勝利埕島極淺海油田薄儲集層地震描述及流體識別

束寧凱，蘇朝光，石曉光，李治平，張學(xué)芳，陳先紅，朱劍兵，宋亮

（1.中國地質(zhì)大學(xué)（北京），北京 100083；2.非常規(guī)天然氣能源地質(zhì)評價與開發(fā)工程北京市重點實驗室，北京 100083；3.中國石油大學(xué)勝利學(xué)院，山東東營 257061；4.中國石化勝利油田分公司物探研究院，山東東營 257022）

1 研究背景

勝利埕島極淺海油田位于渤海灣南部極淺海海域，水深主體為2～18 m。區(qū)域構(gòu)造上處于渤中坳陷與濟陽坳陷交會處、埕寧隆起埕北低凸起的東南部，西部以埕北斷層與埕北凹陷相鄰，向東傾伏于渤中凹陷（見圖1）。該區(qū)是在前第三系潛山背景上接受第三系沉積而形成的繼承性披覆構(gòu)造。

圖1 埕島油田區(qū)域構(gòu)造位置圖

新近系館陶組上段（簡稱館上段）為該區(qū)主要含油層系之一，儲集層為典型的曲流河沉積，具有埋藏淺、單層厚度薄、組合類型多且縱橫向變化快的特點[1]。實踐表明，該類油藏勘探開發(fā)的關(guān)鍵在于對曲流河薄儲集層的精細識別描述。

由于極淺海海域受地表潮汐、淤泥和海水鳴震等影響，采用海陸雙檢三維采集后，常規(guī)融合處理地震資料信噪比和分辨率較低，用這套地震資料進行儲集層預(yù)測時，通常地震反射同相軸代表某一厚度層段薄互層組合或厚層砂體的地震響應(yīng)，無法準確預(yù)測薄儲集層。現(xiàn)有的水平切片、疊后屬性、疊后拓頻、疊后反演等技術(shù)[2-5]在該區(qū)僅能描述厚度大于 10 m的河道砂體，但對占比更大的厚度小于10 m的薄儲集層的地震描述和流體識別技術(shù)一直沒有突破，制約了該區(qū)的高效勘探和開發(fā)。

本文針對勝利埕島極淺海油田地震資料特點和薄儲集層精細描述的難點，多學(xué)科融合應(yīng)用，首先利用海陸雙檢疊前高分辨率二級提頻處理技術(shù)，主要包括海陸雙檢一致性融合處理技術(shù)和疊前大角度保幅拓頻處理技術(shù)，可提高地震資料的信噪比和分辨率，有效提升了地震資料分辨薄儲集層的能力，為后續(xù)薄儲集層預(yù)測奠定地震資料基礎(chǔ)；然后開發(fā)相層雙控儲集層智能識別技術(shù)，在地震精細層控的基礎(chǔ)上，建立河漫灘型、天然堤型、邊灘型 3種曲流河主要沉積微相地震相模式，實現(xiàn)地震沉積微相和薄儲集層的智能識別和描述，以提高曲流河薄儲集層描述的精度和效率；最后應(yīng)用疊前多參數(shù)流體概率技術(shù)實現(xiàn)該區(qū)含油砂體的半定量預(yù)測。這套技術(shù)為該油田薄儲集層油氣勘探和開發(fā)提供了很好的物探技術(shù)支撐。

2 海陸雙檢疊前高分辨率二級提頻處理技術(shù)

勝利埕島極淺海油田目前已經(jīng)進入海底電纜雙檢采集階段，常規(guī)海陸雙檢融合處理方法得到的地震資料信噪比和分辨率低，難以滿足薄儲集層識別描述的要求，影響了該類油藏的勘探和開發(fā)。本文通過加強處理參數(shù)實驗和嚴格質(zhì)量監(jiān)控，以保真保幅為原則，形成了以海陸雙檢資料一致性融合處理和疊前大角度保幅拓頻處理為核心的二級提頻處理技術(shù)，地震資料信噪比和分辨率得到大幅提升。

2.1 海陸雙檢資料一致性融合處理技術(shù)

海陸雙檢地震資料常規(guī)融合處理技術(shù)是基于水檢和陸檢波場相同的假設(shè)，早期常規(guī)融合處理只是將兩者進行能量匹配后直接融合或調(diào)相位融合[6-10]，普遍存在有效波受損、鳴震壓制效果差等問題，地震資料信噪比和分辨率較低，難以滿足薄儲集層描述的需求。本文利用海陸雙檢一致性融合處理，較好地解決了這個問題，其步驟是先將陸檢資料進行微分處理，根據(jù)其與水檢資料的能量確定尺度變換因子，然后將陸檢微分結(jié)果與水檢資料進行合并融合。從對比圖上可以看出，海陸雙檢一致性融合處理后的信噪比和分辨率明顯提高（見圖2）。

