Pre-stack Multidimensional Facies-controlled Thin Sandstone Prediction under Rock Physics Modeling of Coal-Bearing Strata in the Southern Ordos Basin
-
摘要:
鄂尔多斯盆地南部地区下石盒子组分流河道砂单层厚度薄，在有限的地震分辨率下，下伏山西-太原煤层反射的旁瓣与薄砂体的反射耦合在一起，难以对储层响应特征进行准确分析；此外，在进行岩石物理分析时，该地区还存在测井曲线质量差、横波资料不足等问题，导致储层定量预测存在一定困难。针对上述问题，本文在在Xu-White岩石物理模型的基础上，采用多参数拟合的曲线校正和分步融合的方法，建立一套砂、泥、煤三相岩石物理建模技术，有效改善测井曲线质量，并提高横波速度预测的精度，为后续反演提供合理的测井信息。此外，针对上述储层预测问题，本文提出一种适合研究区的多维相控叠前地质统计学反演方法：首先根据已有的地质认识和测井信息，分析与河道砂相关的地震属性，提取符合沉积变化规律的二维岩相概率密度作为石盒子组储层的平面约束；然后利用煤层反演体，结合贝叶斯判别原理，提取三维煤相概率密度作为下伏煤层的空间约束，最后同时综合二维和三维约束共同开展叠前地质统计学反演。上述方法的预测结果综合考虑下伏煤层和砂岩储层的耦合特征，有效降低薄储层预测的多解性，在实际应用效果较好，钻井吻合度得到明显提高。
Abstract:In the southern region of the Ordos Basin, the thin, single-layer distributary channel sands in the Lower Shihezi Formation cause coupling between the sidelobes of the underlying Shanxi-Taiyuan coal seam reflections and the reflections of thin sand bodies within a limited seismic resolution, making it difficult to accurately analyze the reservoir response characteristics. Additionally, challenges in petrophysical analysis arise owing to the poor quality of the logging curves and insufficient shear wave data in this area block, which impede quantitative reservoir prediction. To address these issues, this study proposes a set of sand, mud, and coal three-phase petrophysical modeling techniques based on the Xu–White petrophysical model, employing a multiparameter fitting curve correction and stepwise fusion method. This approach effectively improves the quality of logging curves and enhances the accuracy of shear wave velocity prediction, thereby providing reasonable logging information for subsequent inversions. Furthermore, to address the reservoir prediction problems mentioned above, this study introduces a multidimensional facies-controlled pre-stack geostatistical inversion method suitable for the study area. First, based on the existing geological understanding and well log information, seismic attributes related to channel sands were analyzed, and a two-dimensional lithofacies probability density conforming to sedimentary variation patterns was extracted as a planar constraint for the Shihezi Formation reservoir. Then, using the coal seam inversion volume combined with Bayesian discrimination principles, a three-dimensional coal facies probability density was extracted as a spatial constraint for the underlying coal seam. Finally, both two- and three-dimensional constraints were comprehensively integrated to conduct a pre-stack geostatistical inversion. The prediction results obtained using this method comprehensively considered the coupling characteristics of the underlying coal seams and sandstone reservoirs, effectively reducing the uncertainty in predicting thin reservoirs and demonstrating good practical application with significantly improved drilling concordance.
