考虑反演体振幅属性的窄小河道砂体刻画方法及应用: 以松辽盆地三肇凹陷南部葡萄花油层为例

代征华; 边步荣; 刘晓文; 李庆; 崔云华; 刘宗堡

doi:10.12404/j.issn.1671-1815.2506306

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (26) :11287-11296 DOI: 10.12404/j.issn.1671-1815.2506306

石油、天然气工业

考虑反演体振幅属性的窄小河道砂体刻画方法及应用: 以松辽盆地三肇凹陷南部葡萄花油层为例

代征华 ¹ ,
边步荣 ² ,
刘晓文 ¹^,^* ,
李庆 ³ ,
崔云华 ³ ,
刘宗堡 ¹

作者信息 +

Method for Characterizing Narrow Channel Sand Bodies Considering Inversion Amplitude Attributes and Its Application: Putaohua Oil Layer in the Southern Sanzhao Sag, Songliao Basin

Author information +

文章历史 +

摘要

窄小河道砂体是河流-三角洲沉积储层中剩余油挖潜的重要目标,具有“窄、薄、差”的特点。常用的预测手段中,地震属性预测方法受限于地震资料品质,识别精度有限;储层反演方法一般用于预测砂体厚度,缺少对河道类型砂体的针对性识别。提出了“厚度-振幅”双参数定量识别方法:基于窄小河道砂体相对同一沉积环境内其他砂体具有厚度相对较大、敏感曲线幅度值相对较高的特征,在反演预测砂体厚度的基础上,进一步提取反演体振幅属性,构建“厚度-振幅”双参数识别标准,将砂体类型划分为河道砂体、疑似河道砂体和非河道砂体3种类型,结合地质规律实现窄小河道刻画。以松辽盆地三肇凹陷某区块的葡萄花油层为实例,该区水下分流河道砂体厚度一般在2~3 m,地震资料主频45 Hz,利用地震属性无法对河道进行识别。而采用本文方法可以识别厚度大于1.5 m的窄小河道,利用后验井进行验证,预测符合率达到85.2%。该方法实现了针对窄小河道砂体的“双参数定量”识别,不仅显著改善了窄小河道砂体的预测效果,更能为油田开发后期剩余油挖潜提供高精度的储层空间分布依据,直接指导井网调整、补孔选层等开发工程决策,对提高油气采收率、延长油田经济寿命具有重要现实意义,具有广泛的应用前景。

Abstract

Narrow and small channel sand bodies, characterized by their “narrow, thin, and poor” properties, are considered important targets for tapping remaining oil in fluvial-deltaic sedimentary reservoirs. Conventional prediction methods exhibit limitations: seismic attribute analysis is restricted by seismic data quality, resulting in limited identification accuracy, while reservoir inversion is generally employed to predict sand thickness and lacks specificity for identifying channel-type sand bodies. A dual-parameter “thickness-amplitude” quantitative identification method was innovatively proposed. Based on the characteristics that narrow channel sand bodies possess relatively greater thickness and higher amplitude responses on sensitive logs compared to other sand bodies within the same depositional environment, an innovative dualparameter “thickness-amplitude” identification criterion was established. On the basis of sand-thickness prediction via inversion, the amplitude attribute of the inversion volume was further extracted. Sand bodies were classified into three types: channel sand bodies, suspected channel sand bodies, and non-channel sand bodies, and narrow channels were delineated by integrating geological patterns. The core innovation lies in transforming the “morphology-amplitude” recognition pattern of well logs into the “thickness-amplitude” quantitative parameters of the inversion volume, achieving a leap from qualitative description to quantitative characterization. The method is applied to the Putaohua oil layer in a block of the Sanzhao Sag, Songliao Basin, where underwater distributary channel sands are generally 2~3 m thick and seismic data have a dominant frequency of 45 Hz, under which conditions seismic attributes fail to identify channels. Using this method, narrow channels thicker than 1.5 m are successfully identified, and a prediction accuracy of 85.2% is achieved through validation with post-drilling wells. This approach realizes “dual-parameter quantitative” identification for narrow channel sand bodies. It not only significantly improves the prediction of such sand bodies, but also provides high-precision spatial distribution constraints for remaining oil targets during late-stage field development. It can directly guide development engineering decisions such as well-pattern adjustment and selective perforation, demonstrating important practical significance for enhancing hydrocarbon recovery and extending the economic life of oilfields, with broad application prospects.