圖2 海陸雙檢地震資料一致性融合處理前（a）、后（b）地震剖面對比

該方法解決了海陸雙檢處理資料一致性差的難題，陷波得到補償，有效提高了地震資料的主頻和有效頻帶（見圖3），從而提高了砂體的分辨率。一致性融合處理前原始地震資料主頻為 30 Hz，優(yōu)勢頻帶為10～50 Hz，可分辨10 m厚的砂體；一致性融合處理后地震資料主頻達到40 Hz，優(yōu)勢頻帶為10～70 Hz，可分辨7.5 m厚的砂體。

圖3 水檢、陸檢及海陸雙檢一致性融合處理頻譜對比圖

2.2 疊前大角度保幅拓頻處理技術(shù)

通過海陸雙檢一致性融合處理技術(shù)，薄儲集層的地震信噪比大幅提升，地震分辨率有所提高，但仍然不能滿足極淺海薄儲集層地震描述的需求，常規(guī)反 Q濾波、拓頻、分頻等疊后拓頻方法在資料的保真性方面還不能滿足需求。

由于疊前共成像點大角度道集資料的干涉調(diào)諧作用，全道集疊加會引起頻帶變窄、分辨率降低，不利于河流相薄儲集層精細描述。針對這一問題，為了達到保幅拓頻的處理目的，研究了疊前大角度保幅拓頻處理技術(shù)。其主要原理是依據(jù)數(shù)據(jù)同源性，通過構(gòu)建大角度數(shù)據(jù)與小角度數(shù)據(jù)的匹配因子，對大角度道集反射波拉伸校正，再對匹配處理后的道集疊加成像，使最終成像資料的子波特征和頻帶能夠保持小角度道集特征[11]。該技術(shù)使不同角度道集數(shù)據(jù)的頻譜趨于一致，實現(xiàn)了同相疊加成像，成像結(jié)果既具有較高的保幅性，又具有高分辨率，避免了大角度數(shù)據(jù)干涉調(diào)諧產(chǎn)生的累加效應(yīng)和傳統(tǒng)方法引起的子波變形、頻帶變窄、假頻現(xiàn)象及分辨率降低等問題，最終使頻帶有效拓寬、主頻提高。通過該技術(shù)處理后的地震資料主頻由40 Hz提升到50 Hz，優(yōu)勢頻帶為10～90 Hz，可分辨6 m厚的砂體，基本滿足了現(xiàn)場對地震資料分辨率的需求。以過CB208井地震剖面為例，館上段2砂層組（頂面深度1 400 m）、館上段3砂層組（頂面深度1 520 m）（見圖4a），在原地震資料上表現(xiàn)為空白和弱反射（見圖4b），經(jīng)過保幅拓頻處理后呈現(xiàn)中強振幅反射特征（見圖4c），砂體分辨率得到顯著提高。

圖4 埕島極淺海油田CB208井地層柱狀圖（a）及疊前大角度保幅拓頻處理前（b）、后（c）地震剖面對比（GR—自然伽馬；SP—自然電位；R25—2.5 m電阻率）

3 相層雙控智能識別描述技術(shù)

層控是指建立沉積微相預(yù)測的等時約束面。相控是指以曲流河 3種地震微相（邊灘型、河漫型、天然堤型）地震特征分析為約束。相層雙控是指在層控和相控共同約束下，開展曲流河沉積微相的智能預(yù)測及砂體的儲集層描述。

利用海陸雙檢疊前高分辨率二級提頻處理地震資料，對埕島極淺海油田曲流河薄儲集層砂體開展相層雙控智能識別描述。在建立層控等時約束面的基礎(chǔ)上開展不同沉積微相地震相特征研究，完成曲流河薄儲集層地震相智能識別，主要包括樣本點拾取、地震屬性規(guī)約、沉積微相智能識別樣本集構(gòu)建和沉積微相砂體智能預(yù)測。

