2. 中国科学院研究生院, 北京 100049
2. Graduate University of the Chinese Academy of Sciences, Beijing 100049, China
随着深水油气勘探的广泛开展,深水钻井安全问题已成为制约深水油气开发的重要问题.在1999年德克萨斯州里格市召开的浅水流钻探会议上,工业部门报道深水钻井大约30%的费用用来处理安全事故,其中主要是过高压问题,浅水流是深水油气开发过程中最具破坏力的一种地质灾害[1~7].截至2007年,墨西哥湾用于预防和处理浅水流问题所用的费用已超过2亿美元[8],其中79%的钻井钻遇浅水流.在里海、挪威海及北海等海区均报道了浅水流问题[9].浅水流带来的地质工程安全和经济效益问题已引起国内外学者和工业部门的广泛关注[10~13].为减轻和避免可能面对的灾害,保证钻井安全,节约钻探成本,非常有必要对深水盆地中浅水流问题进行精确的识别和预测.
作为渗透性地层异常压力释放的典型实例,浅水流灾害的形成需要满足三个主要的条件:存在疏松未固结且具有较大孔隙度和渗透率的砂质沉积物、具有低渗透率且可形成有效封闭层的泥质沉积物和异常高压(图 1).Huffman和Castagna认为超压砂体具有较高的孔隙压力和较低有效应力[13](图 2).Prasad[9]基于实验室研究提出低有效应力和超压未固结砂体具有高VP/VS和高泊松比. Mallick等[9]提出一套基于岩石模型的叠前全波形反演方法,通过对墨西哥湾钻遇的浅水流层位的应用,认为浅水流砂体具有高VP/VS值和泊松比,且存在极性反转,AVO响应明显.Lu[14]应用传统的三维数据并结合旁井横波速度资料,对墨西哥湾GardenBanks区块做预测,结果与测井资料吻合度较高.鉴于以上方法所采用的横波数据均来自于实测资料,而在我国南海北部深水区并没有可应用的相关资料,故如何由叠前资料估算横波速度尤为重要,另外在应用国外先进技术的同时,其关键技术环节尚不清楚,针对这些问题,我们采用基于遗传算法的叠前波形反演对其进行研究.
![]() |
图 1 浅水流砂体地质模型[9] Fig. 1 The geological model of the Shallow Water Flow sands |
考虑到我国海域的实际情况,结合国外对浅水流问题的研究经验,对白云凹陷潜在浅水流区域采取以超压分析、属性判定为主,振幅识别为辅的方法进行预测,即在层序地层学格架内,对高分辨率的2D和3D地震数据进行振幅解释,识别浅水流砂体地震反射特征,划分与浅水流砂体相关的水道、滑塌体等沉积相.在沉积相研究的基础上,对识别的浅水流砂体反演横波速度进行属性分析[15, 16],对我国南海北部深水区的浅水流地球物理特性进行研究.
![]() |
图 2 深水盆地典型压力深度曲线[13] Fig. 2 A typical pressure versus depth profile in the deepwater basins. |
白云凹陷是一个发育在南海北部被动陆缘深水区的大型沉积凹陷,水深200~3000 m,凹陷面积超过20000km2,新生代沉积厚度超过11km,是珠江口盆地面积最大、沉积厚度最厚的凹陷(图 3).