Graphical abstract

关键词

窄小河道砂体 / 波形指示反演 / 砂体厚度 / 反演体振幅 / 松辽盆地三肇凹陷

Key words

narrow and small channel sand bodies / waveform indication inversion / sand body thickness / inversion amplitude / Sanzhao Sag, Songliao Basin

引用本文

引用格式 ▾

代征华, 边步荣, 刘晓文, 李庆, 崔云华, 刘宗堡. 考虑反演体振幅属性的窄小河道砂体刻画方法及应用: 以松辽盆地三肇凹陷南部葡萄花油层为例[J]. 科学技术与工程, 2026, 26(26): 11287-11296 DOI:10.12404/j.issn.1671-1815.2506306

DAI Zheng-hua, BIAN Bu-rong, LIU Xiao-wen, LI Qing, CUI Yun-hua, LIU Zong-bao. Method for Characterizing Narrow Channel Sand Bodies Considering Inversion Amplitude Attributes and Its Application: Putaohua Oil Layer in the Southern Sanzhao Sag, Songliao Basin[J]. Science Technology and Engineering, 2026, 26(26): 11287-11296 DOI:10.12404/j.issn.1671-1815.2506306

登录浏览全文

4963

注册一个新账户忘记密码

窄小河道是指在河流沉积体系中规模较小的河道,或者在三角洲前缘沉积环境中形成的小规模、宽度较窄的水下分流河道^[1-4]。窄小河道砂体通常具有窄、薄、差的特点,即河道砂体宽度小(一般小于300 m)、单砂体厚度薄(2~3 m)、物性与含油性相对较差^[2-3]。由于窄小河道一般呈单砂体存在,注采难度大,使得窄小河道砂体成为剩余油的富集区,是河流-三角洲沉积储层开发后期剩余油挖潜的重要目标^[5-6]。

地震属性分析是进行井间河道展布预测的常用方法^[7-9]。该方法通过分析地震资料中的振幅、频率、相位等属性,利用井资料对河道砂体的地震响应特征进行标定,并据此对井间河道进行预测。为了充分挖掘地震信息,还可以对地震资料进行频谱分解,使其更加聚焦某一频率的反射信息。进一步可以开展RGB(red green blue)属性融合^[10-12],该方法通过3种颜色代表3种频率体(或属性体)进行融合显示,从而凸显出岩性体的细微变化。除此之外,一些数学统计方法(如多元回归分析^[13]、主成分分析结合判别分析^[14]、随机森林结合模糊判别^[15]等)以及BP(back propagation)神经网络分析方法^[3]也应用于对地震属性的分析中。但总体而言,地震属性相关的分析方法始终是依赖于地震资料的品质。根据威迪斯准则^[16],地震资料可检测单一薄层存在的最小厚度是1/8波长(λ/8)。例如,地震主频50 Hz、速度3 500 m/s时,λ/8≈8.75 m。也就是说,对于大部分地震资料(主频一般不超过50 Hz),能够识别的最薄单一储层厚度很难小于8.75 m。当存在多套岩层、岩层厚度小于λ/8时,由于干涉作用,地震波表现为多套薄层的综合反映^[17]。此时虽然地震资料也有响应,但难以区分开各个薄层。因此,地震属性分析相关的技术难以实现薄互层的窄小河道预测。

储层反演技术将测井数据作为高频信息引入到地震资料中,弥补了地震资料高频信息不足的缺陷,可以实现薄层砂体的预测。其中,波形指示反演是目前应用较为广泛的储层反演技术^[18-20]。相对其他反演手段(如稀疏脉冲反演、地质统计学反演等),该技术考虑了地震波形的变化,在提高了垂向分辨率的同时,对于井间薄层砂体预测方面具有良好的效果,分辨率接近测井尺度^[21-24]。在砂体定量预测的基础上,前人根据砂体厚度的变化趋势,对河道展布进行刻画^[25-27]。但是对于窄小河道而言,由于砂体厚度薄,河道砂体与非河道砂体厚度差异不明显。因此在砂体厚度定量预测的同时,还需要引入其他参数对砂体类型进行区分^[28]。

