鹽下高陡構造成像技術
——以塔里木盆地庫車坳陷克深地區(qū)為例

曾慶才，曾同生，歐陽永林，代春萌，宋雅瑩

（中國石油勘探開發(fā)研究院，河北廊坊 065007）

鹽下高陡構造成像技術
——以塔里木盆地庫車坳陷克深地區(qū)為例

曾慶才，曾同生，歐陽永林，代春萌，宋雅瑩

（中國石油勘探開發(fā)研究院，河北廊坊 065007）

針對塔里木盆地庫車坳陷克深地區(qū)地震成像存在的靜校正處理難度大、原始資料品質低、速度建模及疊前深度偏移難度大 3大難題，研究鹽下高陡構造成像技術?；谡`差反向傳播神經網絡和最小平方 QR分解雙尺度層析反演方法獲取復雜近地表高精度速度模型，解決鹽下高陡構造地震成像靜校正問題；在應用高精度靜校正和均方根速度的基礎上，采用十字排列錐體濾波和球面擴散補償技術提高地震資料信噪比、恢復深層有效反射信號，解決鹽下高陡構造原始地震數據品質低問題；在地質、測井、鉆井等多信息的約束下，基于實體模型速度更新和網格層析速度反演的雙尺度速度建模技術獲取復雜地下構造的高精度速度模型，并應用真地表疊前深度偏移技術提高劇烈起伏地表條件下的地震成像效果，解決鹽下高陡構造速度建模及疊前深度偏移問題。通過上述技術獲得鹽下高陡構造高質量地震成像成果，地震成像預測結果與實鉆井吻合好，并成功部署3口超深井。圖15表1參16

塔里木盆地；克深地區(qū)；地震成像；高陡構造；靜校正；速度建模；疊前深度偏移

1 研究區(qū)概況及地震成像難點

克深地區(qū)位于塔里木盆地庫車坳陷克拉蘇構造帶南部，主要目的層為古近系庫姆格列木群膏泥鹽巖下的古近系庫姆格列木群底砂巖和中生界白堊系巴什基奇克組砂巖。研究區(qū)油氣地質條件優(yōu)越，具有良好的成藏等地質條件[1-4]。

受復雜地表條件和地下高陡構造的影響，研究區(qū)地震成像難度大，地震處理資料成像不清楚、誤差大，導致鹽下目的層構造高點和圈閉形態(tài)落實不準、預測結果與實鉆井吻合度低，因此克深地區(qū)鹽下高陡構造地震成像技術研究意義重大。

克深地區(qū)地震成像主要面臨以下3大難題。

①靜校正問題突出?？松畹貐^(qū)地表高差變化劇烈（海拔1 142～2 192 m），最大高差近1 000 m。由衛(wèi)星圖片可見（見圖1a），研究區(qū)北部地表主要為老地層出露的山體，地勢較高，地形陡峭，斷崖陡坎較多；南部地表主要為第四系沖積扇和戈壁礫石區(qū)[5]，地勢低洼；研究區(qū)東部和西部各發(fā)育一系列近南北向大沖溝。表層調查資料證實，研究區(qū)低降速帶的速度及橫向厚度變化大，局部發(fā)育巨厚的低降速帶，同時折射層的速度橫向變化大，沒有穩(wěn)定的折射界面。原始單炮圖顯示該區(qū)單炮初至連續(xù)性差（見圖1b）。克深地區(qū)近地表速度結構非常復雜，近地表速度結構準確反演難度大，導致靜校正處理難度大，是制約該區(qū)地震成像的一大瓶頸。

②原始資料品質低?？松畹貐^(qū)復雜地表條件下采集的原始單炮發(fā)育很強的面波和線性干擾，地震資料信噪比很低。目的層埋藏深（雙程旅行時大約為5 s），目的層有效反射信號能量弱，嚴重影響地震成像處理成果資料品質。原始單炮剖面顯示（見圖 2），原始地震資料發(fā)育很強的面波和線性干擾，深層目的層段基本上看不到有效反射波。