![]() |
图 3 南海北部陆坡海底地形地貌及深水盆地 Fig. 3 The geomorphology and deepwater basin of north continental slope in South China Sea |
白云凹陷在新生代经历了三个构造演化阶段:裂陷期、热沉降期和新构造期[17].在裂陷期,白云凹陷雏形形成,发育多条直达海底的深部断层,为深部裂解气向上运移提供了通道;热沉降期白云主洼快速、大幅度沉降,古珠江向凹陷输送大量沉积物,发育多期大型水道,为白云凹陷提供大量粗粒碎屑[18];新构造期,构造沉降速度和幅度、沉积速率和幅度继承,但由于受到菲律宾板块北西西向俯冲影响,在白云凹陷及其邻区还发育大量晚期断层[19~21].通过对白云凹陷地层压力演化研究发现,现今白云凹陷地层压力在浅水区为常压,深水区为弱压,但该区的构造演化史及凹陷内广泛发现的明显底辟构造表明,白云凹陷在晚期很可能经历过超压释放作用[21];层序地层学研究表明白云凹陷深水陆坡区存在大型深水扇系统[22],珠江大河充沛的陆源碎屑物质受到周期性海平面变化的控制,在广阔的浅海陆架区形成大型三角洲沉积,在深水陆坡区发育深水扇沉积,扇体沉积物具有高孔隙度和高渗透率等特点,可以作为良好的油气储层,同时也可能导致浅水流地质灾害的发生;白云凹陷分别在23.8~17.5 MaBP和13.8~10.5 MaBP阶段表现出明显的高沉积速率,其中13.8~12.5 MaBP间高达近1 mm/a.白云凹陷的这些构造及沉积特征都符合浅水流发生的条件.2006年在白云凹陷内的LW3-1构造发现千亿方的大气田,证实了该区巨大的油气资源潜力.考虑到该区今后很可能会成为油气钻探的主战区,因此很有必要开展针对浅水流等地质灾害的钻前预测研究,以保证钻井工程的安全.
3 浅水流的地震预测原理与方法实验室研究表明,浅水流砂体具有高纵横波速度比[11, 13, 23],且刚度接近为零,故浅水流砂体具有极低的横波速度.多分量地震数据可以提供高分辨率的横波数据,Huffman和Castagna[13]已使用多分量地震数据识别出潜在的浅水流砂体,但其采集费用较高,技术难度大,就我国的勘探现状其可行度较低,而Mallick和Dutta[8]提出的基于钻井和地震资料,利用全波形反演的方法也可将提取的VP/VS及相应的异常值成功应用于勘探选区[9].考虑到钻前预测本身就缺乏钻井资料的支持,本文采用一种完全基于地震资料,将叠后反演和叠前反演结合起来的反演方法---混合地震反演法[24],预测浅水流砂体,该方法能够在合理时间内对较大地震数据体进行弹性反演.首先对研究区常规地震资料和高分辨率资料进行叠前特殊处理,最重要的是做好保幅处理,通过AVA反演模块获取P-剖面和G-剖面,给定初始纵横波速度比信息,得到完全基于地震的伪S-波,然后应用遗传算法进行叠前全波形反演,将从叠前反演得到的弹性地质模型作为约束叠后反演的趋势,遗传算法可以有效处理地震道振幅所产生的干涉效应,最后进行混合反演研究,获取浅水流预测所需要的各种属性参数.
3.1 AVA反演叠前AVA地震反演技术可以全面利用大、中、小不同角度地震道集丰富的振幅、频率等信息,同时反演出纵、横波阻抗参数,以及纵横波速度比、泊松比等重要的弹性参数,考虑到研究区内缺少钻井资料,本文结合工区邻井资料,利用AVA反演获取初始模型,得到精确的横波速度是目前最佳的选择. AVA反演基于Zoeppritz方程,在精度允许的情况下,通常使用Zoeppritz方程的各种近似式来计算反射系数.考虑到浅水流砂体通常为薄层,且Aki-Richards可以很好地反映薄层信息[25~28],故使用优化的Aki-Richards方程计算浅水流的纵波速度、横波速度及密度:
![]() |
(1) |
其中,
基于方程(1),对0°~15°,15°~30°和30°~45°多个角道集数据体进行测井约束下的反演,其基本步骤为
(1)对各个角度下的反射系数求值:
![]() |
(2) |
式中,r为反射系数,i代表线号,j代表道号,p和q为L模因子,λ为平衡因子,S为合成地震记录,d为原始地震数据.
(2)对上述反演得到的AVA反射系数加权叠加,求取弹性参数:
![]() |
(3) |
式中,rIP,rIS和rρ分别代表纵波、横波阻抗反射系数和密度反射系数,Cx(x=IP,IS,ρ)为权重因子,可由方程(1)的系数计算得到,也可通过精确的Zoeppritz方程计算.