针对地震属性识别精度低、反演砂体厚度区分窄小河道效果差的实际问题,现提出以波形指示反演技术为基础,进一步提取反演体振幅属性参数,探讨反演体振幅、砂体厚度与窄小河道的相关关系,建立窄小河道的“双参数”识别标准。通过松辽盆地三肇凹陷肇293区块葡萄花油层的实际应用,明确该方法对提高窄小河道砂体预测的准确性,为油田开发后期高精度剩余油描述与挖潜提供直接、有效的技术手段。

1 研究区概况

三肇凹陷是松辽盆地的富油凹陷。在葡萄花油层沉积时期,盆地基底稳定沉降,凹陷区域广阔且坡度平缓,发育了大型浅水三角洲沉积体系^[29]。研究区位于松辽盆地三肇凹陷的南部(图1),目的层位为葡萄花油层,发育PI1₁~PI9共13个沉积单元,总厚度仅30 m左右,在地震剖面上仅大致对应3个相位。区内共有钻井324口,已钻遇单层砂岩最大厚度为2.2 m,平均1.16 m,其中河道砂体平均厚度约为1.3 m,自北向南砂体厚度逐渐减薄^[30]。在平均井距约220 m/口的密井网控制下,揭示水下分流河道宽度为100~300 m,属于窄小河道。河道砂体平均孔隙度为16.6%,平均渗透率为16.3 mD,在三角洲前缘亚相环境中作为有利储层,是剩余油挖潜的主要目标。

2 地震属性响应情况分析

受地震资料垂向分辨率的限制,地震属性往往难以识别薄层砂体^[31]。但考虑到地震数据的直接性与客观性,在实际应用过程中,依然习惯于先尝试对地震属性进行分析,在明确地震属性效果不佳的前提下,探讨其他预测手段。因此,基于实例资料,首先分析地震属性对河道砂体的响应情况。

在对葡萄花油层进行合成记录精细标定以及顶底界面精细解释的基础上,利用井分层数据对各沉积单元地震界面进行劈分,提取各沉积单元不同类型的地震属性,如均方根振幅属性、分频振幅属性等。观察属性特征与钻井所揭示河道的匹配情况,统计不同属性数值与砂岩厚度的相关性。以PI2₂沉积单元层为例(图2),所提取的各类地震属性中大多看不出明显的条带状河道形态,即便个别属性的部分位置存在疑似河道的形态,也无法跟钻井揭示的河道进行匹配。而各类属性数值与砂岩厚度之间也没有良好的相关关系,相关系数最大的为80 Hz分频振幅属性,相关系数也仅有0.145。另外,笔者也尝试了不同类型属性、不同频率属性的RGB融合显示,效果依然不理想。

综上所述,对于本实例研究区,地震属性无法识别窄小河道砂体,需要尝试新的识别与预测方法。

3 考虑反演体振幅属性刻画窄小河道砂体

3.1 方法原理

利用测井曲线识别窄小河道是较为直接且准确的方法。常用的测井曲线包括电阻率、自然伽马等。窄小河道在测井曲线上一般表现为箱状形态、正韵律特征(图3),同一沉积环境中厚度相对其他砂体而言较厚[图4(a)]、曲线幅度值较高[图4(b)]。

所提出的井间窄小河道砂体预测方法则是基于上述测井曲线识别河道原理,将测井曲线的“形态-幅度”响应特征转化为反演体的 “厚度-振幅”量化参数,利用波形指示反演技术,对识别河道效果好的测井曲线进行模拟反演,获得测井曲线的模拟反演体。利用该反演体可以获得砂体厚度,另一方面,其振幅信息也代表了参与反演的测井曲线振幅。通过厚度和振幅两个参数,建立窄小河道砂体的识别标准,提高窄小河道预测的准确性。需要说明的是,反演体精度有限,不能像真实测井曲线一样反映出形态及韵律性的差异,用于窄小河道砂体识别效果较好,而其他类型砂体由于厚度及振幅值差异较小则难以区分。

