CN108983288A - 基于时频谱图像特征分析的油水识别方法 - Google Patents
基于时频谱图像特征分析的油水识别方法 Download PDFInfo
- Publication number
- CN108983288A CN108983288A CN201710398219.5A CN201710398219A CN108983288A CN 108983288 A CN108983288 A CN 108983288A CN 201710398219 A CN201710398219 A CN 201710398219A CN 108983288 A CN108983288 A CN 108983288A
- Authority
- CN
- China
- Prior art keywords
- time
- frequency
- frequency spectrum
- reservoir
- grease
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 74
- 239000004519 grease Substances 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004458 analytical method Methods 0.000 title claims abstract description 15
- 239000012530 fluid Substances 0.000 claims abstract description 38
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 claims abstract description 12
- 238000009826 distribution Methods 0.000 claims abstract description 11
- 230000003595 spectral effect Effects 0.000 claims abstract description 9
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- 238000010191 image analysis Methods 0.000 claims abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 230000009131 signaling function Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 239000003921 oil Substances 0.000 description 16
- 238000005553 drilling Methods 0.000 description 5
- 239000011435 rock Substances 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 208000035126 Facies Diseases 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000006549 dyspepsia Diseases 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提出了一种基于时频谱图像特征分析的油水识别方法，包括以下步骤：步骤S10：提取待识别油水性质的井点目的储层的地震资料，对地震资料进行频谱信号分析。根据频谱分布范围和地震主频，利用匹配追踪时频谱图像分析技术获得过井地震道的时频谱能量分布；步骤S20：对时频谱进行归一化处理；步骤S30：根据时频谱中井点目的储层所对应的时间区间中时频谱图像特征来识别储集体中的流体充填性质。采用本发明中的方法对碳酸盐缝洞储集体中的流体充填性质进行识别时，流体识别结果与实际生产井吻合率高，利用时频谱特征分析识别碳酸盐岩储层的储集体中流体充填性质的结构可靠。
Description
技术领域
本发明涉及一种基于地震时频谱分析识别超深层碳酸盐岩缝洞储集体流体充填性质的方法，属于石油地球物理勘探中的油水识别领域。
背景技术
对于含油气储层的流体识别，国内外学者在砂岩储层中进行了大量研究，但针对碳酸盐岩储层的流体识别尚处于探索研究阶段。国内学者针对BL地区长兴组地层碳酸盐岩礁滩相岩性油气藏具有埋藏深、油气分布不均匀的特征，运用黏滞弥散型波动方程模拟储层地震响应特征，利用频率衰减梯度属性和低频伴影现象识别储层含气性。还有研究人员开展了基于频谱特征差异的储层流体识别研究，以高频段振幅差异特征为依据识别洞穴与坍塌－充填洞穴的流体性质。
目前基于匹配追踪算法进行地震信号的分解重构分解的技术被应用到地震属性分析研究的各个领域中，有学者利用基于雷克子波原子库的MP算法对地震信号进行稀疏分解，进而可实现对地下地质体的高精度波阻抗反演，另有将该算法用于瞬时谱识别来确定三角洲砂体尖灭线，以及利用MP谱分解算法进行峰值瞬时频率薄层反演，同时进行含气储层的烃类检测。