3.1 層控等時約束面建立

埕島極淺海油田館陶組自下而上為一個長期基準面旋回，底界面為館陶組與古近系的不整合面，頂界面為館陶組與明化鎮(zhèn)組的分界面。在長期基準面旋回內(nèi)部館上段又進一步劃分出N1g11、N1g12、N1g13等3個中期基準面旋回[12-14]（見圖5a、圖5b）。目的層N1g125砂層位于 N1g12砂組中期旋回，以弱反射為背景，斷續(xù)、較強振幅反射交互，代表沖積平原泥巖與孤立河道砂體沉積（見圖5c）。

在中期基準面旋回劃分的基礎(chǔ)上，綜合沉積序列的縱向特征、沉積相的空間變化及砂巖的疊加樣式等因素，根據(jù)標志層、輔助標志層組合，逐級對比砂層組；在合成地震記錄標定的基礎(chǔ)上，通過單井標定層位與地震層位對比，確保地震層位與地質(zhì)層位的一致性，建立沉積微相智能預(yù)測的等時約束面（見圖5c），以保證N1g125砂層頂面解釋的準確性。

圖5 埕島極淺海油田館陶組CB23井（a）與CB27井（b）層序地層對比及層控等時面追蹤地震剖面圖（c）（剖面位置見圖1）

3.2 不同沉積微相地震相特征

針對埕島極淺海油田館上段曲流河沉積，選擇具有完備的錄井巖性、常規(guī)測井曲線、時深關(guān)系、沉積微相解釋的 CB25、CB27、CB252、CBG10及 SHH2等井的147個沉積微相層段（包含邊灘57個、天然堤32個、河漫灘58個）作為分析的樣本點，總結(jié)出河漫灘型、天然堤型、邊灘型等 3種主要沉積微相地震相模式（見圖 6）。河漫灘沉積以泥質(zhì)沉積為主，巖性單一，與邊灘、天然堤砂體界面處地層反射系數(shù)較大，在正極性地震剖面上表現(xiàn)為波谷反射特征（見圖6a）。天然堤沉積以互層型薄砂條為主，由于厚度較薄，相消干涉并不明顯，地震剖面仍為一個同相軸，較河漫灘地震響應(yīng)振幅及頻率略強，在正極性剖面上表現(xiàn)為弱振幅特征（見圖6b）。邊灘是河床側(cè)向侵蝕、沉積物側(cè)向加積的結(jié)果，自下而上表現(xiàn)為層理規(guī)模變小、粒度由粗變細的正韻律，巖性界面為砂泥巖突變界面，波阻抗差異大，在地震正極性剖面上表現(xiàn)為高頻中強—強振幅反射特征，反射強度明顯高于天然堤型（見圖6c）。

3.3 曲流河薄儲集層地震相智能識別

在單井沉積微相劃分基礎(chǔ)上，依據(jù)不同沉積微相地震相模式拾取井周圍同類型沉積微相進一步增加樣本點數(shù)量，對樣本點垂向范圍內(nèi)的地震屬性時窗選取及特征值進行規(guī)約，由此構(gòu)建曲流河沉積微相智能識別樣本集，采用隨機森林方法[15]對樣本集進行訓(xùn)練和預(yù)測，實現(xiàn)沉積微相砂體的智能識別。

隨機森林算法是以決策樹為基礎(chǔ)，通過隨機重復(fù)采樣技術(shù)和節(jié)點隨機分裂技術(shù)組建多棵決策樹，最后組合大量決策樹的預(yù)測結(jié)果并將其作為一個整體輸出。通過多棵決策樹進行集成學(xué)習(xí)有效地克服了單棵決策樹容易出現(xiàn)過擬合、分類精度較低等問題，并且有效地降低了學(xué)習(xí)系統(tǒng)的泛化誤差[16]。

3.3.1 樣本點拾取

以井點處沉積微相解釋為基礎(chǔ)，結(jié)合河流相各沉積微相平面發(fā)育規(guī)律及不同沉積微相的垂向地震相響應(yīng)特征，將井點處各層段的沉積微相解釋結(jié)論向井點附近地層拓展，對地震振幅、波形數(shù)據(jù)體沿層切片分析拾取新的沉積微相樣本點，以增加用于構(gòu)建機器學(xué)習(xí)的樣本點數(shù)，本文從時間域上共拾取沉積微相樣本層段43 426個，其中邊灘樣本層段16 635個、天然堤樣本層段7 491個、河漫灘樣本層段19 338個。