圖1 克深地區(qū)衛(wèi)星圖片（a）與原始單炮剖面（b）

圖2 原始單炮剖面

③速度建模及疊前深度偏移難度大。克深地區(qū)地質構造剖面顯示古近系庫姆格列木群（E1—2km）存在1套低速膏泥鹽巖塑性變形層（見圖 3），厚度從幾十米到上千米，速度為4 200～4 400 m/s。膏泥鹽巖之上從淺到深地層速度由2 000 m/s遞增到5 600 m/s；膏泥鹽巖之下目的層高陡、地層破碎、逆沖斷裂系統發(fā)育，速度約為4 500～4 800 m/s。高陡構造、復雜的逆沖斷裂系統及劇烈的速度橫向變化導致地震波場極其復雜[6]，速度建模及疊前深度偏移難度大，是制約該區(qū)地震成像的另一大瓶頸。

圖3 克深地區(qū)地質構造剖面（N2k—新近系庫車組；N1—2k—新近系康村組；N1j—新近系吉迪克組；E2—3s—古近系蘇維依組；E1—2km1—古近系庫姆格列木群泥巖段；E1—2km2—4—古近系庫姆格列木群膏泥鹽巖段；K1bs—白堊系巴什基奇克組）

2 地震成像技術

根據上述分析，克深地區(qū)地震成像處理需要解決靜校正、原始地震數據品質低、速度建模及疊前深度偏移 3大問題。針對靜校正問題，利用誤差反向傳播神經網絡（BP神經網絡）和最小平方QR分解（LSQR）的雙尺度層析反演靜校正技術，來提高近地表速度模型的反演精度；針對原始地震資料品質低的問題，在高精度靜校正和均方根速度的基礎上，應用頻率-波數域錐體濾波和球面擴散補償的精細疊前預處理技術來解決；針對速度建模和疊前深度偏移的問題，利用多信息約束雙尺度速度建模及真地表疊前深度偏移技術來提高疊前深度偏移效果。

2.1 雙尺度層析反演靜校正技術

復雜的近地表結構導致克深地區(qū)存在嚴重的靜校正問題，靜校正處理直接決定地下復雜構造的成像質量以及構造形態(tài)的準確性[7]，準確的近地表速度反演是解決這一問題的關鍵。近10年針對靜校正問題應用過野外靜校正、高程靜校正、折射靜校正以及層析靜校正等多種方法，由于這些方法反演的近地表速度模型誤差較大，均不能很好地解決靜校正問題。為了反演得到高精度的近地表速度，本文基于 BP神經網絡和LSQR研究出新的近地表速度反演算法。

地震初至波旅行時方程為：

靜校正的反演問題是在已知t的條件下求解p(x)、v0(x)及v1(x)，其最優(yōu)化問題可以表示為：

將初始近地表速度模型先用大網格進行網格化，隨后采用BP神經網絡求出全局最優(yōu)解。將全局最優(yōu)解再用小網格進行網格化并建立線性方程組，并將各種近地表表層調查資料等先驗信息通過正則化加入到方程組中以提高穩(wěn)定性，采用LSQR求解大型稀疏矩陣。在粗糙模型尺度下，BP神經網絡可以快速搜索到全局最優(yōu)解，求解的近地表全局最優(yōu)速度模型已經比較接近真實解，在此基礎上采用LSQR高效求解精細的近地表速度模型。BP神經網絡方法通過模擬人腦智能，可以實現從輸入到輸出的任意非線性映射，具有在標準樣本基礎上進行高度非線性映射及模式識別的能力[7-10]。LSQR方法占用內存小、收斂速度快而且穩(wěn)定[11]。網格大小的選取直接影響反演的精度和效率，BP神經網絡反演相比 LSQR具有更高的反演精度，LSQR相比BP神經網絡具有更高的計算效率，本文采用BP神經網絡反演低頻模型，通過大網格（網格大小為道間距、炮點距、深度采樣間隔乘積的3～5倍）劃分模型以提高BP神經網絡反演的效率，采用LSQR反演高頻模型，通過小網格（網格大小為道間距、炮點距、深度采樣間隔的乘積）劃分模型以提高 LSQR反演的精度。因此，基于BP神經網絡和LSQR的雙尺度反演算法具有復雜地表條件適應性強、反演精度和效率高的優(yōu)點。