首先，现有基于叠前地震资料的储层流体识别技术计算量大、对资料要求高。而且在碳酸盐岩缝洞型储集体中，油藏的主体是规模较大的流体充填溶洞，而大型洞穴中的流体不传播横波，无法提取像砂岩储层中辨识油、气、水的有效弹性参数，如纵、横波速度和弹性模量等，因此叠前弹性反演技术的应用受到限制。另外，基于地震属性分析的识别方法受地层埋深、岩性、厚度、温度、压力等多种因素的影响，多解性较强，运算结果的岩石物理意义不够清晰，解释难度较大。
发明内容
针对上述技术问题，本发明提出了一种基于时频谱图像特征分析的油水识别方法，包括以下步骤：
步骤S10：提取待识别油水性质的井点目的储层的地震资料，对地震资料进行频谱信号分析。根据频谱分布范围和地震主频，利用匹配追踪时频谱图像分析技术获得过井地震道的时频谱能量分布；
步骤S20：对时频谱进行归一化处理；
步骤S30：根据时频谱中井点目的储层所对应的时间区间中时频谱图像特征来识别储集体中的流体充填性质。
在一个具体的实施例中，当所述时间区间中的时频谱图像呈朝向频率减小的方向凸出的拱形，并且在此时间区间内的时频谱的频率小于主频，则所述井点目的储层的储集体中的流体含油量比含水量高。
在一个具体的实施例中，当所述时间区间中的时频谱图像呈朝向频率增大的方向凸出的拱形，并且在此时间区间内的时频谱的频率大于主频，则所述井点目的储层的储集体中的流体含水量比含油量高。
在一个具体的实施例中，当所述时间区间中的时频谱图像向高频方向迁移，并且在此时间区间内的时频谱的频率大于30Hz，则所述井点目的储层的储集体中不含水也不含油。
在一个具体的实施例中，当所述时间区间中的时频谱图像沿平行于时间轴的方向延伸，并且在此时间区间内的时频谱的频率大于30Hz，则该储层中没有储集体发育。
在一个具体的实施例中，步骤S10包括步骤S01～S03，
步骤S01：对地震信号进行稀疏分解，构建字典矩阵D；
步骤S02：采用匹配追踪算法，把地震信号函数y垂直投影到字典矩阵D的原子上进行重复的迭代估算，直至残值信号小于或等于预设的阈值，将进行迭代过的原子的线性和再加上最后的残差值来表示地震信号；
步骤S03：采用时频谱来表示地震信号分布。
在一个具体的实施例中，在步骤20中，时频谱中的每个向量||xi||＝1。
在一个具体的实施例中，主频为25Hz。
采用本发明中的方法对碳酸盐缝洞储集体中的流体充填性质进行识别时，流体识别结果与实际生产井吻合率高，利用时频谱特征分析识别碳酸盐岩储层的储集体中流体充填性质的结构可靠。
附图说明
在下文中将基于实施例并参考附图来对本发明进行更详细的描述。其中：
图1为本发明的一个实施例中的基于时频谱图像特征分析的油水识别方法的流程图；
图2为本发明的一个实施例中井点目的层地震资料的频谱分布图；
图3为本发明的一个实施例中未进行归一化处理的过井地震道的时频二维谱图像；
图4为本发明的一个实施例中完成归一化处理的过井地震道的时频二维谱图像；
图5为本发明的一个实施例中显示了储集体中含油量较高的储层的时频谱特征的时频谱图像；
图6为本发明的一个实施例中显示了储集体中含水量较高的储层的时频谱特征的时频谱图像；
图7为本发明的一个实施例中显示了不含储集体的储层的时频谱特征的时频谱图像；
图8为本发明的一个实施例中显示了储集体发育程度低的储层的时频谱特征的时频谱图像。
在附图中，相同的部件使用相同的附图标记。附图并未按照实际的比例绘制。
具体实施方式
下面将结合附图对本发明作进一步说明。
图1显示了本发明的一个实施例中的基于时频谱图像特征分析的油水识别方法的流程图，该油水识别方法用于识别碳酸盐缝洞储集体中的流体充填性质。该油水识别方法包括以下步骤：
步骤S10：提取待识别油水性质的井点目的储层的地震资料，对地震资料进行频谱信号分析。根据频谱分布范围和地震主频，利用匹配追踪时频谱图像分析技术获得过井地震道的时频谱能量分布。步骤S10包括步骤S01～S03。
图2中的显示了塔河油田的井点储层的频谱分布状况，塔河油田的井点储层频谱范围为5-70Hz，主频为25Hz。
步骤S01：对地震信号进行稀疏分解，构建字典矩阵D。
字典矩阵D为进行原始信号稀疏分解后的函数集合。构建字典矩阵D的方法为本领域的现有技术，在此不再赘述。在本实施例中，将井点目的储层地震信号函数y采用一组向量{x1,x2,x3,...xn}来表示，被表示的地震信号的长度为n，这组向量构成字典矩阵D。字典矩阵D中的每个向量x为一个原子。每个原子由其所对应的子波的振幅、中心时间、波峰频率和相位构成的四维向量表示。原子的长度与被表示的地震信号y的长度n相同。
步骤S02：采用匹配追踪算法，把地震信号函数y垂直投影到字典矩阵D的原子上进行重复的迭代估算，直至残值信号小于或等于预设的阈值，将进行迭代过的原子的线性和再加上最后的残差值来表示地震信号。
选择一个与原始信号匹配最佳的时频原子线性组合，构建一个稀疏逼近，并求出信号残差R，然后继续选择与信号残差最匹配的原子，反复迭代，地震信号y由这些原子来线性和，再加上最后的残差值来表示。
给定匹配准则终止条件参数，即如果残差值在预设的阈值以内，则地震信号y就是该原子的线性组合。
地震信号函数y的表达式为：
y＝<y,xn>xn+Rmy (1)
(1)式中，y为井点目的储层地震信号函数；<y,xn>为原始信号y与迭代时所选原子Xn的内积；Rmy为第m次迭代的残差值。
在每次迭代过程中都是先找出与原始信号最相关的原子xn，为了使<y,xn>xn与原始信号y最逼近，残差值Rmy尽可能小，内积项<y,xn>应尽可能大。匹配追踪以其优越的自适应特征,采用具有良好时间、频率分辨率的时-频原子对地震信号不断寻找最佳匹配,真实准确地对地震信号进行时频分解,减少了频谱中交叉项的干扰。
