图5a是美国Barnett页岩TOC值与含气量关系图, Barnett页岩成熟度相对较低, TOC值与含气量间存在较好的线性正相关关系, 可直接通过TOC值求取含气量; 图5b是本研究区块TOC值与含气量之间的关系图, 由图可见TOC值与含气量间的相关关系较差, 因此通过TOC值进而定量预测高含气优质页岩储集层的方法不适用。

图5 不同成熟度页岩气储集层总有机碳含量与总含气量关系图

3 甜点地震预测流程及方法
3.1 甜点地震预测流程

首先在地震资料解释基础上, 进行测井资料解释和地震岩石物理分析, 研究页岩储集层岩石物理特征, 优选出对页岩气甜点关键评价参数敏感的地震弹性参数, 并建立甜点关键评价参数与地震弹性参数间的定量关系。然后, 井震结合进行叠前弹性参数反演, 获取纵波速度、横波速度、密度等地震弹性参数; 根据岩石物理分析结果将弹性参数转换为储集层评价参数, 预测TOC值、储集层厚度、地层压力、脆性矿物含量等评价参数的空间及平面分布。最后, 采用模糊优化分析方法对甜点关键参数预测结果进行综合分析与评价, 定量预测页岩气甜点。

3.2 叠前同时反演

储集层厚度、TOC值、孔隙度、脆性指数等关键参数的精确预测均依赖于地震叠前反演[21], 近年来, 叠前反演技术被广泛应用于储集层预测, 但传统叠前反演主要是基于部分叠加数据体进行, 该方法抗噪能力强、稳定性好, 但缺点是叠加过程中损失了地震原始叠前道集中的AVO信息, 弹性参数的反演精度低。而基于全道集的叠前同时反演技术则能最大限度保持叠前道集的AVO信息, 保证了多种弹性参数反演的一致性, 增强反演结果的可靠性, 进而实现对储集层各项评价参数的最佳预测[22, 23, 24, 25]。本文应用基于全道集的叠前同时反演技术对该地区页岩气储集层弹性参数进行了预测, 取得了良好效果。图6是基于全道集的叠前同时反演与传统叠前反演所得纵波速度对比, 对比结果表明, 基于全道集的叠前同时反演所得结果细节更清晰, 对初始模型的依赖程度更低, 更能真实反映储集层变化。

图6 基于全道集的叠前同时反演与传统叠前反演纵波速度对比

3.3 模糊优化定量预测甜点区

3.3.1 模糊优化评价方法原理

该方法通过构建等级模糊子集把反映被评价对象的各个评价指标进行定量化, 然后利用模糊变换原理对各指标进行综合评价分析[26, 27]。模糊优化的最优评判标准是基于最小二乘法原理, 给出评价依据[28]

3.3.2 方法步骤

①根据评价需要建立合理的评价矩阵。例如选择m个评价指标(本文有5个), 确定n个评价单元构建综合评价矩阵A。其中, aij为经过标准化后的各评价指标值, 公式如下:

$\mathbf{A}=\left[ \begin{array}{* {35}{l}} {{a}_{11}} & {{a}_{12}} & \cdots & {{a}_{1m}} \\ {{a}_{21}} & {{a}_{22}} & \cdots & {{a}_{2m}} \\ \vdots & \vdots & \vdots & \vdots \\ {{a}_{n1}} & {{a}_{n2}} & \cdots & {{a}_{nm}} \\\end{array} \right]$ (1)

②优化确定各评价指标的取值范围。应用取大取小模糊优化法则的数学变换方法对评价矩阵A进行运算, 确定各单项评价指标最佳取值, 公式为:

$\mathbf{G}=\left( \underset{1\le i\le n}{\mathop{\text{max}{{a}_{i1}}}}\, , \ \underset{1\le i\le n}{\mathop{\text{max}{{a}_{i2}}}}\, , \cdots , \underset{1\le i\le n}{\mathop{\text{max}{{a}_{im}}}}\, \right)=\left( {{g}_{1}}, {{g}_{2}}, \cdots , {{g}_{m}} \right)$ (2)

$\mathbf{B}=\left( \underset{1\le i\le n}{\mathop{\text{min}{{a}_{i1}}}}\, , \underset{1\le i\le n}{\mathop{\text{min}{{a}_{i2}}}}\, , \cdots , \underset{1\le i\le n}{\mathop{\text{min}{{a}_{im}}}}\, \right)=\left( {{b}_{1}}, {{b}_{2}}, \cdots , {{b}_{m}} \right)$ (3)

式中gi为各单项评价指标的取值上限, bi为各单项评价指标的取值下限, 本文中所得结果为各评价指标的门槛值。

③计算各评价指标在评价结果中所占权重。关键是利用层次分析方法, 确定各标准化后的单项评价指标在最终结果中所占权重, 得到权重系数向量W。其中, wj为单项评价指标j所占权重, 权重系数wj愈大, 代表着该评价指标j对最终评价结果的影响愈大, 这里意味着该因素对含气量控制作用越大。

$W=\left( {{w}_{1}}, {{w}_{2}}, \cdots , {{w}_{m}} \right)$ (4)

④综合评价。利用步骤②、③所得结果计算最终评价值Vi, 公式为:

${{V}_{i}}=\frac{1}{1+{{\left[\sum\limits_{j=1}^{m}{{{w}_{j}}\left({{g}_{j}}-{{a}_{ij}} \right)/\sum\limits_{j=1}^{m}{{{w}_{j}}\left( {{a}_{ij}}-{{b}_{j}} \right)}} \right]}^{2}}}$ (5)

在本研究中Vi越大, 目标区为页岩气甜点的几率越大, 表明页岩气储集层甜点特征越突出, 越有利于页岩气开发; 反之, 则越不利于页岩气开发。

4 威远地区甜点区定量预测

以地震岩石物理分析为基础, 通过基于全道集的叠前地震同时反演技术, 获取各关键评价参数数据体, 进而得到各关键评价参数的平面分布。其中TOC值由反演密度数据体通过TOC定量解释模板得到, 孔隙度由纵波波阻抗数据体转化得到, 厚度由TOC数据体根据该地区的储集层下限统计得到, 压力系数应用反演纵波速度数据体通过Fillippone压力计算公式求取, 脆性指数则是根据弹性模量和泊松比数据体用脆性指数计算公式求取。图7a是龙一1亚段TOC平均值平面分布图, 该区块大部分区域TOC值为0.7%~4.2%, TOC值较高区域主要分布于工区东部及西北部局部区域; 图7b是龙一1亚段平均孔隙度平面分布图, 该区块平均孔隙度2%~10%且分布相对稳定, 高孔隙度区主要分布于工区中部和东部; 图7c是龙一1亚段优质储集层厚度平面分布图, 该区块优质储集层厚5~25 m, 优质储集层主要分布于工区东部; 图7d是龙一1亚段平均地层压力系数平面分布图, 平均地层压力系数1.4~1.7, 大部分区域压力系数大于1.5, 高压地层广泛分布, 压力系数高于1.55的超压地层主要分布于工区东部; 图7e是龙一1亚段平均脆性指数平面分布图, 该区块脆性指数为0.1~0.6, 大部分地区脆性指数在0.3以上, 总体可压性较好。

图7 威远201区块龙一1亚段各单项评价指标平面分布图

在得到研究区页岩气储集层TOC值、孔隙度、厚度、地层压力系数和地层脆性数据体及平面分布的基础上, 结合现场生产实际, 选取施工参数、工艺相同或相近的2口生产井的测试产量数据作为输出, 测井解释TOC值等关键评价参数为输入, 应用模糊优化算法进行自动优化分析, 最终确定了各关键评价参数的取值范围及其权重系数, 建立了该地区甜点区定量评价及预测体系(见表4)。

表4 威远地区页岩气甜点区地震定量预测参数及分类指标

表4评价体系各评价参数的权重系数可以看出, 在5个参与评价的单因素中, 权重从高到低依次为地层压力系数、优质储集层厚度、TOC、孔隙度和脆性指数。地层压力系数、优质储集层厚度和TOC对页岩气甜点的分布具有明显控制作用。孔隙度及脆性指数权重系数较小, 这与该区块孔隙度和脆性指数普遍较高且分布稳定有关。

应用表4所建立的威远地区页岩气甜点区地震定量预测体系, 将各关键评价参数标准化后进行加权, 对研究区块进行了定量评价。将评价结果经已钻井测试产量标定后即可得到最终预测结果(见图8)。

图8 威远201区块甜点区定量预测平面图

选取最新完钻且施工工艺相同、施工参数相同或相近的7口井的测试情况对预测结果的可靠性进行了验证, 验证结果如表5所示。结果表明, 地震预测初始产量及甜点分布与生产测试结果吻合程度较高。

表5 威远区块甜点区地震定量预测结果与实际测试结果对比
5 结论

四川盆地威远区块龙马溪页岩储集层甜点具有明显的低纵横波速度、低密度、低纵横波波阻抗、低泊松比、低纵横波速度比特征, 纵向上甜点主要分布于龙马溪组底部, 厚度25 m左右, 横向上, 页岩气甜点区主要分布于工区东部、东南部地区, 厚度、平均TOC值等各项关键指标分布相对稳定。本研究应用模糊优化方法对页岩气储集层甜点区进行综合定量预测, 确定了TOC值等5个影响页岩气产量的关键评价参数在综合评价中的权重, 并将最终评价结果采用测试产量标定, 实现页岩气甜点区地震预测的定量化, 与实际生产测试结果对比表明本文方法可靠性较高。