-
房间隔缺损（atrial septal defect，ASD）是临床最常见的成人先天性心脏病（congenital heart disease，CHD），占所有CHD的6％～10％[1]。ASD患者因体-肺分流的存在，右心室（right ventricle，RV）前负荷过载，引起右心结构重塑、功能减退，肺血管阻力（pulmonary vascular resistance，PVR）、肺动脉压力（pulmonary artery pressure，PAP）进行性升高，若进展至肺动脉高压（pulmonary arterial hypertension，PAH）、右心衰竭将大大减小临床干预缺损闭合的适用性[2-3]，患者远期生存率明显降低[4]。因此，对ASD患者的PAH进行长期监测与评估管理具有重要意义。
目前超声心动图检查作为临床常用检查手段，仍有受声窗限制、对操作者依赖等不可避免的缺陷。心脏双源CT（dual source CT，DSCT）检查具有良好的时间分辨率和图像质量，使用放射线剂量减低，较心脏超声可重复性高，测量更精准[5]，如合并其他先天畸形能提供更丰富的信息，其用于术前评价心脏相关疾病的价值越来越受到临床重视。既往研究显示CT二维心血管测量能有效反应PAP。由于ASD具有特殊的血流动力学和疾病发展过程[6]，其发生PAH与多种因素相关，包括缺损大小、类型，患者年龄、遗传及免疫等[7]，CT测量指标是否同样适用有待验证。
本研究旨在通过DSCT测量成人ASD患者治疗前的心血管相关参数，分析其与右心导管检查（right cardiac catheterization，RHC）指标相关性，探讨其在成人ASD合并PAH中的诊断价值。
1. 资料与方法
1.1 研究对象
本文选取自2019年1月至2022年3月在徐州医科大学附属医院确诊的75例ASD患者，其中男性21例，女性54例；年龄18～69（42.72±14.71）岁。根据肺动脉高压诊断金标准[8]，即患者在海平面、静息状态下，经RHC测定患者的肺动脉平均压（mean pulmonary arterial pressure，mPAP）是否≥25 mmHg，将所有纳入对象分为PAH组40例、无PAH组35例。
纳入标准：①临床首次确诊或从未进行过临床治疗，包括药物和手术治疗的ASD成年患者；②所有患者均进行 RHC检查并于前一周内行DSCT先天性心脏病检查。
排除标准：①双向分流 ASD患者或已发展为艾森曼格综合征、合并其他心脏大血管畸形、严重心脏瓣膜病、其他可能导致左心衰竭/肺循环充血性疾病、严重心律失常及心肌病/心肌炎等；②合并糖尿病、结缔组织病、呼吸系统疾病、胸廓畸形、胸膜病变等可能影响肺血管的疾病；③有胸部手术史；④CT图像质量不佳无法满足测量标准。
1.2 临床基线资料收集
通过查阅住院电子病历收集纳入对象的临床基线资料，包括年龄、性别、身高、体重等。
1.3 RHC方法
在患者平卧位、局部麻醉状态下，术者选择右侧股静脉穿刺成功后，采用6F MPA2导管在透视状态下进行操作，测量并收集血流动力学指标包括肺动脉收缩压（pulmonary artery systolic pressure，PASP）、肺动脉舒张压（pulmonary artery diastolic pressure，PADP）、mPAP、PVR。
1.4 DSCT先天性心脏病检查方法
所有患者采用Siemens Somatom Force型双源CT机，按照标准位置连接心电导连线，取仰卧位，双臂上举，经右肘前静脉注射非离子型碘佛醇（I Oversol，350 mgI/mL江苏恒瑞）。根据体质量，对比剂注射流率3.0～5.0 mL/s。
采用对比剂跟踪技术触发，感兴趣区置于升主动脉处，当感兴趣区CT值达到100 HU时，延迟6 s扫描，于25％～40％ R-R间期进行数据采集。扫描范围从胸廓入口至膈下2 cm，扫描野包括整个心脏及胸部大血管。扫描参数：管电压80～120 kV，管电流380～420 mA，层厚1 mm，准直1.25 mm。
1.5 DSCT心血管参数测量
将原始图像导入后处理工作站进行心血管参数测量，所有测量数值取3次测量结果的平均值，血管测量参数包括升主动脉直径（ascending aortic diameter，AAD）、主肺动脉直径（main pulmonary artery diameter，MPAD）、左肺动脉干直径（left pulmonary artery diameter，LPAD）、右肺动脉干直径（right pulmonary artery diameter，RPAD）、右下肺动脉干直径（right lower pulmonary artery diameter，RLPAD）。