3.2 实现步骤

基于波形指示反演对窄小河道砂体预测方法的实现步骤如下。

(1)基础数据准备。包括:对地震数据进行重采样、测井曲线预处理、合成记录标定、地震层位解释、建立框架模型等。

(2)窄小河道敏感曲线优选。结合岩心资料确定窄小河道的测井曲线响应特征,优选出河道特征明显、区分砂泥岩效果好的曲线作为反演指示曲线。

(3)保留部分井作为后验井,以步骤(2)优选出的曲线作为指示曲线开展波形指示反演,获得反演数据体。

(4)建立窄小河道的识别标准。利用已知井资料,获取不同微相砂体厚度和反演体振幅值,通过统计,确定识别河道与非河道的砂体厚度阈值与反演体振幅阈值。将砂体类型划分为河道砂体、疑似河道砂体和非河道砂体三种类型。

(5)窄小河道预测符合率分析。针对步骤(3)中保留的后验井,利用步骤(4)统计得出的阈值进行符合率检验。若符合率达到要求,则往下进行;若未达到要求,则分析原因并调整方案。

(6)窄小河道刻画。将砂体厚度与反演体振幅符合阈值的区域进行叠合。有井处以井为准,无井处根据叠合情况作为窄小河道识别依据。最后,结合物源方向与地质规律对窄小河道进行合理刻画。

3.3 应用实例

下面将结合实例区资料介绍本方法的实现过程。其中步骤(1)“基础数据准备”与步骤(3)“开展波形指示反演”流程较为常规,本文不做具体阐述。

3.3.1 窄小河道敏感曲线优选

实例区位于松辽盆地三肇凹陷,前人研究已经明确电阻率曲线与自然伽马曲线在窄小河道微相识别中效果较好,表现出明显的箱状或钟形的形态特征,且偏离基线的幅度值高。为了更精细地优选敏感曲线,利用直方图法进一步对常用的电阻率曲线与伽马曲线进行对比分析(图5)。结果表明,在岩性区分方面,自然伽马曲线与微电阻率曲线均可明显区分砂泥岩,但是自然伽马射线值域分布更均衡;在微相区分方面,同样是自然伽马曲线具有更高的识别准确性。因此,选择自然伽马射线值作为波形指示反演的敏感参数。

3.3.2 窄小河道识别标准

以伽马曲线作为反演指示曲线进行波形指示反演(保留部分后验井不参与反演),获得预测砂体厚度。然后对伽马反演数据体提取振幅属性,获得伽马反演振幅值。将各沉积单元的砂体分为水下分流河道砂与非水下分流河道砂(或河间砂)两类。基于砂体厚度与伽马反演振幅值对两类砂体进行交汇分析,确定各沉积单元河道与非河道的区分阈值。

图6选择了研究区葡萄花油层主体河道较为发育的4个沉积单元进行展示。图6中可以看出水下分流河道相对非水下分流河道砂(或河间砂)具有砂体厚度大、伽马反演振幅值低的特征。不同沉积单元的区分阈值略有不同,通过取平均值,将砂体厚度阈值确定为1.5 m、伽马反演振幅阈值确定为110 API。利用这两个参数,将交汇图划分为4个区域,对应河道砂体、疑似河道砂体和非河道砂体3种类型:砂体厚度≥1.5 m且伽马反演振幅≤110 API范围主要为水下分流河道砂体;砂体厚度<1.5 m且伽马反演振幅>110 API范围主要为非水下分流河道砂(或河间砂);另外两个区域内两种砂体区分不明显,属于过渡区(即疑似河道砂体),在河道刻画时需要结合已知河道的走向进行判断。