若直接对方程组(3)进行求解,由于方程组的不适应性,所得到的rIP,rIS和rρ值不稳定,可能导致结果与实际的地质意义相悖.因而,对方程(1)做进一步的变换.由于当角度相同时,各采样点的同一岩性参数(rIP,rIS和rρ)所对应的系数值相同,故对于同一道的不同采样点有:
![]() |
(4) |
结合测井曲线可建立岩性参数与角度反射系数之间的关系.
(3)对纵、横波阻抗和密度进行初始估算:
![]() |
(5) |
以地质模型为例,设其纵波阻抗初始值为IP0,对(5)式两边取对数得:
![]() |
(6) |
对公式(6)做级数展开,略去高次项,转换成矩阵形式,则有
![]() |
(7) |
式中,LIP=[LIP(0),LIP(1),…,LIP(N)]T;D为N行,N+1列的系数矩阵:
![]() |
(8) |
结合公式(1)和步骤(2),可得
![]() |
(9) |
其中,公式(9)中的CIP(θi)rIP,CIS(θi)rIS和Cρ(θi)r可由方程(4)求得,将(9)式转变成矩阵形式为
![]() |
(10) |
将测井资料中的纵横波阻抗和密度曲线所含的低频信息取对数后作为(10)式的初始解,用共轭梯度法求解,最终可求得纵波阻抗、横波阻抗和密度数据体,进而求得伪S波[29].
3.2 基于遗传算法的全波形反演基于遗传算法的叠前全波形反演方法是一种基于正演模型的全局算法[30~34],是一种水平层状弹性介质的τ-p域反演方法.正演是用Kennett[35]的反射透射矩阵方法实现的.该正演算法包含了自由表面的反射、反射层内的多次反射波、透射反射波以及P-SV波之间的相互转换波,因而适合浅水流砂体精细速度结构的研究.基于遗传算法的叠前全波形反演流程如图 4所示.
![]() |
图 4 基于遗传算法的叠前全波形反演流程图 Fig. 4 A flow diagram of the full-wave inversion method based on the GA |
第一步:根据τ-p域走时数据应用遗传算法优化,对种群中的每个个体反复计算地震波场并与实际观测的地震波场进行对比,求得速度结构的长波长部分.遗传算法全局寻优的非线性反演方法成功解决了叠前地震波形反演所面临的数据和模型之间高度非线性及目标函数具有多个极小值问题.该算法的实现主要包括以下8个步骤.
(1)准备初始模型、地震记录Seis等数据.由高精度速度分析构建初始模型,地震记录Seis为角道集地震记录.
(2)确定地质模型参数及参数搜索范围和搜索间隔.
(3)对模型参数编码.根据搜索范围的搜索间隔,先确定各参数可能取得的不同值的个数,为节省空间对所有参数进行整数编码.
(4)生成拟合模型的初始随机总体P0.假设生成n个模型,由X=Xmin+Code×ΔX,对VP,VS和ρ三个参数nt个样点用随机生成的方式生成整数码要求的样本量.
(5)计算各模型的合成地震记录Syni,合成地震记录采用Zoeppritz方程计算.
(6)比较Syni与Seis,计算并保存目标函数值.
(7)根据目标函数值对P0做再生、交叉、变异处理,更新P0生成新的随机总体P1.
(8)如果满足结束条件,结束并输出结果;否则重复步骤(5)~(8)直到结束.
第二步:基于第一步的速度模型作为初始模型,利用波形资料用共轭梯度法求得速度的短波长扰动部分.共轭梯度法是非线性迭代反演的一种方法,本文通过梯度信息、结合最小二乘法求取目标函数的最小值,步骤[16]如下:
(1)由第n次迭代得到的模型mn计算合成数据dn=f(mn),n=0,1,2,…;
(2)计算合成数据与观测值的差值Δdn=dn-dobs及当前模型与先验模型的差Δmn=mn-m0;
(3)计算目标函数值S(mn)=ΔdnTCD-1Δdn+ΔmnTCM-1Δmn,并检验它是否满足终止条件;
(4)计算最速上升方向(梯度)Γn=CMFnTCD-1Δdn +Δmn,其中,Γn=∂f/∂m|m=m n为Frechet导数,可以解析求得;
(5)计算共轭方向Φn=Γn+σnΦn-1,Φ0=Γ0,
(6)计算使目标函数极小的最佳步长μn;
(7)计算新的模型mn+1=mn-μnΦn.