圖4為主測線線號600的近地表速度反演結果。圖5是本文方法對研究區(qū)微測井控制點位置反演近地表速度模型的速度誤差及厚度誤差（本文方法反演結果與微測井測量結果的差值），由圖可知本文反演的低降速速度誤差不超過±15 m/s，厚度誤差不超過±8 m，表明本文方法反演的近地表速度精度高。針對主測線線號600，分別應用常規(guī)層析靜校正方法處理（見圖 6a）以及本文靜校正方法處理（見圖6b），對比結果顯示，常規(guī)層析靜校正方法處理的疊加剖面膏泥鹽巖標志層反射同相軸連續(xù)性差，而本文靜校正方法反演得到精細的近地表速度模型，很好地解決了該區(qū)的靜校正問題，處理的疊加剖面標志層反射同相軸連續(xù)性好、地下結構清晰。

圖4 主測線號600的近地表速度反演結果

圖5 低降速帶速度誤差及厚度誤差

圖6 常規(guī)靜校正方法處理的疊加剖面與本文靜校正方法處理的疊加剖面對比

2.2 疊前精細預處理技術

針對原始地震資料存在干擾噪音重、深層有效反射信號能量弱的問題，設計精細預處理步驟如下。

①采用雙尺度層析反演靜校正方法，提高有效信號與噪音的規(guī)律性，便于干擾波的識別和壓制。

②抽取十字排列子集并進行三維傅里葉變換得到頻率-波數域數據，根據頻率-波數域濾波公式（3）對面波和線性噪音進行壓制[12]：

在十字排列子集中，低速頻散面波和線性噪音在空間上呈圓錐形分布，與有效反射波規(guī)律差異較大，因此在頻率-波數域設計合適的濾波算子即可有效壓制面波和線性噪音。

③對疊前地震數據進行精細的疊加速度分析得到高精度均方根速度，應用分析的均方根速度根據公式（4）求取球面擴散補償因子[13]：

④根據公式（7）對疊前地震數據應用球面擴散補償因子，解決淺、中、深層有效反射信號能量不一致的問題，有效恢復深層反射信號能量：

通過本文方法的精細預處理，單炮和道集剖面上的面波和線性噪音得到有效去除，深層反射信號能量得到有效恢復（見圖7、圖8）。

圖7 原始單炮剖面與精細預處理后的單炮剖面對比圖

2.3 多信息約束雙尺度速度建模及真地表疊前深度偏移技術

2.3.1 多信息約束雙尺度速度建模

速度建模思路主要基于2點認識。

圖8 原始共中心點（CMP）道集與精細預處理后的CMP道集對比圖

①針對地下復雜構造速度建模問題，目前適應性較強、效果較好的方法主要有實體模型速度更新和網格層析。實體模型速度更新穩(wěn)定性好，但精度較低，更適合于建立復雜速度場的中低頻成分（大尺度信息）模型。網格層析速度建模精度較高，但穩(wěn)定性較差，更適合于建立復雜速度場的高頻成分（小尺度信息）模型。這2種方法在克深地區(qū)單獨應用均存在不足。為了獲得穩(wěn)定性強、精度高的速度模型，聯合實體模型速度更新和網格層析建立雙尺度的速度建模方法，即先通過實體模型速度更新方法建立復雜速度場的中低頻成分模型，然后通過網格層析建立復雜速度場的高頻成分模型，逐步迭代獲得穩(wěn)定性強、精度高的速度模型。

②克深地區(qū)地下構造復雜、速度場變化劇烈，導致速度建模多解性強、深度偏移結果與實鉆井吻合程度低，針對這一問題本文利用地質、測井、鉆井等資料在速度建模過程中進行多信息約束，并在判斷速度模型收斂的過程中進行多信息評價，確保深層復雜構造成像的準確性，提高鉆井吻合程度。

