四川长宁页岩总有机碳地震定量预测方法

侯华星, 欧阳永林, 曾庆才, 杨 青, 陈 胜, 朱 莎

( 1. 中国科学院大学 物理科学学院,北京 100049； 2. 中国科学院 渗流流体力学研究所,河北 廊坊 065007； 3. 中国石油勘探开发研究院 廊坊分院,河北 廊坊 065007； 4. 大庆油田有限责任公司 第四采油厂，黑龙江 大庆 163511 )



四川长宁页岩总有机碳地震定量预测方法

侯华星1,2, 欧阳永林3, 曾庆才3, 杨 青3, 陈 胜3, 朱 莎4

( 1. 中国科学院大学 物理科学学院,北京 100049； 2. 中国科学院 渗流流体力学研究所,河北 廊坊 065007； 3. 中国石油勘探开发研究院 廊坊分院,河北 廊坊 065007； 4. 大庆油田有限责任公司 第四采油厂，黑龙江 大庆 163511 )

页岩总有机碳(TOC)质量分数是评价页岩储层生烃能力的重要参数，也是页岩气“甜点”预测的关键要素。以四川盆地长宁地区下志留统龙马溪组页岩气储层为研究对象，提出一种页岩TOC地震定量预测方法。首先，通过测井解释和地震资料处理分析,明确页岩优质储层地震和测井响应特征；然后，通过地震岩石物理分析和测井资料分析，确定TOC的敏感参数为密度，并建立它与TOC质量分数之间的拟合关系，得到研究区TOC质量分数经验公式；最后，结合叠前地震反演技术获得的密度体和经验公式，将密度体转化为TOC数据体，进而定量预测TOC质量分数。结果表明，利用叠前反演获得的密度体可进行TOC质量分数定量预测，并且预测的TOC质量分数相对误差小。该技术在研究区页岩气勘探中有很好的适应性。

页岩气； 地震预测； 总有机碳质量分数； 敏感参数； 叠前反演； 经验公式； 四川长宁

0 引言

页岩气是以吸附态与游离态赋存于富有机质和纳米级孔径的页岩地层系统的天然气[1]，表现为“自生自储”型低丰度连续的油气藏是它与常规天然气藏的显著差别[2-3]。页岩气资源丰富、发展前景广阔，已在北美地区取得良好的勘探开发效益[4]，目前是全球非常规天然气勘探开发的热点方向和现实领域[5-8]。

地震技术作为页岩气储层评价和增产改造的关键技术，在页岩气“甜点”预测、水平井轨迹导向与调整、压裂微地震监测中发挥重要作用[9-10]。其中页岩气“甜点”地震预测的总有机碳(TOC)质量分数越高，含气性越好。TOC质量分数是评价页岩储层生烃能力的重要参数[11-13]。

Jaiswal P等[14]针对Woodford页岩“甜点”地震预测的可行性进行分析，认为利用地震岩石物理分析及模拟可以建立页岩储层关键评价参数，如孔隙度、矿物含量、流体饱和度与纵、横波速度、密度之间的关系，而纵、横波速度、密度可通过地震叠前反演得到。Altowairqi Y等[15]根据人造岩样测量方法，在地层压力条件下，研究TOC质量分数、含气量等参数对地震弹性参数的影响,随TOC质量分数、含气量的增加，纵、横波速度和密度明显降低，并建立TOC质量分数与纵、横波速度、密度之间的定量关系。这些研究没有考虑中国页岩气储层的复杂性，对某些复杂地区并不适用。金吉能等[16]利用地震多属性反演方法预测TOC质量分数，预测结果与测井解释TOC质量分数较为吻合，但该方法多解性较为突出[17-18]。许杰等[19]以四川盆地侏罗系东岳庙段陆相页岩气为研究对象，探讨页岩气TOC质量分数预测的难点和存在的问题，提出以地质统计学反演为核心的地震储层预测技术，但该技术完全借鉴常规气藏储层预测方法，未考虑页岩储层的特殊性。笔者以四川盆地长宁地区下志留统龙马溪组页岩气储层为研究对象，在明确页岩储层响应特征的基础上，应用地震岩石物理和叠前反演相结合的方法预测TOC质量分数，预测效果较好。