3.3.3 窄小河道预测符合率分析

利用未参与反演的35口后验井进行精度检验。首先,从反演剖面上可以比较直观地看出(图7):水下分流河道砂体厚度大、反演振幅值低,而非河道砂体厚度小、反演振幅值较高;后验井与反演结果具有良好的吻合性。进一步统计这35口后验井的河道与非河道的预测砂体厚度与伽马反演振幅值,依据窄小河道识别标准,对符合情况进行统计(表1):预测属于水下分流河道(砂体厚度≥1.5 m且伽马反演振幅≤110 API)的数据点共有54个,符合条件的有46个,不符合的有8个,总符合率达到85.2%。

3.3.4 窄小河道刻画

在符合率满足要求的前提下,根据窄小河道识别标准,分别将各沉积单元的砂体厚度图及伽马反演振幅图按照识别阈值划分区域。以PI22沉积单元为例,将砂岩厚度图中厚度≥1.5 m的区域与伽马反演振幅图中振幅值≤110 API的区域进行叠合,然后根据实际井资料以及叠合图进行河道刻画,如图8所示。有井处以井为准,无井处根据叠合情况作为窄小河道识别依据,即叠合区为窄小河道发育区,空白区为非窄小河道发育区,疑似河道区根据河道发育规律进行合理判断。同时考虑到本区物源来自北部或者西北部,而本次河道刻画结果具有向东南部发散的特征,符合地质规律。

4 结论

(1)基于窄小河道砂体相对同一沉积环境内其他砂体具有厚度相对较大、敏感曲线幅度值相对较高的特征,建立了窄小河道砂体的刻画方法:在反演预测砂体厚度的基础上,进一步提取反演体振幅属性,利用厚度与振幅两个参数,将砂体类型划分为河道砂体、疑似河道砂体和非河道砂体3种类型,结合地质规律实现窄小河道刻画。该方法突破了传统地震属性依赖资料品质、储层反演仅侧重厚度预测的技术局限,实现了窄小河道砂体的“双参数定量”识别,解决了薄互层条件下窄小河道砂体“识别难、精度低”的技术难题。

(2)在松辽盆地三肇凹陷南部三角洲前缘水下分流河道砂体预测的实际应用中,首先尝试了地震属性分析方法,因受限于地震资料的垂向分辨率,窄小河道砂体难以识别;转而应用本方法,建立了窄小河道砂体识别标准为砂体厚度≥1.5 m且伽马反演振幅≤110 API,通过后验井验证在该标准下窄小河道符合率达到85.2%,证实本文方法显著改善了窄小河道砂体的预测效果。

(3)本文方法可广泛应用于河流-三角洲沉积环境下的窄小河道砂体刻画,具有重要的推广应用价值。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	杨春生, 姜岩, 宋宝权, 等. 小河道薄砂层井震联合识别技术及应用--以大庆长垣西部AGL地区为例[J]. 石油地球物理勘探, 2022, 57(1): 159-167.

[2]	Yang Chunsheng, Jiang Yan, Song Baoquan, et al. Recognition technology integrating logging and seismic data for thin sand reservoir in narrow channel and its application: taking the AGL area in western Daqing Placanticline as an example[J]. Oil Geophysical Prospecting, 2022, 57(1): 159-167.

[3]	李占东, 张丽双, 李阳, 等. 基于多次迭代属性融合技术的河道砂刻画--以大庆油田扶余油层Z区为例[J]. 地球物理学进展, 2017, 32(3): 1161-1168.

[4]	Li Zhandong, Zhang Lishuang, Li Yang, et al. Channel sand characterization based on the fusion of multiple iterative attributes: a case study of Z area of Fuyu oil layer in Daqing Oil Field[J]. Progress in Geophysics, 2017, 32 (3): 1161-1168.

[5]	石荣. 地震属性分析技术在储层精细描述中的应用[J]. 大庆石油地质与开发, 2019, 38(3): 138-143.

[6]	Shi Rong. Application of seismic attribute analysis technology in fine reservoir description[J]. Petroleum Geology & Oilfield Deve-lopment in Daqing, 2019, 38(3): 138-143.

[7]	徐立恒, 楚文静, 马浩楠, 等. 基于叠前地震数据五维信息的薄互储层预测方法[J]. 中国石油大学学报(自然科学版), 2022, 46(1): 53-61.