基于以上 2點認識，通過以下步驟進行多信息約束雙尺度速度建模。

①初始模型建立。在現代斷層相關褶皺理論和鹽構造模式的指導下[14]，利用疊前時間偏移剖面，結合鉆井、測井資料，通過三維復雜構造精細解釋技術建立反射界面構造模型即實體構造模型；經DIX公式將均方根速度轉成地震層速度；應用實體構造模型和地震層速度建立初始速度模型。

②目標線疊前深度偏移。利用步驟①建立的初始速度模型和疊前數據進行目標線位置的疊前深度偏移處理，得到目標線位置的共反射點（CRP）道集和深度偏移剖面。

③速度模型綜合評價。由測井、鉆井等資料對深度偏移結果進行綜合評價，判斷道集是否拉平、速度趨勢是否正確、深度與實鉆井是否吻合等，如果是則直接進入步驟⑤，否則重復步驟②、③并進入步驟④。

④雙尺度速度建模。在聲波速度、垂直地震剖面（VSP）速度等信息的約束下，先采用實體模型速度更新方法建立復雜速度場的中低頻成分模型，然后采用網格層析建立復雜速度場的高頻成分模型，由粗到細逐步迭代提高速度模型的精度[15]。

⑤研究區(qū)數據的疊前深度偏移。由最終的速度模型和疊前數據對三維研究區(qū)進行疊前深度偏移處理，最終得到三維研究區(qū)的CRP道集和深度偏移剖面。

由圖 9可知反演速度剖面中低速膏泥鹽巖的頂底界面與鉆井地質分層基本一致，速度剖面由淺到深結構清楚。由圖10可知反演速度與測井聲波速度、VSP速度吻合關系好。

圖9 初始速度剖面與反演速度剖面

2.3.2 真地表疊前深度偏移

針對劇烈起伏地表的疊前深度偏移問題，目前主流軟件的處理方法是將劇烈起伏地表上的炮點、檢波點垂直時移到浮動基準面上，從浮動基準面開始射線追蹤并進行疊前深度偏移（見圖 11a），此時的真實射線路徑會發(fā)生較大畸變，嚴重影響地下復雜構造的射線走時計算和疊前深度偏移。針對這一問題，本文將研究區(qū)的劇烈起伏地表進行小尺度平滑，得到一個地表平滑面，將劇烈起伏地表上的炮點、檢波點垂直時移到此平滑面上，此時的垂直時移量較?。ㄒ妶D11b），以此消除劇烈的地表高頻變化對疊前深度偏移的影響[16]，同時可以最大程度地保持地震波射線路徑和走時的真實性，在此地表平滑面上進行多信息約束雙尺度速度建模，采用起伏地表條件下的Kirchhoff積分法疊前深度偏移。本文方法對地震波的射線路徑和走時改造最小，同時又消除了劇烈的地表高頻變化給疊前深度偏移造成的偏移噪音，因此真地表疊前深度偏移具有更好的成像效果（見圖12）。

圖10 反演速度與聲波速度、VSP速度對比

圖11 浮動基準面示意圖與真地表面示意圖

圖12 浮動基準面偏移剖面與真地表面偏移剖面

3 實例應用

相比應用常規(guī)處理技術獲得的老剖面，本文方法處理的成果剖面目的層反射波同相軸成像更清晰、更連續(xù)，波組特征更清楚（見圖 13）。由測井資料可知井 1位置目的層段地層傾角為南東傾 20°，而老剖面預測的目的層位于構造高點（地層傾角大約為0°），這與測井結果矛盾，新成果剖面預測的井 1位置目的層位于構造南翼，與測井結果吻合，因此新處理成果歸位更準確（見圖 14）。老剖面預測的鹽頂層位、鹽底層位與井標定結果誤差大（誤差大于150 m），新剖面預測的鹽頂層位、鹽底層位與井標定吻合程度高（誤差小于30 m），因此新處理成果與實鉆井更吻合（見圖15）?；诟哔|量的成像成果在克深地區(qū)部署了 3口超深井，預測深度與實際鉆井深度吻合很好，絕對深度誤差均小于 30 m（相對誤差小于0.5%），新處理成果有效指導了克深地區(qū)的井位部署（見表1）。