3.3.2 地震屬性規(guī)約

將原始地震數(shù)據(jù)通過分頻重構(gòu)得到 5～100 Hz、5～50 Hz、50～100 Hz、5～25 Hz、25～50 Hz 共 5 個不同頻帶的地震數(shù)據(jù)，5個頻帶范圍均代表著某一典型頻段相關(guān)波形信息。在低頻剖面一些高頻信息會被隱藏，而在高頻剖面低頻信息會被掩蓋，不同頻段交叉范圍小，時域無明顯吉布斯現(xiàn)象，同時滿足了時域與頻域分辨率需求，可準確表征該頻帶范圍內(nèi)地震波形響應(yīng)特征。原始地震記錄及 5個分頻頻帶波形地震分別提取波形、瞬時振幅和波阻抗屬性可以得到18個包含不同特征的地震屬性作為后續(xù)特征輸入數(shù)據(jù)。

不同沉積微相類型地層的性質(zhì)差異不僅體現(xiàn)在其當前位置地震屬性的特征，更與其所處地層范圍內(nèi)上下段的整體地震響應(yīng)特征有關(guān)，需從垂向上對地震屬性時窗選取及特征值進行規(guī)約，以充分表征不同沉積微相的地震響應(yīng)特征。本文考慮采用固定長度時窗（w），分3段5個特征值對當前點地震屬性進行規(guī)約，如地震屬性（X）在時間為t的特征值包括：當前層段（時窗范圍t-0.5 w到t+0.5 w）屬性均值（XC）；層段上部（時窗范圍t-1.5 w到t-0.5 w）屬性均值（XU）；層段下部（時窗范圍 t+0.5 w到 t+1.5 w）屬性均值（XL）；3段屬性梯度均值（XD）；上下層段屬性梯度比值（XR）。地震屬性X在時窗t-1.5 w到t+1.5 w范圍內(nèi)可以得到XC、XU、XL、XD、XR這5個特征值，它們能夠有效表征地震屬性在此范圍內(nèi)的變化趨勢，以及可能存在的遞增型、遞減型、中凸型、中凹型等形態(tài)特征，并與不同沉積微相的地震相響應(yīng)具有很好的對應(yīng)關(guān)系。例如邊灘型微相組合典型波組特征為當前段表現(xiàn)為負極性、頂?shù)诪檎龢O性，且底部負極性波形幅度明顯高于頂部負極性波形幅度。對原始波形W、瞬時振幅A按照前述規(guī)約方法得到10個特征值，它們的關(guān)系具體表現(xiàn)為 WL＞W(wǎng)U＞0＞W(wǎng)C、AU＜AL、WR＜1、AR＜1、WD＞0 等。

針對某一沉積相類型的地震相表征，合適的規(guī)約時窗選取至關(guān)重要。原始地震記錄采樣間隔為2 ms，分別選取 2，4，6，8，10 ms作為規(guī)約時窗，基于隨機森林算法估算在不同規(guī)約窗長下各沉積微相的分類預(yù)測性能[15-19]，得到研究區(qū)邊灘、天然堤、河漫灘最佳規(guī)約時窗分別為2，4，6 ms。

3.3.3 沉積微相智能識別樣本集構(gòu)建

基于前述43 426個沉積微相樣本層段，分別以2，4，6 ms為規(guī)約窗長，針對曲流河的邊灘、天然堤、河漫灘3個沉積微相，對所提取的18個地震屬性進行規(guī)約，構(gòu)建各自的訓(xùn)練樣本集。每個地震屬性提取 5個特征，加上主測線、聯(lián)絡(luò)測線、時間 3個表示時空位置的坐標，整個樣本集共包含93個維度。

3.3.4 沉積微相砂體智能預(yù)測

由于參與機器學(xué)習(xí)訓(xùn)練的樣本僅有曲流河的邊灘、河漫灘、天然堤 3種沉積微相，而實際曲流河沉積中的微相類型遠不止這些，如果采用確定性判別的方法將會導(dǎo)致與實際情況不符。本文采用模糊分類智能預(yù)測方法進行相關(guān)預(yù)測，分別求取目的層段內(nèi)屬于邊灘、河漫灘、天然堤 3種沉積微相的概率值。如果屬于某一沉積微相的概率值特別大，而屬于其他沉積微相的概率值都較小，如邊灘概率 0.88、天然堤概率0.10，河漫灘概率0.02，則可認為目的層確屬于具有優(yōu)勢概率的沉積微相。如果兩種沉積微相類型的概率值均較大，如邊灘概率 0.50、天然堤概率 0.45、河漫灘概率 0.05，說明目的層位于兩種沉積微相類型的分類邊界附近，由于原始地震測量、處理和計算中存在誤差，此時的判別結(jié)果會存在一定的不確定性。如果 3種沉積微相的概率值均較小，如邊灘概率 0.33、天然堤概率 0.33、河漫灘概率 0.34，則說明目的層可能屬于 3種類型之外的沉積微相類型。在具體的預(yù)測過程中，分別采用不同規(guī)約窗長建立針對邊灘、天然堤、河漫灘的沉積微相概率預(yù)測模型，對于給定的待預(yù)測數(shù)據(jù)點，分別通過 3個模型預(yù)測其屬于各沉積微相砂體的概率，再按照上述邏輯進行智能判別。