[8]	Xu Liheng, Chu Wenjing, Ma Haonan, et al. Prediction method of thin interbank based on five-dimensional information of prestack seismic data[J]. Journal of China University of Petroleum (Natural Science Edition), 2022, 46 (1): 53-61.

[9]	杨会东, 刘晨旭, 王阳, 等. 大庆长垣油田三角洲前缘小地质体的精细刻画及高效挖潜方式[J]. 大庆石油地质与开发, 2025, 44(5): 162-170.

[10]	Yang Huidong, Liu Chenxu, Wang Yang, et al. Fine characterization and efficient potential tapping strategy for small geobodies in delta front of Daqing Placanticline Oilfield[J]. Petroleum Geology & Oilfield Development in Daqing, 2025, 44(5): 162-170.

[11]	魏启任, 谢明英, 刘伟新, 等. 番禺油田钙质夹层分布特征及剩余油挖潜[J]. 科学技术与工程, 2025, 25(29): 12421-12429.

[12]	Wei Qiren, Xie Mingying, Liu Weixin, et al. Distribution characteristics of calcareous interbeds and tapping potential of remaining oil[J]. Science Technology and Engineering, 2025, 25(29): 12421-12429.

[13]	熊平, 刘英辉, 娄敏, 等. 东海盆地西湖凹陷X油田辫状河三角洲隔夹层成因与分布[J]. 科学技术与工程, 2024, 24(31): 13327-13334.

[14]	Xiong Ping, Liu Yinghui, Lou Min, et al. Genesis and distribution of braided river delta interlayer in X Oilfield of Xihu Sag, East China Sea Basin[J]. Science Technology and Engineering, 2024, 24(31): 13327-13334.

[15]	Li J, Li X, Wang L, et al. Application of seismic attribute analysis in Ordovician reservoir prediction in Hechuan Tongnan exploration area, Sichuan Basin[J]. Journal of Physics: Conference Series, 2024, 2834 (1): 012205.

[16]	孙乐, 房茂军, 任艳, 等. 北部湾盆地乌石凹陷始新统厚薄交互储层定量表征方法[J]. 科学技术与工程, 2023, 23(20): 8521-8529.

[17]	Sun Le, Fang Maojun, Ren Yan, et al. Quantitative characterization of eocene thick and thin interaction reservoirs in Wushi Sag, Beibuwan Basin[J]. Science Technology and Engineering, 2023, 23(20): 8521-8529.

[18]	曲丽丽, 段健, 余成林, 等. 辫状河三角洲前缘水下分流河道精细刻画方法: 以南堡凹陷M油田东一段为例[J]. 地质科技通报, 2023, 42(3): 134-141.

[19]

Qu Lili, Duan Jian, Yu Chenglin, et al. Fine description method of the underwater distributary channel in a braided river delta front: a case study of the first Member of the Dongying Formation in the M Oilfield, Nanpu Depression[J]. Bulletin of Geological Science and Technology, 2023, 42(3): 134-141.

[20]	于海波, 许鹏, 李龙, 等. 渤海海域明化镇组下段砂体构型与连通性分析[J]. 中国海上油气, 2024, 36(4): 72-83.

[21]	Yu Haibo, Xu Peng, Li Long, et al. Analysis of sand architecture and connectivity in lower member of Minghuazhen Formation in Bohai Sea[J]. China Offshore Oil and Gas, 2024, 36(4): 72-83.

[22]	Zeng H. Thickness imaging for high-resolution stratigraphic interpretation by linear combination and color blending of multiple-frequency panels[J]. Interpretation, 2017, 5(3): T411-T422.

[23]	王彦仓, 秦凤启, 杜维良, 等. 地震属性优选、融合探讨[J]. 中国石油勘探, 2013, 18(6): 69-73.

[24]	Wang Yancang, Qin Fengqi, Du Weiliang, et al. Discussions on optimization and fusion of seismic attributes[J]. China Petroleum Exploration, 2013, 18(6): 69-73.