步骤S03：采用时频谱来表示地震信号分布。
将一维的时间信号转换到二维的时间-频率平面上，这样能较好地反映地震信号的时频特征。
步骤S20：对时频谱进行归一化处理。
对每一个时间—频率谱序列进行归一化，即将时频谱中的每个向量||xi||＝1。由于不同地震波时-频反应峰值不同。如图3所示，现有的时频谱分析表征为能量团的显示方式，在时间-尺度平面上展开的时频分布,尺度与频率之间的关系难以理解，不便于识别分析。
在本实施例中，对二维时频谱进行归一化处理，即采用以下算式对时频谱进行归一化转换：
(2)式中，Xmin为样本中的最小值，Xmax为样本中的最大值。
如图4所示，归一化后的二维谱能够在频率坐标轴上同时描述连续和离散时间信号的频率变化图像，便于识别频率范围，确定充有不同流体的储层频率界限值。
步骤S30：根据时频谱中井点目的储层所对应的时间区间中时频谱图像特征来识别储集体中的流体充填性质。
在图5～8中，井点目的储层所对应时间区间为T74至T74+60ms之间的部分。
如图5所示，当所述时间区间中的时频谱图像呈朝向频率减小的方向凸出的拱形，并且在此时间区间内的时频谱的频率小于主频，则所述井点目的储层的储集体中的流体含油量比含水量高。
含油量是指储集体中原油的体积占流体体积的百分比；含水量是指储集体中地下水的体积占流体体积的百分比。
如图6所示，当所述时间区间中的时频谱图像呈朝向频率增大的方向凸出的拱形，并且在此时间区间内的时频谱的频率大于主频，则所述井点目的储层的储集体中的流体含水量比含油量高。
如图7所示，当所述时间区间中的时频谱图像向高频方向迁移，并且在此时间区间内的时频谱的频率大于30Hz，则所述井点目的储层的储集体中不含水也不含油。
如图8所示，当所述时间区间中的时频谱图像沿平行于时间轴的方向延伸，并且在此时间区间内的时频谱的频率大于30Hz，则该储层中没有储集体发育。
采用本方法能预测待钻井目的储层是否含有流体及流体性质，可以用于指导生产。
对比例1
采用本方法对塔河超深层碳酸盐岩储层中的储集体中的流体进行油水性质识别时，先对多个井点目的储层中的油水性质进行识别，然后与在该油藏区域钻取的247口井的测井资料进行验证。其中，认为储集体中的流体含油量比含水量高的情况的吻合率为86％，认为该储层的储集体中的流体含水量比含油量高的情况的吻合率为68.4％，认为储层中没有储集体以及储集体发育程度低的吻合率为76.9％。上述统计没有考虑钻后酸压、大型压裂和注水等措施井。流体识别结果与实际生产井吻合率高，该结果表明利用时频谱特征分析识别碳酸盐岩储层的储集体中油水性质是可靠的。
对比例2
如表1所示，为验证频谱属性检测塔河奥陶系缝洞储集体流体性质的可行性，根据9口待钻井的井位坐标和大致完钻深度，判断采用基于时频谱图像特征分析，进行钻前预测缝洞储集体流体含油性的有效性。最终9口井按照频谱界限标准和流体检测结果预测完井后储层段产油情况，7口井符合储层流体检测结果，达到比较满意结果。
表1 钻前预测与实际生产结果对比
虽然已经参考优选实施例对本发明进行了描述，但在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例，而是包括落入权利要求的范围内的所有技术方案。
Claims (9)
1.一种基于时频谱图像特征分析的油水识别方法，包括以下步骤：
步骤S10：提取待识别油水性质的井点目的储层的地震资料，对地震资料进行频谱信号分析，根据频谱分布范围和地震主频，利用匹配追踪时频谱图像分析技术获得过井地震道的时频谱能量分布；
步骤S20：对时频谱进行归一化处理；
步骤S30：根据时频谱中井点目的储层所对应的时间区间中时频谱图像特征来识别储集体中的流体充填性质。
2.根据权利要求1所述的油水识别方法，其特征在于，当所述时间区间中的时频谱图像呈朝向频率减小的方向凸出的拱形，并且在此时间区间内的时频谱的频率小于主频，则所述井点目的储层的储集体中的流体含油量比含水量高。
3.根据权利要求1所述的油水识别方法，其特征在于，当所述时间区间中的时频谱图像呈朝向频率增大的方向凸出的拱形，并且在此时间区间内的时频谱的频率大于主频，则所述井点目的储层的储集体中的流体含水量比含油量高。
4.根据权利要求1所述的油水识别方法，其特征在于，当所述时间区间中的时频谱图像向高频方向迁移，并且在此时间区间内的时频谱的频率大于30Hz，则所述井点目的储层的储集体中不含水也不含油。
5.根据权利要求1所述的油水识别方法，其特征在于，当所述时间区间中的时频谱图像沿平行于时间轴的方向延伸，并且在此时间区间内的时频谱的频率大于30Hz，则该储层中没有储集体发育。
6.根据权利要求1至5中任一项所述的油水识别方法，其特征在于，步骤S10包括步骤S01～S03，
步骤S01：对地震信号进行稀疏分解，构建字典矩阵D；
步骤S02：采用匹配追踪算法，把地震信号函数y垂直投影到字典矩阵D的原子上进行重复的迭代估算，直至残值信号小于或等于预设的阈值，将进行迭代过的原子的线性和再加上最后的残差值来表示地震信号；
步骤S03：采用时频谱来表示地震信号分布。
7.根据权利要求1至5中任一项所述的油水识别方法，其特征在于，在步骤20中，时频谱中的每个向量||xi||＝1。
8.根据权利要求1至5中任一项所述的油水识别方法，其特征在于，所述油水识别方法用于识别碳酸盐缝洞储集体中的流体充填性质。