4 白云凹陷浅水流的地球物理识别及结果分析 4.1 浅水流砂体浅水流砂体一般为疏松未固结,具有较大的孔隙度和渗透率的砂质沉积物.在深水区一般为深水水道砂体或再搬运滑塌沉积物等[14].受区域构造沉降和海平面变化的影响,陆坡深水盆地中发生多期峡谷水道侵蚀和沉积作用.低位体系域时期,深水水道开始充填浊积砂体,如果地层中低渗透率深海泥岩或页岩沉积速率非常快,那么这些巨厚的砂体便会被迅速分散包裹起来,随着上覆压力的不断增加,这些砂体便不能及时地向外排除水份,从而形成异常超压环境,根据钻井资料和大量地震剖面追踪解释,发现在白云凹陷所在的陆坡深水区存在广泛分布的深水水道浊积砂体,其主要是上新世以来的深水水道沉积体系.
第四系珠江深水峡谷水道沉积体系上倾方向发育峡谷水道,具有强烈下切的特征(图 5),位于凹陷的北缘和西侧,峡谷水道不同部位其侵蚀特征和充填沉积方式具有明显的差异性.峡谷水道上游具有强烈的削截深切(可达100~200 m)、侧向迁移、垂向叠加以及从“V”型谷向“U”型谷变化的特点,呈北西-南东向;中游则表现为侵蚀强度不大、加积为主,峡谷发育宽缓的特点,近南北走向,地震反射特征表现为强振幅、中频率、小范围内连续性较好,沿水道走向表现为长轴的一端上超,上超方向为水道运移方向,垂直水道走向表现为短强反射轴的相互叠置,这表明了该水道是由不同期次的水道叠加而成的,且规模较大.
![]() |
图 5 第四纪古珠江深水水道沉积(a)及局部放大图(b) Fig. 5 (a) Deepwater channel depositional system in Pearl River and (b) partial enlarged profile |
上新世珠江深水峡谷水道沉积体系,外部形态及内部反射特征与第四纪水道沉积具有类似的特征,主要分布于凹陷的北缘,高分辨率地震资料显示,垂直峡谷水道方向主要表现为中-强振幅反射,中频率,在小尺度范围内连续性较好,沿水道方向表现为强振幅反射、中频率、连续性较好,由构造高部位向构造低部位发育,显示出充填物的走向.上新世水道与第四纪水道明显的不同即水道和滑塌体交替发育,水道充填与正常加积交替发生,水道底部以杂乱发射相为主,推测主要为浊流沉积(图 6).
![]() |
图 6 上新世深水水道沉积体系 Fig. 6 The main geomorphologicai elements that characterize Baiyun submarine landslide |
南海北部陆坡水合物钻井岩芯样品显示,水合物稳定带及之上的地层岩性为粉砂质泥岩,为中新世古珠江深水水道沉积体系及白云大型海底滑坡提供了良好的封堵层,导致大量砂体迅速掩埋于细粒泥岩地层,使砂体中大量水分短时间内难以释放,容易形成超压.实验室岩石物理研究表明浅水流砂体具有明显的高VP/VS[11, 13],刚度几乎为零且具有极低的横波速度,Mallick、吕少明等[9, 28, 36]结合墨西哥湾深水盆地钻井资料得出,浅水流区域具有高VP/VS值(>9),并应用此成果成功预测浅水流,国外研究成果表明VP/VS为浅水流预测的可靠依据.
通过对珠江口盆地白云凹陷测线a进行叠前AVA处理,计算AVA截距和G剖面,获得伪S波剖面;通过以适应度值为依据的遗传算法,对群体中多个个体施加遗传操作,实现群体内个体结构重组迭代搜索,逐步找出问题的最优解,所依赖的基本遗传操作,如选择、杂交和变异算子执行过程中包含了大量的随机性操作,遗传算法的效果与遗传算子所取得概率、种群大小以及遗传运算执行的最大代数目的设定密切相关.通常选择概率0.7≤Pr≤0.8;杂交概率0.4≤Pc≤0.99;变异概率0.0001≤Pm≤0.1;群体大小20≤Q≤100.图 7展示了P波和S波的合成地震记录.