[25]	姜岩, 杨春生, 李文艳, 等. 利用地震主分量分析和 Fisher 判别预测窄小河道砂体[J]. 石油地球物理勘探, 2018, 53(6): 1283-1290.

[26]	Jiang Yan, Yang Chunsheng, Li Wenyan, et al. Narrow-channel sand prediction with seismic principal components and Fisher discriminant analysis[J]. Oil Geophysical Prospecting, 2018, 53(6): 1283-1290.

[27]	刘宗堡, 李雪, 郑荣华, 等. 浅水三角洲前缘亚相储层沉积特征及沉积模式: 以大庆长垣萨北油田北二区萨葡高油层为例. 岩性油气藏, 2022, 34(1): 1-13.

[28]	Liu Zongbao, Li Xue, Zheng Ronghua, et al. Sedimentary characteristics and models of shallow water delta front subfacies reservoirs: a case study of Sapugao oil layer in north-block of Sabei Oilfield, Daqing placanticline[J]. Lithologic Reservoirs, 2022, 34(1): 1-13.

[29]	Widess M B. Quantifying resolution power of seismic systems[J]. Geophysics, 1982, 47 (8): 1160-1173.

[30]	唐文榜, 刘来祥, 樊佳方, 等. 地震可检测性分辨率研究[J]. 石油物探, 2012, 51(2): 107-118.

[31]	Tang Wenbang, Liu Laixiang, Fan Jiafang, et al. Research on seismic detectable resolution[J]. Geophysical Prospecting for Petroleum, 2012, 51(2): 107-118.

[32]	魏敏, 李守济, 时秀朋, 等. 波形指示反演在准中庄3工区薄储层预测中的应用[J]. 石油物探, 2021, 60(4): 643-651.

[33]	Wei Min, Li Shouji, Shi Xiupeng, et al. Application of a seismic motion inversion method for thin reservoirs prediction in the Zhuang-3 block of the Central Junggar Basin[J]. Geophysical Prospecting for Petroleum, 2021, 60(4): 643-651

[34]	熊晓军, 罗海龙, 肖尧, 等. 基于波形指示反演方法的川中二叠系栖霞组薄储层预测研究[J]. 地球物理学进展, 2022, 37 (6): 2460-2468.

[35]	Xiong Xiaojun, Luo Hailong, Xiao Yao, et al. Thin reservoir prediction of Permian Qixia Formation in central Sichuan Basin based on waveform indication inversion method[J]. Progress in Geophysics, 2022, 37(6): 2460-2468.

[36]	李营辉, 熊晓军, 王朝, 等. 渤海N区复杂变质岩潜山储层定量预测方法[J]. 科学技术与工程, 2025, 25(31): 13260-13270.

[37]	Li Yinghui, Xiong Xiaojun, Wang Chao, et al. Quantitative prediction method of complex metamorphic rock buried hill reservoir in Bohai N Area[J]. Science Technology and Engineering, 2025, 25(31): 13260-13270.

[38]	王延光, 李皓, 李国发, 等. 一种用于薄层和薄互层砂体厚度估算的复合地震属性[J]. 石油地球物理勘探, 2020, 55(1): 153-160.

[39]	Wang Yanguang, Li Hao, Li Guofa, et al. A composite seismic attribute used to estimate the sand thickness for thin bed and thin interbed[J]. Oil Geophysical Prospecting, 2020, 55(1): 153-160.

[40]	周自强, 朱正平, 潘仁芳, 等. 基于波形相控反演的致密砂岩储层模拟预测方法--以黄骅坳陷沧东凹陷南部古近系孔二段为例[J]. 岩性油气藏, 2024, 36(5): 77-86.

[41]

Zhou Ziqiang, Zhu Zhengping, Pan Renfang, et al. Simulation and prediction of tight sandstone reservoirs based on waveform facies-controlled inversion: a case study from the second member of Paleogene Kongdian Formation in southern Cangdong Sag, Huanghua Depression[J]. Lithologic Reservoirs, 2024, 36 (5): 77-86.

[42]	邱玉超, 许强, 李一博, 等. 四川盆地天府地区上三叠统须家河组四段致密储层砂体刻画及有利储层预测[J]. 特种油气藏, 2024, 31(3): 18-26.