9.根据权利要求2或3中所述的油水识别方法，其特征在于，所述主频为25Hz。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710398219.5A CN108983288B (zh) | 2017-05-31 | 2017-05-31 | 基于时频谱图像特征分析的油水识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710398219.5A CN108983288B (zh) | 2017-05-31 | 2017-05-31 | 基于时频谱图像特征分析的油水识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108983288A true CN108983288A (zh) | 2018-12-11 |
| CN108983288B CN108983288B (zh) | 2020-04-03 |
Family
ID=64502206
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710398219.5A Active CN108983288B (zh) | 2017-05-31 | 2017-05-31 | 基于时频谱图像特征分析的油水识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108983288B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112462342A (zh) * | 2020-11-06 | 2021-03-09 | 中国人民解放军空军预警学院雷达士官学校 | 一种高机动弱目标的阶段离散化维格纳霍夫变换时频形态自重构检测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005103766A2 (en) * | 2004-04-23 | 2005-11-03 | Schlumberger Canada Limited | Method and system for monitoring of fluid-filled domains in a medium based on interface waves propagating along their surfaces |
| CN101545983A (zh) * | 2009-05-05 | 2009-09-30 | 中国石油集团西北地质研究所 | 基于小波变换的多属性分频成像方法 |
| CN103235339A (zh) * | 2013-04-09 | 2013-08-07 | 中国石油大学(北京) | 一种时频分解地震流体识别方法 |
| CN104142519A (zh) * | 2013-10-29 | 2014-11-12 | 中国石油化工股份有限公司 | 一种泥岩裂缝油藏预测方法 |
| CN105353408A (zh) * | 2015-11-20 | 2016-02-24 | 电子科技大学 | 一种基于匹配追踪的Wigner高阶谱地震信号谱分解方法 |
| CN106483564A (zh) * | 2015-08-31 | 2017-03-08 | 中国石油化工股份有限公司 | 一种利用地震低频信息进行流体识别的方法 |
-
2017
- 2017-05-31 CN CN201710398219.5A patent/CN108983288B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005103766A2 (en) * | 2004-04-23 | 2005-11-03 | Schlumberger Canada Limited | Method and system for monitoring of fluid-filled domains in a medium based on interface waves propagating along their surfaces |
| CN101545983A (zh) * | 2009-05-05 | 2009-09-30 | 中国石油集团西北地质研究所 | 基于小波变换的多属性分频成像方法 |
| CN103235339A (zh) * | 2013-04-09 | 2013-08-07 | 中国石油大学(北京) | 一种时频分解地震流体识别方法 |
| CN104142519A (zh) * | 2013-10-29 | 2014-11-12 | 中国石油化工股份有限公司 | 一种泥岩裂缝油藏预测方法 |
| CN106483564A (zh) * | 2015-08-31 | 2017-03-08 | 中国石油化工股份有限公司 | 一种利用地震低频信息进行流体识别的方法 |
| CN105353408A (zh) * | 2015-11-20 | 2016-02-24 | 电子科技大学 | 一种基于匹配追踪的Wigner高阶谱地震信号谱分解方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112462342A (zh) * | 2020-11-06 | 2021-03-09 | 中国人民解放军空军预警学院雷达士官学校 | 一种高机动弱目标的阶段离散化维格纳霍夫变换时频形态自重构检测方法 |