测量方法：在CT轴位图像上选取肺动脉最大层面，由升主动脉中心点发出垂直于主肺动脉长轴所得的主肺动脉径长即为MPAD（图1（a）和图2（a）），同一层面的升主动脉最短径即为AAD（图1（a）和图2（a））；在CT轴位图像上选取右肺动脉干最大层面，做升主动脉中心点和升主动脉缘与右肺动脉右侧缘相切点之间的连线，其延长线所得右肺动脉干管径即为RPAD取值（图1（b）和图2（b））；在CT轴位图像上选取左肺动脉干最大层面，做左上肺静脉中心点和左上肺静脉与左肺动脉左侧缘相切点之间的连线，其延长线所得左肺动脉干管径即为LPAD（图1（c）和图2（c））；在右肺中下叶支气管分叉层面，测量右下肺动脉的短径，记为RLPAD（图1（d）和图2（d））。计算主肺动脉直径与升主动脉直径的比值（rPA）。
![]()
图 1 女，57岁，ASD合并PAH，mPAP=41.0 mmHgFigure 1. Female, 57 years old, atrial septal defect with pulmonary hypertension, mPAP=41.0 mmHg![]()
图 2 女，57岁，ASD不合并PAH，mPAP=16.0 mmHgFigure 2. Female, 57 years old, atrial septal defect without pulmonary hypertension, mPAP=16.0 mmHg心脏测量参数包括右心室短轴最大内径（RVD）、左心室短轴最大内径（LVD）和脊柱室间隔夹角、ASD直径。测量方法：在CT轴位图像上测量RV、LV游离壁心腔面与室间隔的最大垂直距离，即RVD、LVD（图1（e）和图2（e））；在同一层面取胸骨中点与胸椎棘突的连线，测量此线与室间隔中心线向前所成夹角的度数，即脊柱室间隔夹角（图1（f）和图2（f））。计算右心室腔短轴最大内径与左心室腔短轴最大内径的比值，即RVD/LVD。选取CT轴位像上房间隔缺损最大层面测量ASD直径。
1.6 统计学分析
使用SPSS 26.0统计软件进行数据分析。计量资料以均数±标准差
$(\bar x\pm s)$ 表示，计数资料以例数（构成比）表示；两组间RHC指标、CT心血管参数差异比较采用独立样本t检验。使用ROC曲线评价DSCT对成人ASD合并PAH的诊断效能，计算和比较ROC曲线下面积（AUC），确定其截断值、敏感度、特异度；使用Pearson等级相关系数分析mPAP与CT心血管参数之间的相关性。P<0.05为差异具有统计学意义。
2. 结果
2.1 临床基线资料与RHC指标结果
本研究共纳入75例成人ASD患者，分为PAH组40例和无PAH组35例。两组间年龄、性别、体表面积（body surface area，BSA）比较差异均无统计学意义（表1）；PAH组患者NYHA心功能分级比无PAH组患者差，差异有统计学意义；PAH组RHC指标PASP、PADP、mPAP、PVR较无PAH组升高，差异有统计学意义（表1）。
表 1 两组间临床基线资料及RHC指标比较Table 1. Comparison of clinical baseline data and right heart catheterization indexes between the two groups项目 组别 P 无PAH组（n=35） PAH组（n=40） 年龄/岁 40.49±16.99 44.68±12.28 0.22 男性/（n，％） 11.00（31.43） 10.00（25.00） 0.54 BSA/m2 1.65±0.11 1.67±0.14 0.59 NYHA分级 <0.05 Ⅰ～Ⅱ级（n，％） 35.00（100.00） 31.00（77.50） Ⅲ～Ⅳ级（n，％） 0.00（0.00） 9.00（22.50） PASP/mmHg 38.03±12.78 50.85±20.76 <0.05 PADP/mmHg 16.12±6.80 20.98±8.80 <0.05 mPAP/mmHg 17.97±2.75 34.00±11.08 <0.05 PVR（Wood） 1.38±0.67 5.70（3.24～15.12） <0.05 2.2 DSCT心血管参数结果
与无PAH组比较，PAH组MPAD、RPAD、LPAD、RLPAD、RVD、脊柱室间隔夹角、rPA、RVD/LVD、ASD直径均升高，存在显著性差异（表2）；两组间AAD、LVD差异无统计学意义（表2）。
表 2 两组间CT心血管参数测量值比较Table 2. Comparison of CT cardiovascular parameters between the two groups心血管参数 组别 P 无PAH组（n=35） PAH组（n=40） AAD 28.91±4.74 28.41±4.81 0.652 MPAD/mm 31.14±6.27 36.34±8.52 <0.05 RPAD/mm 23.66±5.28 27.91±6.23 <0.05 LPAD/mm 23.05±5.24 27.30±5.84 <0.05 RLPAD/mm 14.24±2.78 16.49±3.75 <0.05 RVD/mm 43.22±9.72 48.43±8.75 <0.05 LVD/mm 35.97±5.77 34.87±7.89 0.499 脊柱室间隔夹角/° 51.93±12.83 61.87±11.68 <0.05 rPA 1.08±0.18 1.31±0.38 <0.05 RVD/LVD 1.21±0.24 1.43±0.29 <0.05 ASD直径/mm 17.28±4.43 24.95±5.32 <0.05 2.3 以RHC指标mPAP为PAH金标准，分析DSCT心血管参数对PAH的诊断效能