[43]	Qiu Yuchao, Xu Qiang, Li Yibo, et al. Characterization of tight sandstone reservoirs and prediction of favorable formation in the fourth member of the Upper Triassic Xujiahe Group in the Tianfu Area of the Sichuan Basin[J]. Special Oil & Gas Reservoirs, 2024, 31(3): 18-26.

[44]	杨会东, 梁宇, 徐立恒, 等. 密井网区叠前高分辨率反演及其在薄储层预测的应用[J]. 大庆石油地质与开发, 2024, 43(5): 132-141.

[45]	Yang Huidong, Liang Yu, Xu Liheng, et al. Pre-stack high-resolution inversion for dense well pattern area and its application in thin reservoirs prediction[J]. Petroleum Geology & Oilfield Deve-lopment in Daqing, 2024, 43(5): 132-141.

[46]	石楠, 刘源, 冷玥, 等. 基于低频模型优化的相控地质统计学反演方法及应用[J]. 新疆石油地质, 2023, 44(3): 375-382.

[47]	Shi Nan, Liu Yuan, Leng Yue, et al. Method and application of facies-controlled geostatistical inversion based on low-frequency model optimization[J]. Xinjiang Petroleum Geology, 2023, 44 (3): 375-382.

[48]	梁宇, 徐立恒, 黄伟, 等. 油田开发后期叠前反演薄储层预测技术及其应用[J]. 大庆石油地质与开发, 2025, 44(5): 52-61.

[49]	Liang Yu, Xu Liheng, Huang Wei, et al. Pre-stack inversion thin reservoir prediction technology and its application in late stage of oilfield development[J]. Petroleum Geology & Oilfield Development in Daqing, 2025, 44(5): 52-61.

[50]	曹洪. 大庆长垣外围葡萄花油层河道砂储层单砂体精细刻画新方法[J]. 中外能源, 2023, 28(7): 33-41.

[51]	Cao Hong. A new method for fine characterization of single sand bodies in the grape flower oil reservoir of the peripheral area of Daqing Changyuan[J]. Energy from China and Abroad, 2023, 28(7): 33-41.

[52]	杨志浩, 姚宗全, 汪勇, 等. 准噶尔盆地南缘大龙口剖面二叠系梧桐沟组沉积相剖析[J]. 科学技术与工程, 2025, 25(4): 1338-1348.

[53]	Yang Zhihao, Yao Zongquan, Wang Yong, et al. Sedimentary phase analysis of the Permian Wutonggou Formation in the Dalongkou section of the southern Junggar Basin[J]. Science Technology and Engineering, 2025, 25(4): 1338-1348.

[54]	卜春明. 松辽盆地北部三肇凹陷扶余致密油层浅水三角洲沉积特征及演化[J]. 特种油气藏, 2021, 28(4): 62-71.

[55]	Bu Chunming. Sedimentary characteristics and evolution of shallow water delta in Fuyu tight oil reservoir in Sanzhao Sag, northern Songliao Basin[J]. Special Oil & Gas Reservoirs, 2021, 28 (4): 62-71.

[56]	秦迎峰. 松辽盆地三肇凹陷葡萄花油层油气成藏主控因素及成藏模式[J]. 特种油气藏, 2023, 30(4): 28-34.

[57]	Qin Yingfeng. The main controlling factors and reservoir formation models of oil and gas in the Putaohua oil reservoir in the Sanzhao depression of the Songliao Basin[J]. Special Oil & Gas Reservoirs, 2023, 30(4): 28-34.

[58]	张海峰, 黄旭日, 张俊, 等. 基于导航金字塔的强地震约束建模方法--以胜利油田沙二段河流相为例[J]. 石油地球物理勘探, 2024, 59(6): 1197-1205.

[59]	Zhang Haifeng, Huang Xuri, Zhang Jun, et al. Strong seismic constraint modeling based on steerable pyramid: a case study of fluvial facies in Sha-2 member in Shengli Oilfield[J]. Oil Geophysical Prospecting, 2024, 59(6): 1197-1205.