1 地质背景

1.1 区域构造体系

研究区地处四川盆地南部，其构造位置位于川东南帚状构造发散末端，川南低陡断褶带与娄山断褶带交汇处处于多方受力的三角带，因此发育多组复杂组合的背斜构造。区域上，东面受到四川盆地北东向边界向西南延伸影响，西面受到华蓥山二级断裂带演化控制，南面受到娄山褶皱带演化控制，北面受到川南低陡断褶带构造演化影响，经历多期构造运动而形成现今的构造体系[20](见图1)。

1.2 目的层系

中国南方古生界上奥陶统五峰组—下志留统龙马溪组是目前页岩气勘探开发的重点层系[21]，长宁地区龙马溪组页岩气“甜点”段集中在龙马溪组下部[22-23]。因此，对比划分龙马溪组层段，对页岩气“甜点”预测具有重要作用。在选择对比标准井的基础上，根据沉积旋回、岩性组合、电性、古生物、地球化学特征，对龙马溪组按照地层级别顺序进行“段”、“亚段”划分(见表1)。由表1可以看出，龙一1亚段是研究的重点层段。

2 预测方法

目前,对TOC的评价除采用实验方法检测外，主要以测井资料为主，评价方法[24-29]很多。Løseth H L等[27]在使用岩心及测井数据得到的TOC与地震参数交会图上，发现它们之间呈现一定的相关关系，为利用反演技术计算TOC数据体提供依据。利用测井信息建立TOC与地震参数之间的关系，是利用地震资料预测储层TOC分布的一个重要途径[28]。

在明确页岩储层响应特征的基础上，应用岩石物理和叠前反演相结合的方法预测TOC，主要思路[30-32]为：首先，基于测井解释的TOC质量分数，通过地震岩石物理分析与TOC相关的地球物理参数，寻找TOC敏感参数并建立它与TOC质量分数之间的拟合关系，得到研究区经验公式；然后，基于三维地震数据，通过叠前反演方法求得敏感参数体；最后，根据经验公式，将敏感参数体转化为TOC数据体，定量预测TOC质量分数的纵、横向展布。

2.1 页岩储层井震响应特征

2.1.1 地震

页岩的精细标定是页岩层段地震预测的基础。根据页岩层段的岩性、物性特征，将页岩地质层位准确地标定在地震剖面上。

分析N201区块过井地震剖面(见图2)和叠前角道集资料品质(见图3)，其中图3(b)中小图为该测线过385道(N201井)储层底(红色线处)振幅随入射角的变化情况，图3(c)中小图为过N201井的储层底反射系数随入射角的变化情况。由图3可知，地震资料的信噪比较高，叠前道集AVO曲线变化趋势稳定，与N201井上正演道集的AVO规律更为接近，验证道集质量的可靠性，能够满足层位精细标定和反演的需求。由于龙马溪组为岩性较均一的泥岩、碳质页岩，内部缺乏较为明显的波阻抗界面，而其底部与下伏的临湘、宝塔组灰岩之间存在明显的波阻抗界面，因此龙马溪组整段表现为断续、弱振幅反射，底部表现为强振幅、连续反射。对N201井(见图2)、N203井龙马溪组页岩层段进行标定，地震响应特征为：在地震剖面上，龙马溪组地层顶部表现为中低频、中强振幅波峰、连续反射，底界为低频、强振幅波峰、连续反射；龙一1亚段表现为“一谷一峰”的反射特征，顶部为低频、强振幅波谷、连续反射，底界为低频、强振幅波峰、连续反射。

图2 N201井龙马溪组页岩储层精细标定Fig.2 Fine calibration of shale reservoirs of well N201 in the Longmaxi formation