圖13 常規(guī)方法解釋的老剖面與本文方法解釋的新剖面對比

圖14 過井1位置的老剖面與新處理剖面對比

圖15 過井2位置的老剖面與新處理剖面對比

表1 部署井深度誤差表

4 結論

針對鹽下高陡構造地震成像難題，在庫車坳陷克深地區(qū)，基于 BP神經網絡和 LSQR的雙尺度層析反演方法，解決了該區(qū)地震成像靜校正問題。在應用高精度靜校正和均方根速度的基礎上，采用十字排列錐體濾波和球面擴散補償技術提高地震資料信噪比、恢復深層有效反射信號，解決原始地震數據品質低問題，為地震成像提供高品質的疊前地震數據。在地質、測井、鉆井等多信息約束下，基于實體模型速度更新和網格層析速度反演的雙尺度速度建模技術，獲得了克深地區(qū)的高精度速度模型，并應用真地表疊前深度偏移技術提高了劇烈起伏地表條件下的地震成像效果，解決了克深地區(qū)的速度建模及疊前深度偏移問題。

符號注釋：

a——2π長度上的全波數，m-1；A——地震采樣點補償后的振幅；A0——地震采樣點補償前的振幅；D——計算的球面擴散補償因子；e(x)——地表高程，m；F——非線性函數；h——炮檢距，m；j——地層索引號；J——地層總數；kx——x方向視波數，m-1；ky——y方向視波數，m-1；K——總波數，m-1；m——炮點索引號；M——總炮數；n——檢波點索引號；N——總檢波點數；p(x)——低降速帶厚度，m；t——初至波旅行時，s；tj——第j層的單程旅行時，s；tmn——拾取的初至波旅行時，s；tmn′——射線追蹤正演的初至波旅行時，s；T——地震反射波雙程旅行時，s；U——錐體濾波結果；v0(x)——低降速帶速度，m/s；v1(x)——折射層速度，m/s；vl——干擾波視速度，m/s；V1——第 1層的層速度，m/s；Vj——第j層的層速度，m/s；Vrms——均方根速度，m/s；w——信號角頻率，rad/s；W——三維傅里葉變換結果；x——測線方向坐標，m；y——聯絡線方向坐標，m。

[1]付曉飛, 賈茹, 王海學, 等. 斷層-蓋層封閉性定量評價: 以塔里木盆地庫車坳陷大北—克拉蘇構造帶為例[J]. 石油勘探與開發(fā),2015, 42(3): 300-309.FU Xiaofei, JIA Ru, WANG Haixue, et al. Quantitative evaluation of fault-caprock sealing capacity: A case from Dabei-Kelasu structural belt in Kuqa Depression, Tarim Basin, NW China[J]. Petroleum Exploration and Development, 2015, 42(3): 300-309.

[2]屈海洲, 張福祥, 王振宇, 等. 基于巖心-電成像測井的裂縫定量表征方法: 以庫車坳陷ks2區(qū)塊白堊系巴什基奇克組砂巖為例[J].石油勘探與開發(fā), 2016, 43(3): 425-432.QU Haizhou, ZHANG Fuxiang, WANG Zhenyu, et al. Quantitative fracture evaluation method based on core-image logging: A case study of Cretaceous Bashijiqike Formation in ks2 well area, Kuqa depression, Tarim Basin, NW China[J]. Petroleum Exploration and Development, 2016, 43(3): 425-432.

[3]朱衛(wèi)紅, 吳勝和, 尹志軍, 等. 辮狀河三角洲露頭構型: 以塔里木盆地庫車坳陷三疊系黃山街組為例[J]. 石油勘探與開發(fā), 2016,43(3): 482-489.ZHU Weihong, WU Shenghe, YIN Zhijun, et al. Braided river delta outcrop architecture: A case study of Triassic Huangshanjie Formation in Kuche depression, Tarim Basin, NW China[J].Petroleum Exploration and Development, 2016, 43(3): 482-489.