![]() |
图 7 截距剖面的合成记录(a)及伪S波的合成记录(b) Fig. 7 Synthetic seismogram of the intercept profile (a) and pseudo-S wave (b) |
用基于遗传算法的全波形反演分别对截距和伪S波剖面进行反演,获得P波阻抗和S波阻抗剖面(图 8),从图 8可以看出,浅水流区存在低P波阻抗异常,极低S波阻抗异常.
![]() |
图 8 (a)测线a的P波阻抗及(b)测线a的伪S波阻抗剖面 Fig. 8 (a) The P-wave impedance profile of the line a and (b) the pseudo-S wave impedance profile of the line a |
最后通过叠后反演,结合前两步的结果,利用P波阻抗和伪S波阻抗剖面,最终获得纵横波速度比剖面(图 9a),剖面显示,研究区浅层多处存在高纵横波速度比区域,部分区域远远高于9,泊松比高达0.49,且连续性较好.将纵横波速度比剖面和地震剖面叠加发现,高纵横波速度比地层与充填相地层有很好的叠合关系,因而推断该区极可能是潜在的浅水流发生区(图 9b).
![]() |
图 9 (a)测线a的纵横波速度比剖面及(b)纵横波速度比和地震剖面叠加显示图 Fig. 9 (a) The Vp/Vs ratio profile of the line a and (b) the stack image of Vp/Vs ratio profile and amplitude section |
随着深水勘探的发展,深水钻井的安全评估已成为亟待解决的重要问题,其可为我国的深水勘探降低风险,提供安全技术保障.本文利用一套混合反演方法,以白云凹陷为例对我国南海北部深水盆地浅水流的地球物理特性进行了研究,并加以识别,研究发现该区具有浅水流发生的潜在威胁.
(1)基于层序地层学理论发现,南海北部深水盆地浅水流砂体主要分布于深水水道内部,多处呈层状分布,一般疏松未固结、孔隙度大、有效应力低、几乎表现出流体的性质特点,主要为上新世以来的古珠江深水水道沉积体系.
(2)通过结合叠前AVA反演、基于遗传算法的全波形反演及叠后反演的混合反演方法发现,南海北部深水盆地具有典型的AVO特征,横波速度极低,低频特征明显,振幅强度弱,连续性较好,存在极性反转,泊松比高达0.49,纵横波速度比约为3.5~9或更高,且SWF层位对地震属性的敏感度VP/VS> AVO响应>泊松比,将反演获取的纵横波速度比剖面和地震剖面叠加综合分析,发现高纵横波速度比地层与深水水道砂体局部地层具有很好的叠合关系.
[1] | Ostermeier R M, Pelletier J H, Winker C D, et al. Dealing with shallow-water flow in the deepwater Gulf of Mexico. The Leading Edge , 2002, 21(7): 660-668. DOI:10.1190/1.1497320 |
[2] | Hurst A, Cartwright J, Huuse M, et al. Signifacance of large-scale sand injectites as long-term fluid conduits:evidence from seismic data. Geofluids , 2003, 3: 263-274. DOI:10.1046/j.1468-8123.2003.00066.x |
[3] | Duranti D, Hurst A. Fluidization and injection in the deep-water sandstones of the Eocene Alba Formation (UK, North Sea). Sedimentology , 2004, 51: 503-529. DOI:10.1111/sed.2004.51.issue-3 |
[4] | Huuse M, Duranti D, Steinsland N, et al. Seismic characteristics of large-scale sandstone intrusions in the Paleocene of the South Viking Graben, UK and Norwegian North Sea. In:Davies R J, Cartwright J A, Stewart S A et al. Eds., Seismic Technology:Application to the Exploration of Sedimentary Basins. London:Geological Society. Memoirs, 2004, (29):263~277 |
[5] | Shoulders S J, Cartwright J, Huuse M. Large-scale conical sandstone intrusions and polygonal fault systems in Tranche 6, Faroe-Shetland basin. Marine & Petroleum Geology , 2007, 24: 173-188. |
[6] | Joe F, George H. Deep star's evaluation of shallow water flow problems in the Gulf of Mexico. Proceedings of Offshore Technology Conference, Houston, Texas, 1997. OTC 8525 |
[7] | 刘志斌, 郝召兵, 伍向阳. 深水钻探面临的挑战:浅水流灾害问题. 地球物理学进展 , 2008, 23(2): 552–558. Liu Z B, Hao Z B, Wu X Y. Shallow water flow hazard:a challenge in deepwater drilling. Progress in Geophysics (in Chinese) , 2008, 23(2): 552-558. |
[8] | Mallick S, Dutta N C. Shallow water flow prediction using prestack waveform inversion of conventional 3D seismic data and rock modeling. The Leading Edge , 2002, 21(7): 675-680. DOI:10.1190/1.1497323 |