通過智能預(yù)測，得到埕島極淺海油田 N1g125曲流河的邊灘、天然堤、河漫灘等不同沉積微相砂體的三維概率預(yù)測體，分別按N1g125層位數(shù)據(jù)作這3個沉積微相的切片，在顏色刻度中將各沉積微相切片中概率較小的部分設(shè)置為透明，將 3個沉積微相的預(yù)測概率切片顯示進行疊合顯示，得到 N1g125砂層沉積微相砂體智能預(yù)測結(jié)果（見圖 7）。預(yù)測的邊灘邊緣清晰、符合河道發(fā)育的自然形態(tài)，且預(yù)測的邊灘基本處于河道邊緣位置，平面接觸關(guān)系與實際河流相沉積規(guī)律相符。利用邊灘概率預(yù)測數(shù)據(jù)體，在N1g125砂層頂面控制下，對 N1g125砂層砂體頂?shù)酌孢M行追蹤解釋，實現(xiàn)了埕島極淺海油田曲流河河道砂體相層雙控智能識別和描述（見圖8）。實鉆與預(yù)測砂體厚度對比統(tǒng)計表顯示（見表1），預(yù)測誤差小于1.5 m，大大提高了曲流河薄儲集層砂體描述的準確性。

表1 埕島極淺海油田N1g125砂層實鉆與預(yù)測砂體厚度對比

圖7 埕島極淺海油田N1g125曲流河沉積微相砂層智能預(yù)測結(jié)果圖

圖8 埕島極淺海油田N1g125砂層砂體厚度圖

4 疊前地震流體識別技術(shù)

針對埕島極淺海油田早期利用疊后地震資料進行流體預(yù)測精度不高的問題，在保證疊前道集資料品質(zhì)良好的前提下，通過巖石物理分析，對館上段河道砂體油藏進行疊前地震流體識別。

4.1 疊前道集處理

流體彈性阻抗是縱波速度、橫波速度、密度和入射角的函數(shù)，為了把流體彈性阻抗與地震數(shù)據(jù)聯(lián)系起來，地震數(shù)據(jù)體必須是角度部分疊加的形式。常規(guī)采集、處理之后僅能得到反映振幅與偏移距關(guān)系的CMP（Common Middle Point，共中心點）道集，因此角道集疊加在疊前反演中非常關(guān)鍵[20-21]。角道集部分疊加處理的目的是為AVO（Amplitude Variation with Offset，振幅隨炮檢距的變化）或彈性阻抗等疊前反演提供地震資料，所以需要對CMP道集資料做特殊處理：①精細的波前擴散處理；②震源組合與檢波器組合效應(yīng)的校正；③反Q濾波；④地表一致性處理，包括地表一致性反褶積、地表一致性振幅校正、地表一致性靜校正；⑤疊前去噪處理；⑥疊前剩余振幅補償；⑦精細的初至切除。這些處理過程直接影響著地震道集的AVO（或 AVA（Amplitude Variation with incident Angle，振幅隨入射角的變化））屬性。

處理后的CMP道集進一步做角道集轉(zhuǎn)換，按照最大角度不能超出最大偏移距和保證目的層段有最高照明度的原則劃分角度，得到研究區(qū) 3個角度的部分疊加剖面，為疊前流體檢測提供基礎(chǔ)資料。

4.2 巖石物理特征分析

選定合適的參數(shù)可以減小流體檢測的不確定性和多解性。根據(jù)測井解釋巖石彈性參數(shù)（縱波速度、密度、橫波速度）計算得到泊松比、拉梅參數(shù)與密度的乘積、剪切模量與密度的乘積、流體因子等屬性參數(shù)，結(jié)合已估算具有橫波的測井曲線特征，根據(jù)多種參數(shù)的交會關(guān)系來確定流體性質(zhì)[22-24]。埕島極淺海油田N1g125砂層彈性參數(shù)交會圖顯示（見圖 9），油層具有低泊松比、低流體因子、低拉梅參數(shù)與密度的乘積等特征，在一定程度上可對流體進行識別。但是油層與水層和干層的對應(yīng)區(qū)域有部分疊置，無法用一個簡單的截止值或多邊形邊界來進行含油性解釋，因此需要進行流體概率分析[25-26]。

圖9 埕島極淺海油田館上段不同流體地層彈性參數(shù)交會圖

4.3 疊前流體概率預(yù)測

對井點數(shù)據(jù)進行分流體統(tǒng)計和隨機模擬，建立不同流體的彈性屬性概率密度分布函數(shù)，然后利用貝葉斯判別準則，分油、水對反演得到的拉梅參數(shù)與密度的乘積和泊松比進行概率映射轉(zhuǎn)換，得到對應(yīng)的含油概率體、含水概率體。該方法充分利用了反演得到的彈性參數(shù)，與直接反演結(jié)果相比，得到的流體數(shù)據(jù)體具有更加明確的地質(zhì)含義，且根據(jù)流體的概率分布趨勢，可以半定量評估流體類型預(yù)測風(fēng)險。流體概率分析技術(shù)流程主要包括以下步驟：①利用測井資料分析結(jié)果建立各種含流體類型條件下的地震反演彈性參數(shù)之間的關(guān)系；②根據(jù)測井分析結(jié)果篩選出對流體相敏感且線性相關(guān)較弱的彈性參數(shù)，建立并調(diào)整各種流體的概率密度函數(shù)；③應(yīng)用疊前地震資料進行疊前同步反演獲得流體彈性屬性體；④應(yīng)用定義的概率密度函數(shù)把測井資料和地震反演結(jié)果相結(jié)合進行概率分布分析，半定量預(yù)測含流體類型。通過以上步驟把疊前反演的多個屬性數(shù)據(jù)體轉(zhuǎn)換成流體概率體，進一步提高了流體預(yù)測的精度。

最終的流體概率結(jié)果綜合了多個疊前彈性參數(shù)對油層的響應(yīng)，預(yù)測結(jié)果與實鉆井吻合程度高。過CB252、SHHG2、CB206等井的流體概率地震預(yù)測剖面圖顯示出非常清晰的油水關(guān)系特征（見圖10）。圖11為N1g125砂層流體概率預(yù)測平面圖顯示出非常清晰的油水關(guān)系平面展布特征（見圖11），通過與實鉆井統(tǒng)計分析（見表2）對比，儲集層流體識別吻合率達到90%以上。

圖10 過CB252—SHHG2—CB206井流體概率地震預(yù)測剖面圖（剖面位置見圖1；顏色越紅代表含油概率越高；顏色越綠代表含水概率越高）

圖11 埕島極淺海油田N1g125砂層流體概率平面預(yù)測圖（顏色越紅代表含油概率越高；顏色越綠代表含水概率越高）

表2 埕島極淺海油田N1g125砂層鉆遇流體與預(yù)測流體吻合情況統(tǒng)計表

5 結(jié)論

通過多學(xué)科融合應(yīng)用，提出應(yīng)用海陸雙檢疊前高分辨率二級提頻處理、相層雙控儲集層智能識別、疊前多參數(shù)流體概率等 3項技術(shù)，為勝利埕島極淺海油田薄儲集層油氣勘探和開發(fā)提供物探技術(shù)支撐。

海陸雙檢疊前高分辨率二級提頻處理技術(shù)主要包括海陸雙檢一致性融合處理技術(shù)和疊前大角度保幅拓頻處理技術(shù)，該技術(shù)可提高地震資料的信噪比和分辨率，將目的層地震主頻從30 Hz提高到50 Hz，可分辨6 m厚的砂體，為薄儲集層預(yù)測奠定了資料基礎(chǔ)。

相層雙控智能識別技術(shù)是在地震精細層控的基礎(chǔ)上，建立河漫灘型、天然堤型、邊灘型 3種曲流河主要沉積微相地震相模式，制定地震屬性規(guī)約策略，通過海量數(shù)據(jù)分析手段和智能判識，以沉積相分布的有序性和不變性、地震屬性的規(guī)律性和關(guān)聯(lián)性為約束，實現(xiàn)地震沉積微相和薄儲集層的智能識別和描述，大大提高了薄儲集層描述的精度和效率，儲集層厚度預(yù)測誤差小于1.5 m。

在疊前道集處理和巖石物理分析基礎(chǔ)上開展疊前多參數(shù)流體概率半定量含油性地震識別，儲集層流體識別吻合率達到90%以上。