DSCT测量所得MPAD、RPAD、LPAD、RLPAD、脊柱室间隔夹角、rPA、RVD/LVD、ASD直径对PAH具有诊断价值（AUC均>0.5，P均<0.05），其中RPAD、LPAD、脊柱室间隔夹角、rPA、RVD/LVD、ASD直径对PAH具有中等强度的诊断效能（AUC>0.7）（表3）。
表 3 CT心血管参数预测PAH的ROC曲线分析Table 3. ROC curve analysis of CT cardiovascular parameters predicting PAH心血管参数 AUC值（95％CI） P 截断值 敏感度/％ 特异度/％ 约登指数 MPAD/mm 0.68（0.55～0.80） <0.05 35.00 0.58 0.74 0.32 RPAD/mm 0.71（0.59～0.83） <0.05 21.95 0.88 0.51 0.39 LPAD/mm 0.72（0.60～0.83） <0.05 23.50 0.80 0.60 0.40 RLPAD/mm 0.68（0.56～0.81） <0.05 16.95 0.45 0.91 0.36 脊柱室间隔夹角/° 0.72（0.61～0.84） <0.05 63.35 0.53 0.86 0.38 rPA 0.70（0.58～0.82） <0.05 1.20 0.63 0.83 0.45 RVD/LVD 0.71（0.59～0.82） <0.05 1.22 0.83 0.51 0.34 ASD直径/mm 0.85（0.77～0.93） <0.05 22.32 0.68 0.89 0.56 2.4 相关性分析
MPAD、RPAD、LPAD、RLPAD、脊柱室间隔夹角、rPA、RVD/LVD、ASD直径与mPAP均呈正相关，其中MPAD、rPA、ASD直径与mPAP呈中度正相关（表4）。MPAD、rPA、RVD/LVD与PVR呈中度正相关，ASD直径与PVR呈高度正相关（表5）。DSCT测量的心脏参数脊柱室间隔夹角、RVD和RVD/LVD三者间互为正相关，LVD与RVD呈正相关，LVD与脊柱室间隔夹角呈负相关，LVD与RVD/LVD无显著相关性（表6）。
表 4 mPAP与CT心血管测量参数相关性分析Table 4. Correlation analysis of mPAP and CT cardiovascular measurement parameters心血管参数 r P MPAD/mm 0.51 <0.05 RPAD/mm 0.45 <0.05 LPAD/mm 0.44 <0.05 RLPAD/mm 0.47 <0.05 脊柱室间隔夹角/° 0.36 <0.05 rPA 0.61 <0.05 RVD/LVD 0.47 <0.05 ASD直径/mm 0.62 <0.05 表 5 PVR与CT心血管测量参数相关性分析Table 5. Correlation analysis of PVR and CT cardiovascular measurement parameters心血管参数 r P MPAD/mm 0.56 <0.05 RPAD/mm 0.48 <0.05 LPAD/mm 0.47 <0.05 RLPAD/mm 0.44 <0.05 脊柱室间隔夹角/° 0.39 <0.05 rPA 0.63 <0.05 RVD/LVD 0.52 <0.05 ASD直径/mm 0.81 <0.05 表 6 CT心脏参数测量值相关性分析Table 6. Correlation analysis of CT cardiac parameter measurements相关系数 RVD LVD RVD/LVD 脊柱室间隔夹角 RVD 1.00 LVD 0.49** 1.00 RVD/LVD 0.45** -0.06 1.00 脊柱室间隔夹角 0.52** -0.47** 0.50** 1.00 注：**-在0.01级别（双尾），相关性显著。 3. 讨论
ASD患者肺血管流量和压力持续性增加，肺血管内皮细胞受损、代谢功能紊乱，右心后负荷增加并加剧前负荷，产生恶性循环，心肺血管形态重塑、功能障碍，PVR、PAP进行性升高，当超过右心、肺血管代偿能力时出现不可逆性PAH、右心衰竭，治疗预后极差。Engelfriet等[4]对欧洲心脏病多中心数据库关于成人心脏间隔缺损患者的研究中提到即使关闭心脏间隔缺损，PAH仍可发生或继续进展。因此，维持ASD患者终身血流动力学稳定是重要的治疗目标[9-10]。RHC是目前评价PAH的金标准，但属于有创性操作，有发生严重并发症可能性，患者依从性较差，且对PAH的病因及心脏形态等信息提供有限[11]。DSCT作为一种无创、有效、成像速度快、可重复性高的检查手段，已成为先天性心脏病诊疗中不可或缺的部分。
RVD/LVD作为比值参数，影像观察直观，并一定程度消除扫描时处于不同心动周期时相所造成的个体差异，是评估PAH简便、可靠的方式。张伟等[12]用CTPA评估急性肺栓塞患者发生PAH的研究中发现，随着PAP升高，RVD明显增大（轻度PAH组（38.46±5.43）mm，中重度PAH组（44.95±6.86）mm）而LVD呈减小趋势，相应RVD/LVD显著增加。梁妍等[13]用磁共振测得在分流型先心病患者中PAH组（38.55±6.63）mm，RVD较无PAH组（32.36±4.82）mm增大，双心室内径比值随PAP升高而不断扩大（PAH组（1.55±0.55）mm，无PAH组（1.13±0.26）mm）。
本研究显示PAH组RVD/LVD较无PAH组明显增大，RVD/LVD与mPAP、PVR均呈正相关，对mPAP截断值为1.22，敏感度为82.50％。本研究还发现两组患者RVD普遍增大，LVD与RVD呈正相关，但LVD与RVD/LVD无显著相关，两组间LVD亦无显著性差异。考虑ASD患者早期心脏形态改变集中于右心，包括RV壁代偿性增厚、心腔内径扩大等，本研究纳入PAH组中重度PAH患者占比较少，左心系统尚未发生严重形变，如扩大样本量进一步研究可能会有不同结果。
刘敏等[14]研究发现脊柱室间隔夹角在慢性血栓栓塞性PAH组为（63±11）°，较无PAH组（40±7）° 明显增大，与超声测得右室横径呈正相关，与右心功能参数呈负相关，提出右心功能超负荷状态是决定该角度变化的直接因素。与上述研究相似，本研究中ASD-PAH组中脊柱室间隔夹角显著高于无PAH组，与mPAP、PVR均呈正相关，该角对mPAP的截断值为63.35°，特异度为85.70％。目前在脊柱室间隔夹角评价PAH方面的研究较少，但ASD患者RV包括室间隔发生代偿性肥厚等形态改变，出现心脏在水平面上顺时针偏转的现象，且脊柱与室间隔在整个心动周期中位置相对固定，因此该角可以作为反应PAH病情进展较理想的指标。
Kayawake等[15]对COPD相关PAH研究显示CT测量MPAD、RPAD、LPAD等结构指标与mPAP有较好的相关性；Corson等[16]研究发现通过CT测量MPAD＞29 mm对诊断PAH的敏感性为89％，提示MPAD对PAH有较高的诊断能力；另有研究指出通过CTPA测量MPAD检测重度PAH患者的敏感度和准确度更高[17]。本研究显示成人ASD PAH组MPAD较无PAH组明显升高，与mPAP、PVR均呈中度正相关；与上述研究相比，本研究中两组患者MPAD增大，诊断mPAP的界值为35.00 mm，与本研究中RVD增大类似，可能因为ASD患者先天的体-肺分流伴长期代偿，分流程度与肺血管舒张期充盈压力、顺应性改变以及ASD大小有关。本研究结果显示ASD直径在PAH组中较无PAH组明显更大，与PVR呈高度正相关，与mPAP呈中度正相关，对mPAP具有中等强度诊断效能。此外，本研究入选人群年龄、PAH程度可能会影响上述结果。
Wu等[18]研究显示 rPA ≥ 1对诊断COPD合并PAH具有较高的特异性和准确率。Caro-Domínguez等[19]对儿童PAH的研究显示PAH和无PAH患者rPA分别为1.05和0.87，rPA可作为PAH患者死亡的预测因子。Truong等[20]研究指出rPA与RHC测量的mPAP有很强的相关性（95％CI：0.55～0.78）。
与上述研究结果相似，本研究显示rPA与mPAP、PVR均呈中度正相关，rPA≥1.20时诊断PAH敏感度为62.50％，特异度为82.90％。与无PAH组相比，PAH组RPAD、LPAD、RLPAD明显升高，与mPAP、PVR均呈正相关，RPAD、LPAD对mPAP具有中等强度诊断效能，敏感度均较高（87.50％、80.00％），提示DSCT检查发现rPA、RPAD、LPAD异常，可以作为ASD发生PAH的诊疗依据，并对PAH进行长期监测。
本研究亦有一定局限性。这是一项样本量有限的单中心回顾性研究，研究对象单一，结论适用性可能存在一定局限，需要更大规模的研究验证。本研究使用的DSCT参数均为结构性参数，近年来有研究应用心电门控CTA测量心功能，包括心室容积、心肌质量等能提供心脏功能受损程度的变化[21]，可更好地预测PAH[22]。此外，CT扫描野内包含冠状动脉、心外膜脂肪、肺组织等组织，其异常改变是否与ASD患者PAH相关及对患者预后意义也有待深入研究。