图3 XLine404测线过N201井叠前角道集及AVO特征曲线Fig.3 The pre-stack angle gathers and AVO characteristic curve of well N201 in XLine404

2.1.2 测井

页岩储层发育段与上、下围岩在测井曲线纵波速度、波阻抗、泊松比、密度、速度比等方面有明显差异，以N201井为例，优质储层(龙一1亚段)表现为明显的低速、低波阻抗、低泊松比、低速度比特征；此外还具有低密度、高伽马等特点(见图4)，具备地震定量预测的基础。由图4可以看出，龙一1亚段TOC质量分数、含气量较高(黄色)。

2.2 TOC质量分数预测

2.2.1 TOC敏感参数

根据地震岩石物理分析，对研究区N201井进行TOC敏感参数分析(见图5)。图5显示密度(DEN)、声波阻抗(AI)、纵波速度(Vp)、横波速度(Vs)、伽马(GR)等常规测井曲线，以及杨氏模量、泊松比等弹性参数与TOC质量分数的交会分析结果，其中N201井的TOC质量分数是基于声波测井资料和电阻率测井资料，根据ΔlgR方法[24]计算得到的。由图5可知，TOC质量分数与密度曲线相关因数为0.813 1，呈现负相关关系，即w(TOC)越高，密度越低，与测井响应特征一致。这是由于页岩的TOC质量分数越高，有机质孔隙越发育，更有利于页岩气的吸附和储集，从而导致密度降低。因此，密度为w(TOC)的敏感参数，可以用密度进行w(TOC)预测。

2.2.2 叠前密度反演

根据TOC敏感参数分析结果，密度反演是进行w(TOC)预测的基础。密度预测既可以通过叠后多属性分析方法间接获得，也可以利用叠前反演方法直接获得[30-32]。使用叠后多属性分析方法存在多解性，叠前密度反演方法在研究区具有更高的预测精度，因此利用叠前射线弹性阻抗反演进行密度预测。

在利用叠前资料进行反演计算过程中，常规的弹性阻抗EI(Elastic impedance)方法存在局限性，不能满足反演要求，Ma J F等提出射线弹性阻抗REI(Ray-path elastic impedance)的概念[33]。REI是纵波阻抗和纵、横波速度比的函数，通过对叠前地震资料进行分角度叠加，能够直接反演得到纵波阻抗、密度和纵、横波速度比，进而求得其他弹性参数。与EI相比，REI优点为[34-35]：一是REI比EI更接近于Zoeppritz方程的近似；二是不需要对入射角进行归一化处理，降低反演结果的多解性；三是针对纵、横波速度比，不需要假设它保持为常数，可以获得精确的纵、横波速度比。因此，利用射线弹性阻抗反演能够提高叠前反演精度，进而提高储层定量预测精度。在远偏移距处采集的地震资料呈现的抛物线特征越稳定，叠前弹性参数反演也越稳定[36]。分析N201区块叠前角道集资料，其信噪比较高，角道集的AVO规律满足抛物线特征且较稳定，更加接近正演道集的AVO规律，最大入射角为36°，满足叠前反演的要求，可以获得比较稳定的密度反演结果(见图3)。

图4 N201井测井曲线Fig.4 Well logging curve of well N201

利用射线弹性阻抗反演技术得到过N201井密度剖面(见图6)。由图6可知，测井密度曲线(红色曲线)与井旁叠前密度反演结果相比，吻合程度较高。龙马溪组龙一1亚段密度整体较小，并且在横向上稳定分布，与测井响应特征一致，说明反演结果可靠。

2.2.3w(TOC)定量预测

基于w(TOC)与密度的交会分析结果(见图5)，得到基于密度的w(TOC)经验公式：w(TOC)=-17.095×DEN+46.761，相关因数为0.813 1，可以将叠前反演得到的密度体转换成TOC数据体。