[4]吳海, 趙孟軍, 卓勤功, 等. 膏鹽巖對地層溫度及烴源巖熱演化的影響定量分析: 以塔里木庫車前陸盆地為例[J]. 石油勘探與開發(fā), 2016, 43(4): 550-558.WU Hai, ZHAO Mengjun, ZHUO Qingong, et al. Quantitative analysis of the effect of salt on geothermal temperature and source rock evolution: A case study of Kuqa foreland basin, Western China[J]. Petroleum Exploration and Development, 2016, 43(4):550-558.

[5]梁向豪, 李書君, 吳超, 等. 庫車大北構造帶三維疊前深度偏移處理解釋技術[J]. 中國石油勘探, 2011, 16(5): 8-13.LIANG Xianghao, LI Shujun, WU Chao, et al. 3D prestack depth processing and interpretation in Dabei Structure Belt, Kuqa Depression[J]. China Petroleum Exploration, 2011, 16(5): 8-13.

[6]符力耕, 肖又軍, 孫偉家, 等. 庫車坳陷復雜高陡構造地震成像研究[J]. 地球物理學報, 2013, 56(6): 1985-2001.FU Ligeng, XIAO Youjun, SUN Weijia, et al. Seismic imaging studies of complex high and steep structures in Kuqa depression[J].Chinese Journal Geophysics, 2013, 56(6): 1985-2001.

[7]張亞斌, 江謀勇, 鄭祝堂. ZD地區(qū)復雜構造成像針對性處理技術[J]. 石油物探, 2012, 51(4): 408-413.ZHANG Yabin, JIANG Mouyong, ZHENG Zhutang. Seismic data processing techniques aiming at the imaging of complex structures in ZD area[J]. Geophysical Prospecting for Petroleum, 2012, 51(4):408-413.

[8]曾慶才, 曾同生, 歐陽永林, 等. 復雜山地層析反演靜校正新方法及應用[J]. 石油地球物理勘探, 2017, 52(3): 418-425.ZENG Qingcai, ZENG Tongsheng, OUYANG Yonglin, et al. A new tomographic inversion for static corrections in complex mountain areas[J]. Oil Geophysical Prospecting, 2017, 52(3): 418-425.

[9]JORGE O, URSULA I, JONATHAN S, et al. Parra neural network and rock physics for predicting and modeling attenuation logs[C]//84th SEG Annual Meeting Expanded Abstracts. Denver:SEG, 2014: 633-637.

[10]ALEXANDER K, IVAN P. Stable nonlinear predictive operator based on neural network, genetic algorithm and controlled gradient method[C]//85th SEG Annual Meeting Expanded Abstracts. New Orleans: SEG, 2015: 2941-2946.

[11]DONGHONG P. Three-dimensional traveltime tomography via LSQR with regularization[C]//79th SEG Annual Meeting Expanded Abstracts. Houston: SEG, 2009: 4004-4008.

[12]王金龍, 胡治權. 三維錐形濾波方法研究及應用[J]. 石油地球物理勘探, 2012, 47(5): 705-711.WANG Jinlong, HU Zhiquan. Three dimensional cone filtering[J].Oil Geophysical Prospecting, 2012, 47(5): 705-711.

[13]呂牛頓. 連續(xù)介質中任意炮檢距的球面擴散補償因子[J]. 石油物探, 1986, 25(2): 7-12.LYU Niudun. Compensation factor of spherical diffusion with arbitrary offsets in continuous medium[J]. Geophysical Prospecting for Petroleum, 1986, 25(2): 7-12.

[14]程明華. 構造建模和速度建場在克拉蘇構造帶的應用[D]. 青島:中國石油大學(華東), 2009.CHENG Minghua. Application of structure model building and velocity field construction in Kelasu tectonic belt[D]. Qingdao:China University of Petroleum (East China), 2009.