综上，DSCT检查具有快速、可靠、无创、可重复性观察等优点，除了诊断ASD的先天畸形，其测量的心血管结构性参数与评价PAH“金标准”RHC检查指标有较好的相关性，单独或与其他检查技术结合使用，可以用于ASD患者的PAP术前评估，为PAH的无创监测与长期随访提供重要依据。
-
![]()
图 1 砂、泥、煤三相岩石物理建模技术路线图
Figure 1. Flowchart of three-phase rock physical modeling technology of sand, mud, and coal
![]()
图 2 多维相控叠前地质统计学反演流程图
Figure 2. Flowchart of multidimensional phase-controlled pre-stack geostatistical inversion
![]()
图 3 实测纵波速度（a）和密度（b）的分布
Figure 3. Distribution of measured longitudinal wave velocity (a) and density (b)
![]()
图 7 建模曲线与原始曲线对比
注：黑线为原始，红线为建模
Figure 7. Comparison between modeling curve and original curve
![]()
图 9 下石盒子组砂岩平面概率密度
Figure 9. Probability density of sandstone plane in the Lower Shihezi Formation
-
[1] 张杨. 利用Xu-White模型估算地震波速度[J]. 成都理工大学学报: 自然科学版, 2005, 32(2): 188-195. ZHANG Y. Xu White’s model for seismic wave velocity prediction[J]. Journal of Chengdu University of Technology: Science and Technology Edition, 2005, 32(2): 188-195. (in Chinese).
[2] 洪忠, 张猛刚, 朱筱敏. 基于岩石物理的致密碎屑岩气藏岩性及流体概率预测[J]. 石油物探, 2015, 54(6): 735-744. DOI: 10.3969/j.issn.1000-1441.2015.06.012. HONG Z, ZHANG M G, ZHU X M. Prediction of lithology and fluid probabilities of tight clastic gas reservoirs based on rock physics[J]. Geophysical Prospecting for Petroleum, 2015, 54(6): 735-744. DOI: 10.3969/j.issn.1000-1441.2015.06.012. (in Chinese).
[3] 边婧. 地震岩石物理分析在致密砂岩储层预测中的应用[J]. 东北石油大学学报, 2015, 39(5): 63-70. DOI: 10.3969/j.issn.2095-4107.2015.05.007. BIAN J. Application of rock physics to the prediction of tight sandstone reservoirs[J]. Journal of Northeast Petroleum University, 2015, 39(5): 63-70. DOI: 10.3969/j.issn.2095-4107.2015.05.007. (in Chinese).
[4] 窦龑, 高刚 梁琳 等. 基于Xu-White 模型的横波速度预测[J]. 新疆石油地质, 2016, 37(1): 83-87. DOU Y, GAO G, LIANG LET AL. Prediction of S-Wave velocity based on Xu-White model[J]. Xinjiang Petroleum Geology, 2016, 37(1): 83-87. (in Chinese).
[5] 王金伟, 张尔华, 谢春临. 虚拟孔隙度优化的Xu-White模型法预测横波速度[J]. 断块油气田, 2011, 18(4): 445-448. WANG J W, ZHANG E H, XIE C L. Prediction of shear wave velocity with optimized Xu-White model based on virtual porosity[J]. Fault-Block Oil & Gas Field, 2011, 18(4): 445-448. (in Chinese).
[6] 杨志芳, 曹宏, 姚逢昌, 等. 复杂孔隙结构储层地震岩石物理分析及应用[J]. 中国石油勘探, 2014, 19(3): 50-56. DOI: 10.3969/j.issn.1672-7703.2014.03.006. YANG Z F, CAO H, YAO F C, ET AL. Seismic rock physical analysis of complex porous reservoir and its application[J]. China Petroleum Exploration, 2014, 19(3): 50-56. DOI: 10.3969/j.issn.1672-7703.2014.03.006. (in Chinese).
[7] 杨勤林, 李洋, 曹少蕾, 等. 松辽盆地苏家屯区块致密砂岩岩石物理分析和含气性预测[J]. 天然气地球科学, 2020, 31(4): 578-585. YANG Q L, LI Y, CAO S L, ET AL. Rock physics analysis and gas-bearing prediction of tight clastic reservoir in Sujiatun Block, Songliao Basin[J]. Natural Gas Geoscience, 2020, 31(4): 578-585. (in Chinese).
[8] 陈强, 彭盛强, 赵光亮, 等. 地震岩石物理建模技术在迪北阿合组致密砂岩气中的应用[J]. 物探化探计算技术, 2024, 46(3): 315-323. DOI: 10.3969/j.issn.1001-1749.2024.03.08. CHEN Q, PENG S Q, ZHAO G L, ET AL. Application of seismic rock physical modeling technology in tight sandstone gas of Dibei Ahe Formation[J]. Computing Techniques for Geophysical and Geochemical Exploration, 2024, 46(3): 315-323. DOI: 10.3969/j.issn.1001-1749.2024.03.08. (in Chinese).
[9] HAAS A, DUBRULE O. Geostatistical inversion: A sequential method of stochastic reservoir modelling constrained by seismic data[J]. First Break, 1994, 12(11): 561-569.
[10] 姜文龙, 杨锴. 岩石物理参数高分辨率地质统计学反演[J]. 石油物探, 2012, 51(6): 638-648. DOI: 10.3969/j.issn.1000-1441.2012.06.014. JIANG W L, YANG K. High-resolution geostatistical petrophysical parameter inversion[J]. Geophysical Prospecting for Petroleum, 2012, 51(6): 638-648. DOI: 10.3969/j.issn.1000-1441.2012.06.014. (in Chinese).
[11] 刘占族, 张雷, 霍丽娜, 等. 地质统计学反演在煤层气薄储层识别中的应用[J]. 石油地球物理勘探, 2012, 47(S1): 30-34. LIU Z, ZHANG L, HUO L N, ET AL. Identification of thin coalbed methane reservoirs using geostatistical inversion[J]. Oil Geophysical Prospecting, 2012, 47(S1): 30-34. (in Chinese).
[12] 赵晨, 张广智, 张佳佳, 等. 基于Metropolis优化的叠前全局迭代地质统计学反演方法[J]. 地球物理学报, 2020, 63(8): 3116-3130. DOI: 10.6038/cjg2020M0674. ZHAO C, ZHANG G Z, ZHANG J J, ET AL. Prestack global iteration geostatistical inversion method based on Metropolis sampling algorithm[J]. Chinese Journal of Geophysics, 2020, 63(8): 3116-3130. DOI: 10.6038/cjg2020M0674. (in Chinese).
[13] 闵小刚, 康安, 周守信. 基于相控地质统计学反演的薄储层岩性、物性预测[J]. 海洋地质前沿, 2015, 31(3): 27-32. MIN X G, KANG A, ZHOU S X. Lithological and physical properties prediction of thin reservoirs based on faciescontrolled geo-statistical inversion[J]. Marine Geology Frontiers, 2015, 31(3): 27-32. (in Chinese).
[14] 段新意, 李尧, 郭军, 等. 相控地质统计学反演方法及其在油田开发中的应用[J]. 断块油气田, 2021, 28(5): 683-690. DUAN X Y, LI Y, GUO J, ET AL. The facies-control geostatistical inversion method and its application in development stage of oilfield[J]. Fault-Block Oil and Gas Field, 2021, 28(5): 683-690. (in Chinese).