| CN112462342B (zh) * | 2020-11-06 | 2021-11-02 | 中国人民解放军空军预警学院雷达士官学校 | 一种高机动弱目标的阶段离散化维格纳霍夫变换时频形态自重构检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108983288B (zh) | 2020-04-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Baig et al. | Microseismic moment tensors: A path to understanding frac growth | |
| Oldenburg et al. | Recovery of the acoustic impedance from reflection seismograms | |
| US11852771B1 (en) | Method and system for optimally selecting carbon storage site based on multi-frequency band seismic data and equipment | |
| Maxwell | Microseismic: Growth born from success | |
| US8838425B2 (en) | Generating facies probablity cubes | |
| Das et al. | Mapping of pore pressure, in-situ stress and brittleness in unconventional shale reservoir of Krishna-Godavari basin | |
| CN104237945B (zh) | 一种地震资料自适应高分辨处理方法 | |
| Yanhu et al. | A method of seismic meme inversion and its application | |
| CN112901158B (zh) | 水力裂缝缝长的预测方法、裂缝网络建模的方法及装置 | |
| CN105116449B (zh) | 一种弱反射储层的识别方法 | |
| CN107255831A (zh) | 一种叠前频散属性的提取方法 | |
| Eladj et al. | Lithological characterization by simultaneous seismic inversion in algerian south eastern field | |
| CN104422960A (zh) | 基于信号低频强异常自适应提取的地震资料流体识别方法 | |
| Sacrey et al. | Understanding attributes and their use in the application of neural analysis–case histories both conventional and unconventional | |
| CN108983288A (zh) | 基于时频谱图像特征分析的油水识别方法 | |
| CN104484573A (zh) | 一种地层的刚性系数的计算新方法 | |
| Ore et al. | Supervised machine learning to predict brittleness using well logs and seismic signal attributes: Methods and application in an unconventional reservoir | |
| CN106249294A (zh) | 一种储层烃类检测方法 | |
| Ningkai et al. | Stepped and detailed seismic prediction of shallow-thin reservoirs in Chunfeng oilfield of Junggar Basin, NW China | |
| CN107797144A (zh) | 基于横波分裂振幅比属性的流体检测方法 | |
| Torres-Parada et al. | Seismic to Simulation: Woodford Shale Case Study in Oklahoma, USA | |
| CN104459771A (zh) | 一种基于分频avo反演的储层含气性半定量识别方法 | |
| CN104570071B (zh) | 一种粘声介质贝叶斯线性ava和avf反演方法 | |
| Adabnezhad et al. | Three-dimensional modeling of geomechanical units using acoustic impedance in one of the gas fields in South of Iran | |
| Huang et al. | New seismic attribute: Fractal scaling exponent based on gray detrended fluctuation analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |