赤道几内亚湾深水海域基于部分叠加角道集的地震烃类检测

左国平,吕福亮,范国章

(中国石油杭州地质研究院,浙江杭州310023)

左国平,吕福亮,范国章.赤道几内亚湾深水海域基于部分叠加角道集的地震烃类检测[J].石油物探,2017,56(6):-852

ZUO Guoping,LV Fuliang,FAN Guozhang.Seismic hydrocarbon detection based on partial stack angle gathers in offshore deep-water of the Equatorial Guinea Bay[J].Geophysical Prospecting for Petroleum,2017,56(6):-852

赤道几内亚湾深水海域基于部分叠加角道集的地震烃类检测

左国平,吕福亮,范国章

(中国石油杭州地质研究院,浙江杭州310023)

直接利用地震资料进行含油气性检测在海洋深水油气勘探中尤为重要,但是利用单一属性或参数进行油气检测存在多解性和不确定性。以赤道几内亚深水沉积目标为例,基于部分叠加角道集,利用振幅属性、频率属性、分频技术、波形分类技术以及远道叠加数据与近道叠加数据交会分析等技术手段进行综合油气检测,预测了油气分布范围,预测结果与钻井结果以及已知的油气水分布吻合较好,有效排除了“假亮点”等非含气目标,提高了烃类检测的精度和可靠程度,取得了良好的应用效果,同时形成了一套适合海洋深水沉积储层烃类检测的方法和流程。

油气检测;振幅属性;频率属性;分频技术;波形分类;交会分析;海洋深水油气勘探

随着油气勘探的不断发展,油气勘探领域发生了重大变化,海上油气勘探越来越受到重视,而且从浅水油气勘探向深水油气勘探迈进,深水海域已成为海上油气勘探的重要领域之一。海洋深水油气勘探不同于陆上油气勘探,海洋深水油气勘探具有技术要求高、资金风险高、作业难度高的“三高”特点,并且钻井较少。目前,海洋深水油气勘探主要依靠地震勘探,因此充分挖掘地震资料中蕴含的丰富信息,直接利用地震资料进行含油气性检测在海洋深水油气勘探中具有重要意义。

目前,在海洋深水油气勘探直接油气检测中,叠后地震资料的吸收衰减属性和叠前AVO分析等方法应用广泛。但由于叠后资料的叠加效应,损失了部分与流体相关的信息,而叠前AVO方法在低含气饱和度(解释为水层)情况下,同样具有较好的油气响应异常,从而导致油气检测存在多解性和不确定性[1]。

针对目前利用叠前、叠后地震资料进行海洋深水海域含油气性检测中存在的多解性和不确定性问题,提出了应用部分角度叠加道集进行烃类检测的方法。与CRP道集相比,部分角度叠加道集既可反映AVO分析中振幅随入射角的变化情况,又可进行频率、波形等属性分析。前人的研究表明,应用部分角度叠加道集主要是通过叠前弹性反演进行烃类检测[2-4]。而本文主要基于CRP道集通过部分叠加生成部分角度叠加道集的振幅、频率、波形等特征进行含油气性检测。该方法与常规的基于CRP道集的AVO研究相比,优点在于既考虑了AVO研究的振幅特征,又利用了频率、波形等特征进行综合评价研究,进一步提高烃类检测的准确性。

1 研究区地质概况

研究区位于西非赤道几内亚湾深水海域(图1),水深700～1100m,储层属于海洋深水沉积砂岩储层,物性较好,研究区内有3口井(图2,油气水分布范围为区块作业者提供),W1井为气井,气层厚度40m,平均孔隙度为26%,含气范围如图2中红色所示;W2井为油气井,气层10m,油层36m,平均孔隙度为29%,含油范围如图2中绿色所示;W3井为油水井,油层13m,水层32m,平均孔隙度为28%,含水范围如图2中蓝色所示。同一个砂体表现出油、气、水3种流体共存的特点,即上部为气层、中间为油层、底部为水层,因此在平面上表现出油、气、水叠置的特点。整个研究区位于斜坡上,属于单斜构造,勘探目标为岩性圈闭目标。

图1 研究区位置

图2 研究区油气水边界分布

研究区面积大(大于1×104km2),钻井较少。油气勘探主要依靠地震资料。研究表明,该地区海洋深水沉积储层阻抗低于围岩阻抗,含气储层具有较好的三类AVO特征,可以利用AVO技术进行烃类检测。但随着勘探的进行,发现并非具有三类AVO异常的砂岩储层均为气层,也并非具有亮点特征的地震反射均为含气指示。因而给研究区含气性检测带来了多解性。本文的研究旨在基于AVO研究和亮点振幅研究基础上,利用部分叠加角道集资料进一步识别与气层相关的AVO异常以及真假亮点,从而实现降低烃类检测的不确定性和提高烃类检测准确性的目的。

2 油气检测方法

研究中采用的地震数据包括CRP道集、叠后地震数据、远道叠加地震数据和近道叠加地震数据(即部分叠加角道集数据,研究中通过对过井的CRP道集随角度的变化关系确定远近道范围,分析认为该研究区气层在近道0～10°和远道20°～30°差异明显)。本次研究应用的技术方法主要包括：①振幅属性方法;②频率属性方法;③分频方法;④波形分类方法;⑤部分角度叠加道集交会分析。形成了一套如图3所示的基于部分角度叠加道集的烃类检测方法技术流程。

首先,基于叠后地震资料开展叠后振幅属性分析,研究区砂岩储层与泥岩围岩相比,表现为明显的低阻抗特征,含油气后阻抗更低,储层与围岩具有明显阻抗差,在地震剖面上表现为强反射,因此,可以利用亮点强振幅特征初步确定有利目标分布范围。然后,基于CRP道集和速度开展道集的AVO特征分析,研究振幅随入射角的变化情况,并生成对含气性敏感的部分角度叠加道集。针对叠后振幅属性分析确定的有利目标开展CRP道集特征分析及部分角度叠加道集(远近道)上的振幅对比分析,进一步明确具有AVO特征的目标范围[5-6]。在此基础上开展基于部分角度叠加道集的频率特征分析,分析气层在频率上的响应情况,并确定具有频率异常的目标分布区。通过分频方法确定与含气相关的优势频段并对有利目标进一步优选评价,并结合波形分类方法综合评价含气范围。

图3 油气检测技术流程

2.1 振幅属性

研究区目的层呈单斜构造展布形态,由于为深水沉积,整体表现为“泥包砂”的特征,即大套泥岩夹砂岩,砂岩上倾方向尖灭,形成良好的封堵条件。W1井位于斜坡的最上端,W3井位于斜坡的最下端,W2井位于中间(图4)。当储层含油气时,地震剖面上常表现为明显的强振幅(亮点)[7-11]。在W1-W2-W3联井地震剖面(图5)上,W1气井表现出较强的振幅,呈亮点特征,W2油气井的振幅次之,W3油水井的振幅最弱,振幅与油气分布吻合较好。因此,振幅属性可用来判别含油气性。

图4 目的层双程旅行时平面展示

图5 W1-W2-W3联井地震剖面

沿目的层提取的均方根振幅、最大振幅和远道叠加振幅减近道叠加振幅平面(图6)显示,均方根振幅和最大振幅平面图特征相似,红色表示高振幅值,其分布形态与图2所示油气水的分布较吻合。远道叠加振幅减近道叠加振幅反映了远近道叠加振幅的变化情况,目的层在地震剖面上表现为波谷,即振幅为负值,远道叠加振幅减近道叠加振幅平面图中,负值越大表示远道振幅越强,为三类AVO异常,能较好地刻画油气的分布范围。图6c中的红色—黄色区域较好地反映了油气的分布情况,其中W1和W2井为气井,远近道振幅差更大,而W3井为油井,远近道振幅差相对较小,但仍然表现为远道振幅强近道振幅弱的特征,与图2所示油气水的分布吻合较好。因此,可利用均方根振幅属性、最大振幅属性以及远道叠加振幅减近道叠加振幅属性进行含油气性检测。

图6 沿目的层提取的均方根振幅平面(a)、最大振幅平面(b)和远道叠加振幅减近道叠加振幅平面(c)

2.2 频率属性

研究表明,当储层含流体,如水、油或气时,会引起地震波的散射,导致地震能量和频率的衰减。不同储层流体的频率存在差异性。含气储层的高频衰减程度与储层油气饱和度成正比,即含气储层的高频成分比围岩衰减快,在地震资料上常形成低频特征,总体上,含油气层的频率低于含水层的频率[12-13],因此,通过对目标砂体的频率属性分析,可有效地进行含油气性检测。

对由地震数据处理产生的瞬时频率数据体进行频率剖面分析和频率平面属性分析即可进行含油气性判别。对研究区地震数据进行处理后发现,在目的层含气位置处(W1井),瞬时频率属性剖面上表现为明显的低频,而在低部位含水区域(低于W3井的区域)频率降低不明显(图7),瞬时频率属性平面图中低频分布范围则较好地刻画了油气展布情况(图8),其分布结果与图2所示油气水分布特征吻合,因此采用瞬时频率属性能较好地进行含油气性检测。当然,引起频率变化的因素较多,如岩性、厚度、物性及流体性质的变化等,最终评价应结合多种方法的结果进行综合分析以进一步降低多解性和不确定性。

图7 瞬时频率属性剖面

图8 瞬时频率属性平面展布

2.3 分频技术

分频技术主要是利用离散傅里叶变换、小波变换等技术将地震数据由时间域转换到频率域,形成时频数据体和分频体。基于Biot双相介质理论基础,当地震波穿过双相介质时,固相和液相之间产生相对位移并发生相互作用,产生第二纵波。第二纵波速度很低,且极性与第一纵波相反。实际地震记录是第一纵波与第二纵波的叠加,其动力学特征与单相介质的性质不同。不同性质的流体,第二纵波的特征会有差异。当流体为油气时,地震记录上会表现为明显的“低频共振、高频衰减”特征。研究表明,当储层含油气后会使储层固有频率降低,地震波低频共振使低频段能量加强,同时使地震波高频成分衰减,从而导致高频段能量减弱[14-17]。因此,地震剖面上,含油气段表现出低频共振能量增强和高频衰减能量减弱的特征,含油气饱和度越高,特征越明显,即低频共振高频衰减现象与含油气饱和度成正比关系。通常,油气层表现为整体频率偏低,其中低频能量较高,高频能量偏低,气层对高频信号的吸收性明显增强。水层表现为整体频率偏高,其中低频段能量偏低,高频段能量偏高,低频共振高频衰减现象不明显。总体上,油气层表现为低频能量相对较高而高频能量相对偏低的特征,即低频共振高频衰减特征[18]。

据此,对研究区的部分角度叠加中对油气敏感的角度叠加地震数据进行谱分解处理。按10Hz的间隔将地震数据处理成10,20,30,40,50,60Hz 6个数据体。不同频率的联井剖面(图9)显示,10Hz剖面上气层段(W1井)表现为强振幅,油层段(W2井)振幅稍弱,水层段(W3井)无明显强振幅。20Hz,30Hz的剖面与10Hz的剖面类似,振幅略有减弱但强振幅仍然存在。40～60Hz剖面上振幅减弱明显,在50Hz和60Hz的剖面上已无明显强振幅现象。此研究表明,油气层段存在低频共振振幅增强、高频衰减振幅减弱现象。对不同频率数据体沿目的层提取的振幅属性(图10)显示,10～30Hz平面属性图中的强振幅能较好地反映油气分布情况,与钻井情况及图2所示的油气水分布情况吻合。因此,可以利用分频属性进行含油气性检测。

图9 分频属性剖面

2.4 波形分类

地震波形的变化是地震波振幅、频率、相位的综合反映,是重要的地震属性参数。地震波形分类技术充分利用了地震资料信息丰富的特点,采用神经网络算法将地震道形状(即波形特征)定量地刻画出来,通过对目的层的地震数据逐道进行波形的对比分类,细致地刻画地震信号波形的横向变化[19]。研究表明,储层流体发生变化时,地震波形随之发生改变。储层流体为气和水时,在地震上表现出不同的波形形态。利用波形分类技术可识别与油气相关的波形特征并对不同波形进行分类,从而达到通过对波形特征的分析进行油气判别以及油气水边界确定的目的。

通过对研究区目的层进行波形分类研究,将波形分为10类(图11)。由波形变化可知,第1类至第10类波形的幅度逐渐变小,波形宽度逐渐变窄,振幅和频率都存在变化,即波形上具有差异。根据前面的分析,气层振幅增强,正如波形分类中的1～3类波形,而水层振幅较弱,正如波形分类中的7～10类波形,4～6类波形则代表了含油储层,该分类结果与图2所示的油气水的分布吻合。因此,可通过波形分类以及钻井标定的方法进行含油气性检测。

图10 分频属性平面展示

图11 波形分类平面展示及其波形

2.5 基于部分角度叠加道集的交会分析

根据AVO分析,地震振幅随储层流体变化而发生改变。其中比较典型的是二类和三类AVO响应特征,三类AVO特征为振幅随偏移距的增加而增加,分角度(偏移距)叠加后的特征为远道叠加振幅强于近道叠加振幅。二类AVO特征表现为两种情况,一种为极性反转,即由负振幅转换为正振幅或由正振幅转换为负振幅,另一种为近道振幅较弱,振幅随角度增加而增强。因此,可通过对远近道叠加的地震数据对比分析确定振幅随入射角(偏移距)的变化关系,从而进行含油气性检测[20-23]。

本文通过对远近道叠加剖面交会分析进行AVO响应特征研究,并结合钻井情况进行含油气性检测。图12为远、近道叠加地震剖面对比。由图12可知,含油气层段远道叠加振幅明显强于近道叠加振幅,表现为明显的三类AVO响应特征。图13,图14和图15分别为过W1,W2,W3井的远近道叠加地震剖面及交会结果。图13a显示,异常主要集中在红色区域,有少量分布在绿色区域。红色区域表示远道叠加振幅强于近道叠加振幅,为三类AVO异常,而绿色区域表示远道振幅与近道振幅极性相反,存在相位的反转现象,表现为二类AVO异常。将异常投影到远近道叠加地震剖面上(图13b,图13d),红色(即三类AVO响应)表现为明显的含气特征,其横向展布与波形分类结果一致(图13c),与W1气井吻合。

图12 远(a)、近(b)道叠加地震剖面

图13 过W1井远近道剖面及交会结果 a 远近道交会结果(横坐标表示近道,纵坐标表示远道); b 近道叠加剖面; c 波形分类平面展示; d 远道叠加剖面

图14 过W2井远近道剖面及交会结果 a 远近道交会结果(横坐标表示近道,纵坐标表示远道); b 近道叠加剖面; c 波形分类平面展示; d 远道叠加剖面

图14a 显示,异常主要集中在红色区域和绿色区域内,表现为二类和三类AVO异常。将异常投影到远近道叠加地震剖面上(图14b,图14d),在W2井位置,异常既有红色又有绿色,表示既含油又含气,这与W2井为油气井完全吻合,其横向展布与波形分类结果一致(图14c)。图15a显示,异常主要集中在绿

色区域内,表现为二类AVO异常。将异常投影到远近道叠加地震剖面上(图15b,图15d),在W3井位置,以绿色为主,表示以含油为主,这与W3井为油井完全吻合,其横向展布与波形分类结果一致(图15c)。

图16为过非油气分布区的地震剖面及交会结果。从图16可以看出,远近道叠加剖面和交会图中均无二类和三类异常(即油气响应异常);在波形分类平面图上,该测线位置已处于非油气波形分布范围内(图16c)。

图15 过W3井远近道剖面及交会结果 a 远近道交会结果(横坐标表示近道,纵坐标表示远道); b 近道叠加剖面; c 波形分类平面展示; d 远道叠加剖面

图16 过非油气分布区远近道剖面及交会结果 a 远近道交会结果(横坐标表示近道,纵坐标表示远道); b 近道叠加剖面; c 波形分类平面展示; d 远道叠加剖面

3 预测结果及分析

根据上述烃类检测技术方法,对赤道几内亚湾深水海域的研究区块预测目标进行了综合评价和优选(图17),认为在叠后振幅、频率、叠前AVO、分频及波形分类上都有烃类指示异常的区域为最有利目标区,后续钻井揭示该方法取得了较好的预测效果。

图17 研究区预测目标分布

1号目标为上述试验区。2,3,4号目标为预测的气层,其中2号目标和4号目标后来被钻井证实为气层,与预测结果吻合。2,3,4号目标在部分角度叠加剖面上表现为强振幅特征,远道振幅大于近道振幅,CRP道集分析表明振幅随偏移距增大而增加,分频研究显示存在低频共振高频衰减现象(图18)。而5,6,7号目标在叠后地震剖面上表现为强振幅特征,但经过部分角度叠加和CRP道集分析认为,它们具有近道振幅强、远道振幅弱的特点,CRP道集上显示振幅随偏移距的增加而减小(图19,图20)。基于部分角度叠加数据的分频研究和频率研究结果表明,5,6,7号目标无明显的低频特征,低频共振高频衰减现象不明显。据此,预测时表现出的强振幅为假亮点,主要为岩性的反映。其中5号、7号目标已被钻井证实。

5号目标地震剖面上表现为强振幅特征,CRP道集上存在远道振幅强、近道振幅弱的特点(具有三类AVO异常),但分频研究及频率分析揭示该目标不具有低频共振高频衰减现象,频率也无明显降低。随后的钻井揭示该目标储层发育,含少量气,含气饱和度低,解释为水层。4号目标与7号目标有部分区域垂向叠置,4号目标位于7号目标上部,异常明显,预测为有利目标,钻井揭示为气层,而7号目标钻井揭示储层发育,为水层,非含气目标,与预测结果吻合。

因此,通过本文所述的多种技术方法递进逐步筛选和排除,可以增强烃类检测的有效性,提高烃类检测的可靠程度和准确性。

图18 2号目标烃类检测结果

图19 5号目标烃类检测结果

图20 7号目标烃类检测结果

4 结论

对于海洋深水沉积储层,直接应用部分角度叠加道集地震资料进行含油气性检测具有可行性,通过研究可得出以下结论。

1) 海洋深水沉积储层与围岩相比,具有明显低阻抗特征,含气储层阻抗更低,地震上表现为亮点特征。部分角度叠加道集资料既能反映储层发育情况,又能反映与油气相关的振幅随入射角的变化关系,并进行真假亮点的识别。

2) 深水沉积岩性相对单一,砂岩泥岩组合,由于气层对地震波的吸收作用使得频率明显降低,基于能反映气层的部分角度叠加道集的频率分析可有效进行烃类检测。

3) 基于双相介质理论的低频共振高频衰减特征,利用部分角度叠加道集的分频研究,优选对气层敏感的优势频段可预测含气性。

4) 在有钻井标定情况下,根据储层不同流体的地震波形特征,利用地震波形分类技术可进行含油气性检测。

研究表明,采用单一方法进行烃类检测存在多解性和不确定性。通过对油气层的地震响应特征分析,明确气层在部分叠加角道集上的振幅、频率以及波形等特征,进而利用多种方法进行综合烃类检测评价,可实现降低烃类检测多解性提高准确性的目的。

[1] 张卫卫,何敏,朱明.应用AVO技术识别深水区非亮点气藏[J].石油地球物理勘探,2015,50(1):123-128

ZHANG W W,HE M,ZHU M.Identification of non-bright-spot gas reservoir with AVO in deep water area[J].Oil Geophysical Prospecting,2015,50(1):123-128

[2] 王静波,陈祖庆,蒋福友.频率域高分辨率地震波阻抗直接反演方法研究[J].石油物探,2017,56(3):203-209

WANG J B,CHEN Z Q,JIANG F Y.A direct-inversion method of high-resolution seismic impedance in frequency domain[J].Geophysical Prospecting for Petroleum,2017,56(3):203-209

[3] 沈向存,兰明杰,秦贞超.基于部分叠加角道集属性的含油薄层砂体预测[J].石油物探,2014,53(6):737-743

SHEN X C,LAN M J,QIN Z C.Sandstone prediction of the oil-bearing thin-layers based on seismic attributes from partial stack angle gathers[J].Geophysical Prospecting for Petroleum,2014,53(6):737-743

[4] 郎晓玲,彭仕宓,康洪全,等.叠前同时反演方法在流体识别中的应用[J].石油物探,2010,49(2):164-169

LANG X L,PENG S M,KANG H Q,et al.Application of prestack simultaneous inversion method in fluid identification[J].Geophysical Prospecting for Petroleum,2010,49(2):164-169

[5] 蔡杰雄,王华忠,王立歆.基于三维高斯束算子解析的方位—反射角道集提取技术研究[J].石油物探,2016,55(1):76-83

CAI J X,WANG H Z,WANG L X.Azimuth-opening angle domain common-image gathers from 3D Gaussian beam migration[J].Geophysical Prospecting for Petroleum,2016,55(1):76-83

[6] 郭智奇,刘财,李向阳.非弹性层状介质地震波频变AVO响应模拟及分析[J].地球物理学报,2016,59(2):664-672

GUO Z Q,LIU C,LI X Y.Modeling and analysis of frequency-dependent AVO responses in inelastic stratified media[J].Chinese Journal of Geophysics,2016,59(2):664-672

[7] 陆自清,郭媛.叠前反演中部分叠加道集的优化校正[J].石油地球物理勘探,2015,50(1):67-70

LU Z Q,GUO Y.Partial- stack dataset optimization in prestack seismic inversion[J].Oil Geophysical Prospecting,2015,50(1):67-70

[8] 张明振.胜利滩海地区新近系河流相储层描述技术发展与趋势[J].地球物理学进展,2017,32(2):822-826

ZHANG M Z.Development and tendency of techniques for fluvial reservoir description in Shengli shallow beach sea[J].Progress in Geophysics,2017,32(2):822-826

[9] 郭智奇,刘财,冯晅,等.薄储层的反射特征及其AVO属性分析[J].石油物探,2009,48(5):253-259

GUO Z Q,LIU C,FENG X,et al.Reflectin characteristics of thin reservoirs and its AVO attributes analysis[J].Geophysical Prospecting for Petroleum,2009,48(5):253-259

[10] 齐桓,王海,董冬.地震沉积学在薄储层预测中的应用——以L87 井区水下扇体识别为例[J].地球物理学进展,2017,32(2):709-713

QI H,WANG H,DONG D.Application of seismic sedimentology in thin reservoir prediction:taking the identification of underwater fan in L87 well area as an example[J].Progress in Geophysics,2017,32(2):709-713

[11] 罗琪,韩光明,王立锋.基于岩石物理统计的亮点预测含气性的应用分析——以莺歌海盆地东方1-1 北探区为例[J].地球物理学进展,2016,31(6):2598-2603

LUO Q,HAN G M,WANG L F.Application anaylisis of bright spots predicting hydrocarbon based on the petrophysical statistics in DF1-1 north block,Yinggehai basin[J].Progress in Geophysics,2016,31(6):2598-2603

[12] 陈志刚,徐刚,代双和.“两宽一高”地震资料的敏感方位油气检测技术在乍得潜山油藏描述的应用[J].地球物理学进展,2017,32(3):1114-1120

CHEN Z G,XU G,DAI S H.Application of seismic sensitive azimuth hydrocarbon prediction based on“WF,WA&HD”seismic data at L buried hill in B basin,Chad[J].Progress in Geophysics,2017,32(3):1114-1120

[13] 李伟,岳大力,胡光义.分频段地震属性优选及砂体预测方法——秦皇岛32-6油田北区实例[J].石油地球物理勘探,2017,52(1):121-130

LI W,YUE D L,HU G Y.Frequency-segmented seismic attribute optimization and sandbody distribution prediction:an example in North Block,Qinghuangdao 32-6 Oilfield[J].Oil Geophysical Prospecting,2017,52(1):121-130

[14] 刘静静,刘震,齐宇.地震分频处理技术预测深水储集体[J].石油学报,2016,37(1):81-87

LIU J J,LIU Z,QI Y.Prediction of deep-water reservoir by seismic frequency division technology[J].Acta Petrolei Sinica,2016,37(1):81-87

[15] 王小杰,栾锡武.基于小波分频技术的地层Q值补偿方法研究[J].石油物探,2017,56(2):203-209

WANG X J,LUAN X W.The study of formationQvalue compensation method based on wavelet frequency division technology[J].Geophysical Prospecting for Petroleum,2017,56(2):203-209

[16] 龚洪林,王振卿,李录明.应用地震分频技术预测碳酸盐岩储层[J].地球物理学进展,2008,23(1):129-135

GONG H L,WANG Z Q,LI L M.Predicting carbonate reservoir by applying seismic spectral decomposition technique[J].Progress in Geophysics,2008,23(1):129-135

[17] 韩利,刘春成,张益明.地震复谱分解技术及其在烃类检测中的应用[J].地球物理学报,2016,59(3):1096-1101

HAN L,LIU C C,ZHANG Y M.Seismic complex spectral decomposition and its application on hydrocarbon detection[J].Chinese Journal of Geophysics,2016,59(3):1096-1101

[18] 张震,印兴耀,郝前勇.基于AVO反演的频变流体识别方法[J].地球物理学报,2014,57(12):4171-4184

ZHANG Z,YIN X Y,HAO Q Y.Frequency- dependent fluid identification method based on AVO inversion[J].Chinese Journal of Geophysics,2014,57(12):4171-4184

[19] 邓传伟,李莉华,金银姬,等.波形分类技术在储层沉积微相预测中的应用[J].石油物探,2008,47(3):262-265

DENG C W,LI L H,JIN Y J,et al.Application of seismic waveform classification in the predicting of reservoir’s sediment microfacies[J].Geophysical Prospecting for Petroleum,2008,47(3):262-265

[20] 詹仕凡,陈茂山,李磊.OVT域宽方位叠前地震属性分析方法[J].石油地球物理勘探,2015,50(5):956-966

ZHAN S F,CHEN M S,LI L.OVT-domain wide- azimuth prestack seismic attribute analysis[J].Oil Geophysical Prospecting,2015,50(5):956-966

[21] 钟峙,李录明,史运华.叠前AVA岩性参数反演方法及精度分析[J].石油物探,2011,50(3):225-233

ZHONG S,LI L M,SHI Y H.Pre-stack AVA lithologic parameters inversion method and accuracy analysis[J].Geophysical Prospecting for Petroleum,2011,50(3):225-233

[22] 黄捍东,张如伟,李进波,等.基于叠前振幅随角度变化反演的储层流体识别方法[J].中国石油大学学报(自然科学版),2009,3(5):41-45

HUANG H D,ZHANG R W,LI J B,et al.Reservoir fluid prediction method based on prestack amplitude variation with angle inversion[J].Journal of China University of Petroleum (Edition of Natural Science),2009,3(5):41-45

[23] 刘喜武,刘志远,宁俊瑞.基于全方位地下局部角度域成像的页岩气储层各向异性预测[J].地球物理学进展,2015,30(2):853-857

LIU X W,LIU Z Y,NING J R.Full azimuth subsurface local angle domain imaging based anisotropy characterization for shale gas reservoir[J].Progress in Geophysics,2015,30(2):853-857

(编辑：顾石庆)

Seismichydrocarbondetectionbasedonpartialstackanglegathersinoffshoredeep-wateroftheEquatorialGuineaBay

ZUO Guoping,LV Fuliang,FAN Guozhang

(PetrochinaHangzhouResearchInstituteofGeology,Hangzhou310023,China)

Exploration of hydrocarbons in offshore deep-water reservoirs using seismic data is a highly relevant task.However,detection by a single attribute or parameter of seismic data leads to a high level of uncertainty.Here we use an example of the deep-water sedimentary hydrocarbon reservoir of the Gulf of Equatorial Guinea to detect hydrocarbons based on partial stack angle gathers.We used five techniques for hydrocarbon exploration,namely,seismic amplitude and frequency attribute,spectrum decomposition,waveform classification and crossplot analysis of far offset stack and near offset stack data.The distribution of hydrocarbons in the study area was detected using the abovementioned techniques,and the predicted results agreed with the drilling data and the known reservoir fluid distribution.Moreover,we discovered that the proposed method can effectively eliminate false bright spot anomalies and other non-gas bearing prospects,thus improving the accuracy and reliability of hydrocarbon detection,which can support seismic hydrocarbon exploration in offshore deep-water sedimentary hydrocarbon reservoirs.

hydrocarbon detection,amplitude attribute,frequency attribute,spectrum decomposition,waveform classification,crossplot analysis,offshore deep-water exploration

2017-03-27;改回日期2017-07-10。

左国平(1980—),男,硕士,工程师,现主要从事地震构造解释、储层预测及烃类检测方面的研究工作。

中国石油科学研究与技术开发项目“海外海域油气地质条件与关键评价技术研究”(2016D-4303)资助。

This research is financially supported by Petrochina Science Research and Technology Development Project“Study of petroleum geological conditions and key evaluation technologies in overseas offshore areas” (Grant No.2016D-4303).

P631

A

1000-1441(2017)06-0841-12

10.3969/j.issn.1000-1441.2017.06.010