[15] 林利明, 郑颖, 史浩, 等. 基于相控地质统计学叠前反演的致密砂岩薄储层含气性预测——以鄂尔多斯盆地临兴中区为例[J]. 天然气工业, 2023, 43(2): 56-66. DOI: 10.3787/j.issn.1000-0976.2023.02.006. LIN L M, ZHENG Y, SHI H, ET AL. Gas-bearing prediction of thin tight sandstone reservoirs based on facies-controlled geostatistical pre-stack inversion: A case study of the middle Linxing Block in the Ordos Basin[J]. Natural Gas Industry, 2023, 43(2): 56-66. DOI: 10.3787/j.issn.1000-0976.2023.02.006. (in Chinese).
[16] 伊振林, 吴胜和, 张保国, 等. 一种新的测井曲线环境校正方法——在平湖油气田中的应用[J]. 天然气工业, 2010, 30(1): 39-41. DOI: 10.3787/j.issn.1000-0976.2010.01.010. YI Z L, WU S H, ZHANG B G, ET AL. Anewapproachto environmental correction of logs: Acase study in the Pinghu oil and gas field[J]. Natural Gas Industry, 2010, 30(1): 39-41. DOI: 10.3787/j.issn.1000-0976.2010.01.010. (in Chinese).
[17] 刘之的, 王剑, 杨秀春, 等. 密度测井扩径影响校正方法在煤层气储层中的适用性分析[J]. 地球物理学进展, 2014, 29(5): 2219-2223. DOI: 10.6038/pg20140534. LIU Z D, WANG J, YANG X C, ET AL. Applicability analysis of correction method for expanding diameter influence of density logging in coalbed methane reservoir[J]. Progress in Geophysics, 2014, 29(5): 2219-2223. DOI: 10.6038/pg20140534. (in Chinese).
[18] 王小玄, 肖程释, 郑翔天. 基于岩石物理分析的煤系地层测井曲线扩径影响校正[J]. 中国煤炭, 2016, 42(2): 22-26. DOI: 10.3969/j.issn.1006-530X.2016.02.006. WANG X X, XIAO C S, ZHENG X T. Expanding effect correction of coal measure strata logging curves based upon rock physics analysis[J]. China Coal, 2016, 42(2): 22-26. DOI: 10.3969/j.issn.1006-530X.2016.02.006. (in Chinese).
[19] XU S Y, WHITE R E. A new velocity model for clay-sand mixtures[J]. Geophysical Prospecting, 1995, 43(1): 91-118. DOI: 10.1111/j.1365-2478.1995.tb00126.x.
[20] ROBERT G, KEYS, XU S Y. An approximation for the Xu-White velocity model[J]. Geophysics, 2002, 65(5): 1406-1414.
[21] TORRES-VERDIN C, VICTORIA M, MERLETTI G, ET AL. Trace-based and geostatistical inversion of 3-D seismic data for thin-sand delineation: An application in San Jorge Basin, Argentina[J]. The Leading Edge, 1999, 18(9): 1070-1077. DOI: 10.1190/1.1438434.
[22] CONTRERAS A, TORRES-VERDIN C, KVIEN K, et al. AVA stochastic inversion of pre-stack seismic data and well logs for 3D reservoir modeling[C]//67th EAGE Conference & Exhibition. Madrid: European Association of Geoscientists & Engineers, 2005: cp-1-00310.
[23] 张广智, 王丹阳, 印兴耀, 等. 基于MCMC的叠前地震反演方法研究[J]. 地球物理学报, 2011, 54(11): 2926-2932. DOI: 10.3969/j.issn.0001-5733.2011.11.022. ZHANG G Z, WANG D Y, YIN X Y, ET AL. Study on prestack seismic inversion using Markov Chain Monte Carlo[J]. Chinese Journal of Geophysics, 2011, 54(11): 2926-2932. DOI: 10.3969/j.issn.0001-5733.2011.11.022. (in Chinese).
[24] 王丹阳. 基于MCMC方法的叠前反演方法研究[D]. 青岛: 中国石油大学(华东), 2012. WANG D Y. Pre-stack seismic inversion based on Markov Chain Monte Carlo Method[D]. Qingdao: China University of Petroleum (East China), 2012. (in Chinese).
下载:
计量
- 文章访问数: 34
- HTML全文浏览量: 6
- PDF下载量: 6