过N201井w(TOC)反演剖面见图7，位于底部的龙一1亚段w(TOC)最高(蓝紫色)，最大高于4.00%，与表1中龙一1亚段地层特征和图3中测井响应特征一致。结合龙马溪组龙一1亚段w(TOC)平均预测结果(见图8)，研究区平均w(TOC)高于3.00%，页岩优质储层整体发育且稳定分布，揭示该区龙一1亚段具有良好的勘探前景，在研究区中部、南部及西南部w(TOC)最大平均值高于4.00%，为w(TOC)高值区。

图5 w(TOC)敏感参数统计分析结果Fig.5 Statistical analysis of w(TOC) sensitive parameters

图6 过N201井叠前密度反演剖面Fig.6 The pre-stack inversion profile of density cross the well N201

图7 过N201井w(TOC)反演剖面Fig.7 TOC inversion profile cross the well N201

图8 龙马溪组龙一1亚段平均w(TOC)预测平面

3 预测效果

研究区有N201、N203两口直井，其余为水平井。在反演过程中,用N201井资料进行约束，用N203井和水平井作为检验井，不参与反演过程。根据钻探情况及测试结果，从研究区东北N203井区到中部N201井区再到西南部，w(TOC)增大，反演结果与实际情况吻合。

龙马溪组龙一1亚段平均w(TOC)预测平面见图8.由图8可知，研究区预测的平均w(TOC)高于2.00%，优质页岩分布稳定。两口直井中，N201井区预测的平均w(TOC)较高，为3.77%；N203井的相对较低，为2.82%。H4、H6、H9、H12平台水平井w(TOC)为水平井段平均值，H4-4较高，H12-1相对较低。地震定量预测的页岩优质储层段w(TOC)平均值与测井解释结果基本一致，相对误差小于3.00%，预测精度较高(见表2)。

表2 研究区优质储层段预测平均w(TOC)与测井解释结果

Table 2 Comparison of the averagew(TOC) of high quality reservoir of the study area between seismic prediction and well logging interpretation

井名w(TOC)/%误差/%测井解释地震预测绝对相对N2013.66423.77070.10652.9065N2032.82162.82450.00290.1028H4-44.09484.10270.00790.1929H6-53.75803.78260.02460.6546H9-23.81473.84320.02850.7471H12-13.13043.1005-0.02990.9551

4 结论

(1)N201区块龙马溪组龙一1亚段在地震上表现为“一谷一峰”的反射特征；测井显示为低密度、低速度、低泊松比、低速度比、高伽马等特征，具备w(TOC)地震定量预测基础。

(2)密度为w(TOC)的敏感参数，两者相关关系较高，利用叠前射线弹性阻抗反演技术可获得较高精度的密度体，通过建立w(TOC)与密度间的经验关系，可对w(TOC)进行预测。

(3)预测的w(TOC)相对误差小，吻合程度高，表明该方法在四川盆地长宁地区页岩气勘探中有很好的适应性。

[1] 邹才能,陶士振,侯连华,等.非常规油气地质[M].北京:地质出版社,2013:142-148.

Zou Caineng, Tao Shizhen, Hou Lianhua, et al. Unconventional oil and gas geology [M]. Beijing: Geological Publishing House, 2013:142-148.

[2] 邹才能,董大忠,王玉满,等.中国页岩气特征、挑战及前景(一)[J].石油勘探与开发,2015,42(6):689-701.

Zou Caineng, Dong Dazhong, Wang Yuman, et al. Shale gas in China: Characteristics, challenges and prospects(Ⅰ) [J]. Petroleum Exploration and Development, 2015,42(6):689-701.

[3] Chopra S, Sharma R K, Keay J, et al. Shale gas reservoir characterization workflows[C]// Expanded Abstracts of 82rd Annual International SEG Mtg, 2012:1-5.

[4] Nicholas B H. Shale gas exploration in the united states [D]. Alberta: Department of Earth and Atmospheric Sciences University of Alberta, 2011.

[5] Sharma R K, and Chopra S. Identification of thin sweet spots in the Duvernay formation of north central Alberta [C]//Expanded Abstracts of Technical Program SEG Mtg, 2015:1802-1806.

[6] 胡明毅,邱小松,胡忠贵,等.页岩气储层研究现状及存在问题探讨[J]. 特种油气藏,2015,22(2):1-7.

Hu Mingyi, Qiu Xiaosong, Hu Zhonggui, et al. Current researches on shale gas reservoirs and existing problems [J]. Special Oil & Gas Reservoirs, 2015,22(2):1-7.

[7] 石创,徐思煌,拜文华,等.湖北及周缘五峰组—龙马溪组页岩气资源潜力[J].特种油气藏,2015,22(6):65-69.

Shi Chuang, Xu Sihuang, Bai Wenhua, et al. Shale gas resource potential of Wufeng-Longmaxi formation Hubei and its periphery [J]. Special Oil &Gas Reservoirs, 2015,22(6):65-69.

[8] 邹才能,董大忠,王玉满,等.中国页岩气特征、挑战及前景(二)[J].石油勘探与开发,2016,43(2):1-13.

Zou Caineng, Dong Dazhong, Wang Yuman, et al. Shale gas in China: Characteristics, challenges and prospects(Ⅱ)[J]. Petroleum Exploration and Development, 2016,43(2):1-13.

[9] 刘振武,撒利明,杨晓,等.页岩气勘探开发对地球物理技术的需求[J]. 石油地球物理勘探,2011,46(5):810-818.

Liu Zhenwu, Sa Liming, Yang Xiao, et al. Needs of geophysical technologies for shale gas exploration [J]. Oil Geophysical Prospecting, 2011,46(5):810-818.

[10] 林建东,任森林,薛明喜,等.页岩气地震识别与预测技术[J].中国煤炭地质,2012,24(8):56-60.

Lin Jiandong, Ren Senlin, Xue Mingxi, et al. Shale has seismic identification and prediction techniques [J]. Coal Geology of China, 2012,24(8):56-60.

[11] 杨瑞召,赵争光,庞海玲,等.页岩气富集带地质控制因素及地震预测方法[J].地学前缘,2012,19(5):339-347.

Yang Ruizhao, Zhao Zhengguang, Pang Hailing, et al. Shale gas sweet spots: Geological controlling factors and seismic prediction methods [J]. Earth Science Frontiers, 2012,19(5):339-347.

[12] 张鲁川,卢双舫,肖佃师,等.基于井震联合反演方法的泥页岩有机碳质量分数预测及应用[J].东北石油大学学报,2015,39(2):34-41.

Zhang Luchuan, Lu Shuangfang, Xiao Dianshi, et al. Organic carbon of the shale mass fraction prediction and application based the well-seismic inversion method [J]. Journal of Northeast Petroleum University, 2015,39(2):34-41.

[13] 闫德宇,黄文辉,李昂,等.鄂尔多斯盆地上古生界海陆过渡相页岩气聚集条件及有利区预测[J].东北石油大学学报,2013,37(5):1-9.

Yan Deyu, Huang Wenhui, Li Ang, et al. Preliminary analysis of marine-continental transitional shale gas accumulation condition, and favorable areas in the upper Paleozoic Ordos basin [J]. Journal of Northeast Petroleum University, 2013,37(5):1-9.

[14] Jaiswal P, Varacchi B, Ebrahimi P, et al. Can seismic velocities predict sweet spots in the woodford shale a case study from McNeff 2-28 well, grady county, Oklahoma. P [J]. Journal of Applied Geophysics, 2014(104):26-34.

[15] Altowairqi Y, Rezaee R, Evans B, et al. Shale elastic property relationships as a function of total organic carbon content using synthetic samples [J]. Journal of Petroleum Science and Engineering, 2015(133):392-400.

[16] 金吉能,潘仁芳,王鹏,等.地震多属性反演预测页岩总有机碳含量[J].石油天然气学报,2012,34(11):68-72.