[9] | John W, Steve P.Seismic Data Helps Reservoir Management. Hart's E & P, Houston:TX77027, 2004. 54~56 |
[10] | Prasad M. Acoustic measurements in unconsolidated sands at low effective pressure and overpressure detection. Geophysics , 2002, 67(2): 405-412. DOI:10.1190/1.1468600 |
[11] | 董冬冬, 赵汗青, 吴时国, 等. 深水钻井中浅水流灾害问题及其地球物理识别技术. 海洋通报 , 2007, 26(1): 114–120. Dong D D, Zhao H Q, Wu S G, et al. SWF problem in deepwater drilling and its geophysical detection techniques. Journal of Marine Scinece Bulletin (in Chinese) , 2007, 26(1): 114-120. |
[12] | Alberty M, Hafle M, Ming J C, et al. Mechanisms of shallow waterflow and drilling practices for intervention. Proceedings, Offshore Technology Conference, Houston, Texas, OTC 8301 |
[13] | Huffman A R, Castagna J P. The petrophysical basis for shallow waterflow prediction using muticomponent seismic data. The Leading Edge , 2001, 20(9): 1030-1052. DOI:10.1190/1.1487308 |
[14] | Lu S, McMechan G A, Liaw A. Identification of SWF sands by elastic inversion of conventional 3D seismic data. Proceedings of Offshore Technology Conference, Houston, Texas, 2003, OTC 15247 |
[15] | 沈联蒂, 史謌. 岩性、油气性、有效覆盖压力对纵横波速度的影响. 地球物理学报 , 1994, 37(3): 391–399. Shen L D, Shi G. Effect of lithologic character, petroleum and effective overburden pressure on compressional wave and shear wave velocity. Chinese J. Geophys. (in Chinese) , 1994, 37(3): 391-399. |
[16] | McConnell D R. Optimizing deepwater well locations to reduce the risk of shallow waterflow using high resolution 2D and 3D seismic data.Proceedings of Offshore Technology Conference, Houston, Texas, 2000, OTC11973 |
[17] | 朱伟林, 张功成, 杨少坤, 等. 南海北部大陆边缘盆地天然气地质. 北京: 石油工业出版社, 2007 . Zhu W L, Zhang G C, Yang S K, et al. Natural Gas Geology on the Continental Margin Basins of the Northern South China Sea (in Chinese). Beijing: Petroleum Industry Press, 2007 . |
[18] | 米立军, 张功成, 沈怀磊, 等. 珠江口盆地深水区白云凹陷始新统-下渐新统沉积特征. 石油学报 , 2008, 29(1): 29–33. Mi L J, Zhang G C, Shen H L, et al. Eocene-Lower Oligocene sedimentation characteristics of Baiyun Sag in the deep water area of Pearl River Mouth Basin. Acta Petrolei Sinica (in Chinese) , 2008, 29(1): 29-33. |
[19] | 陈汉宗, 吴湘杰, 周蒂, 等. 珠江口盆地中新生代主要断裂特征和动力背景分析. 热带海洋学报 , 2005, 24(2): 52–61. Chen H Z, Wu X J, Zhou D, et al. Meso-Cenozoic faults in Zhujiang River Mouth basin and theirgeodynamic background. Journal of Tropical Oceanography (in Chinese) , 2005, 24(2): 52-61. |
[20] | 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. 地学前缘 , 2005, 12(4): 489–498. Sun Z, Pang X, Zhong Z H, et al. Dynamics of tertiary tectonic evolution of the Baiyun Sag in the Pearl River Mouth Basin. Earth Science Frontiers (in Chinese) , 2005, 12(4): 489-498. |
[21] | 石万忠, 陈红汉, 陈长民, 等. 珠江口盆地白云凹陷地层压力演化与油气运移模拟. 地球科学-中国地质大学学报 , 2006, 31(2): 229–236. Shi W Z, Chen H H, Chen C M, et al. Modelling of pressure evolution and hydrocarbon migration in the Baiyun Depression, Pearl River Mouth Basin, China. Earth Science-Journal of China University of Geosciences (in Chinese) , 2006, 31(2): 229-236. |