[15]馬彥彥, 李國發(fā), 張星宇, 等. 疊前深度偏移速度建模方法分析[J]. 石油地球物理勘探, 2014, 49(4): 687-693.MA Yanyan, LI Guofa, ZHANG Xingyu, et al. Strategy of velocity model building in prestack depth migration[J]. Oil Geophysical Prospecting, 2014, 49(4): 687-693.

[16]劉少勇, 蔡杰雄, 王華忠, 等. 山前帶地震數據射線(束)疊前成像方法研究及應用[J]. 石油物探, 2012, 51(6): 598-605.LIU Shaoyong, CAI Jiexiong, WANG Huazhong, et al. Technology and application of beam ray prestack imaging method in foothill areas[J]. Geophysical Prospecting for Petroleum, 2012, 51(6):598-605.

Subsalt high steep structure imaging technique: A case study of Keshen area in Kuqa depression, Tarim Basin, NW China

ZENG Qingcai, ZENG Tongsheng, OUYANG Yonglin, DAI Chunmeng, SONG Yaying
(PetroChina Research Institute of Petroleum Exploration & Development,Langfang065007,China)

The seismic imaging has three difficulties in the Keshen area of the Kuqa depression in Tarim Basin: difficult static correction, poor original data, difficult velocity modeling and pre-stack depth migration. A dual-scale tomography inversion approach based on BP neural network and LSQR was developed to obtain the accurate near-surface velocity of the complex near-surface structure, to address the static correction of subsalt high steep structure imaging. On the basis of applying high-precision static correction and root-mean-square (RMS) velocity to the seismic data, three dimensional cone filtering and spherical spreading amplitude compensation were used to enhance the signal to noise ratio and restore the deep effective signals to cope with the poor quality of original seismic data. Under the constraints of geologic, well logging and drilling data, the dual-scale velocity modeling technology based on model-based velocity updating and grid-based tomography was adopted to obtain the precise velocity model of the complex substructure,and then the pre-stack depth migration was taken to improve the imaging effect of structure with complex surface conditions, to solve the problem of subsalt high steep structure velocity modeling and pre-stack depth migration. By applying these three techniques, the high-quality imaging achievements of subsalt high steep structure were obtained. The results of seismic imaging prediction are in good agreement with drilling results and three ultra-deep wells have been drilled successfully.

Tarim Basin; Keshen area; seismic imaging; high steep structure; static correction; velocity modeling; pre-stack depthmigration

國家油氣科技重大專項“致密氣富集規(guī)律與勘探開發(fā)關鍵技術”（2016ZX05047）；國家示范工程“庫車坳陷深層-超深層天然氣田開發(fā)示范工程”（2016ZX05051）

TE132.1

A

1000-0747(2017)06-0871-09

10.11698/PED.2017.06.04

曾慶才, 曾同生, 歐陽永林, 等. 鹽下高陡構造成像技術: 以塔里木盆地庫車坳陷克深地區(qū)為例[J]. 石油勘探與開發(fā), 2017, 44(6): 871-879.

ZENG Qingcai, ZENG Tongsheng, OUYANG Yonglin, et al. Subsalt high steep structure imaging technique: A case study of Keshen area in Kuqa depression, Tarim Basin, NW China[J]. Petroleum Exploration and Development, 2017, 44(6): 871-879.

曾慶才（1969-），男，江西興國人，博士，中國石油勘探開發(fā)研究院高級工程師，主要從事物探資料分析、處理和解釋方法研究。地址：河北省廊坊市廣陽區(qū)萬莊石油分院C樓，中國石油勘探開發(fā)研究院油氣地球物理研究所，郵政編碼：065007。E-mail：zqc69@petrochina.com.cn

聯系作者簡介：曾同生（1985-），男，江西興國人，碩士，中國石油勘探開發(fā)研究院工程師，主要從事油氣物探資料處理方法研究。地址：河北省廊坊市廣陽區(qū)萬莊石油分院C樓，中國石油勘探開發(fā)研究院油氣地球物理研究所，郵政編碼：065007。E-mail：zengtongsheng@petrochina.com.cn

2017-05-12

2017-10-17

（編輯 王暉）