Jin Jineng, Pan Renfang, Wang Peng, et al. Prediction of total organic carbon content of shale using seismic multi-attribute inversion [J]. Journal of Oil and Gas Technology, 2012,34(11):68-72.

[17] 周家雄,刘薇薇,马光克,等.高温高压储层的精细地震属性预测技术——以莺歌海盆地为例[J].天然气工业,2013,33(2):7-11.

Zhou Jiaxiong, Liu Weiwei, Ma Guangke, et al. Fine description and prediction of seismic attributes of HPHT gas reservoirs in the Yinggehai basin [J]. Natural Gas Industry, 2013,33(2):7-11.

[18] 王彦仓,秦凤启,杜维良,等.地震属性优选、融合探讨[J].中国石油勘探,2013,18(6):69-73.

Wang Yancang, Qin Fengqi, Du Weiliang, et al. Discussions on optimization and fusion of seismic attributes [J]. China Petroleum Exploration, 2013,18(6):69-73.

[19] 许杰,何治亮,董宁,等.含气页岩有机碳含量地球物理预测[J].石油地球物理勘探,2013,48(增刊1):64-68.

Xu Jie, He Zhiliang, Dong Ning, et al. Total organic carbon content prediction of gas-bearing shale with geophysical methods [J]. Oil Geophysical Prospecting, 2013,48(Supp.1):64-68.

[20] 吴奇,梁兴,鲜成钢,等.地质—工程一体化高效开发中国南方海相页岩气[J].中国石油勘探,2015,20(4):1-23.

Wu Qi, Liang Xing, Xian Chenggang, et al. Geoscience to production integration ensures effective and efficient south China marine shale gas development [J]. China Petroleum Exploration, 2015,20(4):1-23.

[21] 林彤,雍自权,刘树根,等.川东南石林地区五峰组—龙马溪组黑色页岩特征[J].东北石油大学学报,2015,39(3):83-93.

Lin Tong, Yong Ziquan, Liu shugen, et al. Wufeng formation in Shilin area of southeastern Sichuan basin-Longmaxi formation black shale characteristics [J]. Journal of Northeast Petroleum University, 2015,39(3):83-93.

[22] 熊健,刘向君,梁利喜,等.四川盆地长宁地区龙马溪组上、下段页岩储层差异研究[J].西北大学学报:自然科学版,2015,45(4):623-630.

Xiong Jian, Liu Xiangjun, Liang Lixi, et al. On the differences of reservoir characteristics of the upper and the lower Longmaxi formation shale in the Changning region of Sichuan basin [J]. Journal of Northwest University: Natural Science Edition, 2015,45(4):623-630.

[23] 孙梦迪,于炳松,夏威,等.渝东南地区下志留统底部黑色岩系沉积环境及有机质富集机制——以鹿角剖面为例[J].东北石油大学学报,2014,38(5):51-60.

Sun Mengdi, Yu Singsong, Xia Wei, et al. Sedimentary environment and organic matter enrichment mechanism of black shale at the bottom of lower Silurian, southeast of Chongqing area: Take Lujiao section as an example [J]. Journal of Northeast Petroleum University, 2014,38(5):51-60.

[24] Passey Q R, Creaney S. A pratical model for organic richness from porosity and resistivity log [J]. AAPG Bulletin, 1990,74(12):1777-1794.

[25] 许晓宏,黄海平,卢松年.测井资料与烃源岩有机碳含量的定量关系研究[J].江汉石油学院学报,1998,20(3):8-12.

Xu Xiaohong, Huang Haiping, Lu Songnian. A quantitative relationship between well logging information and organic carbon content [J]. Journal of Jianghan Petroleum institute, 1998,20(3):8-12.

[26] 邢雅文,张金川,冯赫青,等.渝东南地区下寒武统页岩气聚集条件及有利区预测[J].东北石油大学学报,2014,38(3):73-74.