符号注释:

aij— — 经过标准化后的各评价指标值; A— — 综合评价矩阵; bi— — 各单项评价指标的取值下限; gi— — 各单项评价指标的取值上限; B, G— — 取值下限矩阵和取值上限矩阵; i— — 第i个评价单元, 取值1, 2, …, n; j— — 第j个评价指标, 取值1, 2, …, m; m— — 评价指标个数; n— — 评价单元个数; W— — 权重系数向量; wj— — 单项评价指标j所占权重; Vi— — 综合评价值。

The authors have declared that no competing interests exist.

参考文献
[1] 邹才能, 董大忠, 王社教, . 中国页岩气形成机理、地质特征及资源潜力[J]. 石油勘探与开发, 2010, 37(6): 641-653.
ZOU Caineng, DONG Dazhong, WANG Shejiao, et al. Geological characteristics, formation mechanism and resource potential of shale gas in China[J]. Petroleum Exploration and Development, 2010, 37(6): 641-653. [本文引用:1]
[2] 赵景勋. 页岩气研究进展及其地质特征分析[J]. 中国非金属矿工业导刊, 2015, 116(3): 1-5.
ZHAO Jingxun. Research progress of shale gas and its geological characteristics[J]. China Nonmetallic Minerals Industry, 2015, 116(3): 1-5. [本文引用:1]
[3] 邹才能, 陶士振, 白斌, . 论非常规油气与常规油气的区别和联系[J]. 中国石油勘探, 2015, 20(1): 1-16.
ZOU Caineng, TAO Shizhen, BAI Bin, et al. Differences and relations between unconventional and conventional oil and gas[J]. China Petroleum Exploration, 2015, 20(1): 1-16. [本文引用:1]
[4] CLOSE D, PEREZ M, GOODWAY B, et al. Integrated workflows for shale gas and case study results for the Horn River Basin, British Columbia, Canada[J]. The Leading Edge, 2012, 31(5): 556-569. [本文引用:1]
[5] 邹才能, 杨智, 何东博, . 常规-非常规天然气理论、 技术及前景[J/OL]. 石油勘探与开发, 2018, 45(4): 1-13[2018-04-18]. http: //kns. cnki. net/KCMS/detail/11. 2360. TE. 20180227. 0849. 002. html?uid=WEEvREcwSlJHSldRa1FhdXNXa0hIeTFYcDhIZXVEOUx5aWwvUFppMjkvUT0=$9A4hF_YAuvQ5obgVAqNKPCYcEjKensW4ggI8Fm4gTkoUKaID8j8gFw!!&v=MTQ1MzRHNEg5bk1yWTFDWk9zUFl3OU16bVJuNmo1N1QzZmxxV00wQ0xMN1I3cWViK1pyRnlIa1dyL0pKRnc9TmliU1pi.
ZOU Caineng, YANG Zhi, HE Dongbo, et al. Theory, technology and prospects of conventional and unconventional natural gas[J/OL]. Petroleum Exploration and Development, 2018, 45(4): 1-13 [2018-04-18]. http://kns.cnki.net/KCMS/detail/11.2360.TE.20180227.0849.002.html?uid=WEEvREcwSlJHSldRa1FhdXNXa0hIeTFYcDhIZXVEOUx5aWwvUFppMjkvUT0=$9A4hF_YAuvQ5obgVAqNKPCYcEjKensW4ggI8Fm4gTkoUKaID8j8gFw!!&v=MTQ1MzRHNEg5bk1yWTFDWk9zUFl3OU16bVJuNmo1N1QzZmxxV00wQ0xMN1I3cWViK1pyRnlIa1dyL0pKRnc9TmliU1pi. [本文引用:1]
[6] 邹才能, 董大忠, 王玉满, . 中国页岩气特征、挑战及前景(一)[J]. 石油勘探与开发, 2015, 42(6): 689-701.
ZOU Caineng, DONG Dazhong, WANG Yuman, et al. Shale gas in China: Characteristics, challenges and prospects(I)[J]. Petroleum Exploration and Development, 2015, 42(6): 689-701. [本文引用:1]
[7] 赵文智, 李建忠, 杨涛, . 中国南方海相页岩气成藏差异性比较与意义[J]. 石油勘探与开发, 2016, 43(4): 499-510.
ZHAO Wenzhi, LI Jianzhong, YANG Tao, et al. Geological difference and its significance of marine shale gases in South China[J]. Petroleum Exploration and Development, 2016, 43(4): 499-510. [本文引用:1]
[8] 金之钧, 胡宗全, 高波, . 川东南地区五峰组—龙马溪组页岩气富集与高产控制因素[J]. 地学前缘, 2016, 23(1): 1-10.
JIN Zhijun, HU Zongquan, GAO Bo, et al. Controlling factors on the enrichment and high productivity of shale gas in the Wufeng-Longmaxi Formations, southeastern Sichuan Basin[J]. Earth Science Frontiers, 2016, 23(1): 1-10. [本文引用:1]