[22] | 庞雄, 陈长民, 彭大钧, 等. 南海珠江深水扇系统及油气. 北京: 科学出版社, 2007 . Pang X, Chen C M, Peng D J, et al. The Pearl River Deep-Water Fan System & Petroleum in South China Sea (in Chinese). Beijing: Science Press, 2007 . |
[23] | Zimmer M, Prasad M, Mavko G. Pressure and porosity influences on Vp-Vs ratio in unconsolidated sands. The Leading Edge , 2000, 21: 178-183. |
[24] | Mallick S, Huang X, Lauve J, Ahmad R. Hybrid seismic inversion:A reconnaissance tool for deepwater exploration. The Leading Edge , 2000, 19(11): 1230-1251. DOI:10.1190/1.1438512 |
[25] | 陆基孟. 地震勘探原理. 东营: 石油大学出版社, 1993 . Lu J M. The Principle of Seismic Exploration (in Chinese). Dongying: China University of Petroleum Press, 1993 . |
[26] | Zoeppritz K, Erdbebenwellen V. On the reflection and propagation of seismic waves. Gottinger Nachrichten , 1999, 1(5): 66-84. |
[27] | Aki K, Richards P G. Quantitative Seismology:Theory and Methods. Freeman: San Francisco, 1980 : 100 -710. |
[28] | Fatti J L, Smith G C, Vail P J, et al. Detection of gas in sandstone reservoirs using AVO analysis:A 3-D seismic case history using the Geostack technique. Geophysics , 1994, 50: 1362-1376. |
[29] | 李爱山, 印兴耀, 张繁昌, 等. 叠前AVA多参数同步反演技术在含气储层预测中的应用. 石油物探 , 2007, 46(1): 64–68. Li A S, Yin X Y, Zhang F C, et al. Application of prestack stimultaneous AVA multi-parameter inversion in gas-bearing reservoir prediction. Geophysical Prospecting for Petroleum (in Chinese) , 2007, 46(1): 64-68. |
[30] | Sen M K, Stoffa P L. Non-linear one-dimensional seismic waveform inversion using simulated annealing. Geophysics , 1991, 56(10): 1624-1638. DOI:10.1190/1.1442973 |
[31] | Sen M K, Stoffa P L. Rapid sampling of model space using genetic algorithms:Examples from seismic waveform inversion. Geophysical Journal International , 1992, 108: 281-292. DOI:10.1111/gji.1992.108.issue-1 |
[32] | Stoffa P L, Sen M K. Nonlinear multiparameter optimization using genetic algorithms:Inversion of plane-wave seismograms. Geophysics , 1991, 56(11): 1794-1810. DOI:10.1190/1.1442992 |
[33] | Mallick S. Model-based inversion of amplitude-variations-with-offset data usinga genetic algorithm. Geophysics , 1995, 60(4): 939-954. DOI:10.1190/1.1443860 |
[34] | Mallick S. Some practicalaspects on implementation of prestack waveform inversionusing a genetic algorithm:An example from east TexasWoodbine gas sand. Geophysics , 1999, 64(2): 326-336. DOI:10.1190/1.1444538 |
[35] | Kennett B L N, Kerry N J. Seismic waves in a stratified half-space. Geophys. J. R. Astron. Soc. , 1979, 57: 557-583. DOI:10.1111/gji.1979.57.issue-3 |
[36] | Lu S, McMechan G A. Estimation of gas hydrate and free gas saturation, concentration, and distribution from seismic data. Geophysics , 2002, 67: 582-593. DOI:10.1190/1.1468619 |