Xing Yawen, Zhang Jinchuan, Feng Heqing, et al. Accumulation conditions and strategic select favorable area of the lower Cambrian shale gas in southeast Chongqing [J]. Journal of Northeast Petroleum University, 2014,38(3):73-74.

[27] Løseth H L, Wensaas M, Gading K, et al. Can hydrocarbon source rocks be identified on seismic data [J]. Geology, 2011,39(12):1167-1170.

[28] 李金磊,尹正武.四川盆地焦石坝地区页岩气储层地震定量预测方法[J].石油物探,2015,54(3):324-330.

Li Jinlei, Yin Zhengwu. Seismic quantitative prediction method of shale gas reservoirs in the Jiaoshiba area, Sichuan basin [J]. Geophysical Prospecting for Petroleum, 2015,54(3):324-330.

[29] 石佳玉,丁文龙,赵威,等.基于测井方法的辽河坳陷沙河街组页岩发育特征评价[J].东北石油大学学报,2015,39(6):38-44.

Shi Jiayu, Ding Wenlong, Zhao Wei, et al. Evaluation of the growth characteristics of organic-rich shale in Liaohe depression Es4-Es3 based on logging methods [J]. Journal of Northeast Petroleum University, 2015,39(6):38-44.

[30] 陆明华,骆璞,姜传芳,等.地震属性技术在页岩裂缝预测中的应用[J].石油天然气学报,2013,35(8):62-64.

Lu Minghua, Luo Pu, Jiang Chuanfang, et al. Application of seismic attribute technology in shale fracture prediction [J]. Journal of Oil and Gas Technology, 2013,35(8):62-64.

[31] 陈祖庆.海相页岩TOC地震定量预测技术及其应用——以四川盆地焦石坝地区为例[J].天然气工业,2014,34(6):24-29.

Chen Zuqing. Quantitative seismic prediction technique of marine shale TOC and its application: A case from the Longmaxi shale play in the Jiaoshiba area, Sichuan basin [J]. Natural Gas Industry, 2014,34(6):24-29.

[32] 郭旭升,尹正武,李金磊.海相页岩含气量地震定量预测技术及其应用——以四川盆地焦石坝地区为例[J].石油地球物理勘探,2015,50(1):144-149.

Guo Xusheng, Yin Zhengwu, Li Jinleil. Quantitative seismic prediction of marine shale gas content: A case study in Jiaoshiba area, Sichuan basin [J]. Oil Geophysical Prospecting , 2015,50(1):144-149.

[33] Ma J F, Morozov I B. Ray-path elastic impedance [C]. Calgary: CSEG National Convention, 2004:10-12.

[34] 王江.叠前去噪与射线弹性阻抗反演方法研究[D].成都:成都理工大学,2013.

Wang jiang. Study on pre-stack de-noising and REI inversion [D]. Chengdu: Chengdu University of Technology, 2013.

[35] 刘力辉,王绪本.一种改进的射线弹性阻抗公式及弹性参数反演[J].石油物探,2011,50(4):155-159.

Liu Lihui, Wang Xuben. Elastic impedance inversion based on an improved ray-path elastic impedance formula [J]. Geophysical Prospecting for Petroleum, 2011,50(4):155-159.

[36] 刘力辉,杨晓,丁燕,等.基于岩性预测的CRP道集优化处理[J].石油物探,2013,52(5):482-488.

Liu Lihui, Yang Xiao, Ding Yan, et al. CRP gather optimization processing based on lithological prediction [J]. Geophysical Prospecting for Petroleum, 2013,52(5):482-488.

2016-06-12；编辑：陆雅玲

国家重点基础研究发展计划(973计划)项目(2013CB228000)

侯华星(1989-)，男，硕士研究生，主要从事页岩气地震勘探方面的研究。

TE132;P631.8

A

2095-4107(2016)05-0018-10

DOI 10.3969/j.issn.2095-4107.2016.05.003