[9] 黄捍东, 纪永祯, 张骋, . 地震流体识别方法在四川盆地页岩气“甜点”预测中的应用[J]. 古地理学报, 2013, 15(5): 672-678.
HUANG Hand ong, JI Yongzhen, ZHANG Cheng, et al. Application of seismic liquid identification method in prediction of shale gas “sweet spots” in Sichuan Basin[J]. Journal of Palaeogeography, 2013, 15(5): 672-678. [本文引用:1]
[10] 李金磊, 尹正武. 四川盆地焦石坝地区页岩气储层地震定量预测方法[J]. 石油物探, 2015, 54(3): 324-330.
LI Jinlei, YIN Zhengwu. Seismic quantitative prediction method of shale gas reservoirs in the Jiaoshiba Area, Sichuan Basin[J]. Geophysical Prospecting Petroleum, 2015, 54(3): 324-330. [本文引用:1]
[11] CHEN S, ZHAO W, OUYANG Y, et al. Prediction of sweet spots in shale reservoir based on geophysical well logging and 3D seismic data: A case study of Lower Silurian Longmaxi Formation in W4 block, Sichuan Basin, China[J]. Energy Exploration & Exploitation, 2017, 37(5): 147-171. [本文引用:1]
[12] 刘树根, 邓宾, 钟勇, . 四川盆地及周缘下古生界页岩气深埋藏-强改造独特地质作用[J]. 地学前缘, 2016, 23(1): 11-28.
LIU Shugen, DENG Bin, ZHONG Yong, et al. Unique geological features of burial and superimposition of the Lower Paleozoic shale gas across the Sichuan Basin and its periphery[J]. Earth Science Frontiers, 2016, 23(1): 11-28. [本文引用:1]
[13] 王玉满, 王淑芳, 董大忠, . 川南下志留统龙马溪组页岩岩相表征[J]. 地学前缘, 2016, 23(1): 119-133.
WANG Yuman, WANG Shufang, DONG Dazhong, et al. Lithofacies characterization of Longmaxi Formation of the Lower Silurian, southern Sichuan[J]. Earth Science Frontiers, 2016, 23(1): 119-133. [本文引用:1]
[14] 熊健, 刘向君, 梁利喜, . 四川盆地长宁地区龙马溪组上、下段页岩储层差异研究[J]. 西北大学学报(自然科学版), 2015, 45(4): 623-630.
XIONG Jian, LIU Xiangjun, LIANG Lixi, et al. On the differences of reservoir characteristics of the upper and the lower Longmaxi Formation shale in the Changning Region of Sichuan Basin[J]. Journal of Northwest University (Science & Technology Edition), 2015, 45(4): 623-630. [本文引用:2]
[15] 中国人民共和国国土资源部. 页岩气资源/储量计算与评价技术规范: DZ/T 0254—2014[S]. 北京: 中国标准出版社, 2014.
Ministry of Land and Resources of the People’s Republic of China. Technical specification for calculation and evaluation of shale gas resources/reserves: DZ/T 0254—2014[S]. Beijing: Chinese Stand ard Press, 2014. [本文引用:1]
[16] 余川. 川东南地区下志留统页岩气成藏条件及资源潜力分析[D]. 成都: 西南石油大学, 2012.
YU Chuan. Analysis of reservoir-forming conditions and resource potential of shale gas in lower Silurian of Southeast Sichuan Area[D]. Chengdu: Southwest Petroleum University, 2012. [本文引用:1]
[17] 昌书林, 秦启荣, 周毅. 地球物理技术在页岩气勘探过程中的应用研究[J]. 重庆科技学院学报(自然科学版), 2012, 14(4): 10-12.
CHANG Shulin, QIN Qirong, ZHOU Yi, et al. Application process of geophysical techniques in shale gas exploration[J]. Journal of Chongqing University of Science and Technology (Science & Technology Edition) , 2012, 14(4): 10-12. [本文引用:1]
[18] 周涛. 地球物理技术在页岩气勘探开发中的应用[J]. 中小企业管理与科技(下旬刊), 2015, 20(9): 290-291.
ZHOU Tao. Application of geophysical technology in shale gas exploration and development[J]. Management and Technology of Small and Medium Enterprises (Late Edition), 2015, 20(9): 290-291. [本文引用:1]
[19] ALIOUANE L, OUADFEUL S A. Sweet spots discrimination in shale gas reservoirs using seismic and well-logs data: A case study from the Worth basin in the Barnett Shale[J]. Energy Procedia, 2014, 59: 22-27. [本文引用:1]
[20] 陈胜, 赵文智, 欧阳永林, . 利用地球物理综合预测方法识别页岩气储层甜点[J]. 天然气工业, 2017, 37(5): 20-30.
CHEN Sheng, ZHAO Wenzhi, OUYANG Yonglin, et al. Comprehensive prediction of shale gas sweet spots based on geophysical properties: A case study of the Lower Silurian Longmaxi Fm in Changning block, Sichuan Basin[J]. Natural Gas Industry, 2017, 37(5): 20-30. [本文引用:1]
[21] SHARMA R K, CHOPRA S, VERNENGO L, et al. Reducing uncertainty in characterization of Vaca Muerta Formation Shale with poststack seismic data[J]. The Leading Edge, 2015, 34(12): 1462-1467. [本文引用:1]
[22] 苏建龙, 屈大鹏, 陈超, . 叠前地震反演方法对比分析: 焦石坝页岩气藏勘探实例[J]. 石油地球物理勘探, 2016, 51(3): 581-588.
SU Jianlong, QU Dapeng, CHEN Chao, et al. Application of pre-stack inversion technique for shale gas in Jiaoshiba gas field[J]. Oil Geophysical Prospecting, 2016, 51(3): 581-588. [本文引用:1]
[23] 张广智, 杜炳毅, 李海山, . 页岩气储层纵横波叠前联合反演方法[J]. 地球物理学报, 2014, 57(12): 4141-4149.
ZHANG Guangzhi, DU Bingyi, LI Haishan, et al. The method of joint pre-stack inversion of PP and P-SV waves in shale gas reservoirs[J]. Chinese Journal of Geophysics, 2014, 57(12): 4141-4149. [本文引用:1]
[24] 王世谦, 王书彦, 满玲, . 页岩气选区评价方法与关键参数[J]. 成都理工大学学报(自然科学版), 2013, 12(6): 609-620.
WANG Shiqian, WANG Shuyan, MAN Ling, et al. Appraisal method and key parameters for screening shale gas play[J]. Journal of Chengdu University of Technology (Science & Technology Edition), 2013, 12(6): 609-620. [本文引用:1]
[25] 蒋廷学, 卞晓冰. 页岩气储层评价新技术: 甜度评价方法[J]. 石油钻探技术, 2016, 44(4): 1-6.
JIANG Tingxue, BIAN Xiaobing. The novel technology of shale gas play evaluation: Sweetness calculation method[J]. Petroleum Drilling Technology, 2016, 44(4): 1-6. [本文引用:1]
[26] 何琰. 基于模糊综合评判与层次分析的储层定量评价: 以包界地区须家河组为例[J]. 油气地质与采收率, 2011, 18(1): 23-25, 29.
HE Yan. A quantitative reservoir evaluation method based on fuzzy comprehensive appraisal and analytical hierarchy process[J]. Petroleum Geology and Recovery Efficiency, 2011, 18(1): 23-25, 29. [本文引用:1]
[27] 丁熊, 谭秀成, 罗冰, . 基于灰色模糊理论的多参数碳酸盐岩储层评价[J]. 西南石油大学学报(自然科学版), 2008, 30(5): 88-92.
DING Xiong, TAN Xiucheng, LUO Bing, et al. Multi-parameter carbonate rock reservoir evaluation based on gray fuzzy theory[J]. Journal of Southwest Petroleum University (Science & Technology Edition), 2008, 30(5): 88-92. [本文引用:1]
[28] 胡宝林, 平文文, 郑凯歌, . 基于GIS的模糊优化法的页岩气有利区预测: 以淮南煤田下石盒子组为例[J]. 断块油气田, 2015, 22(2): 189-193.
HU Baolin, PING Wenwen, ZHENG Kaige, et al. Favorable area prediction of shale gas by GIS and Fuzzy Optimization: A case study of Lower Shihezi Formation in Huainan Coalfield[J]. Fault-Block Oil & Gas Field, 2015, 22(2): 189-193. [本文引用:1]