论“低频阴影”分析方法

张水山

(中国石化江汉油田分公司 物探研究院，武汉 430035)

论“低频阴影”分析方法

张水山

(中国石化江汉油田分公司 物探研究院，武汉 430035)

近年来国内学者从数值模拟、瞬时谱的计算和实例应用等方面对“低频阴影”分析方法进行了详细地研究，但少见“低频阴影”分析方法作为主力方法进行流体识别的成功案例。以国内某区的油水储层预测为实例，分析并总结了水层、油层和含油水层的瞬时谱特征，以详实的测井数据和瞬时谱剖面论证了“低频阴影”分析方法的适用性问题和“低频阴影”的成因问题。实例研究结果表明：①“低频阴影”的成因非单一的“衰减”因素；②“低频阴影”分析方法能有效地用于油层地识别，对于水层的识别具有一定的适用性，即使对于同一个研究区的同一地层的上段与下段地层的瞬时谱特征具有较大的差异；③“油层”与“含油水层”具有不同的“低频阴影”特征，且两者的“低频阴影”的主要成因机制也不一样。

低频阴影； 谱均衡； 油水识别； 衰减； 瞬时谱

0 引言

Sheriff[1]在勘探地球物理百科词典中对“低频阴影”的定义为“A region of lowered instantaneous frequency that may lie immediately under a hydrocarbon accumulation”，其中文的解释：低频阴影是低频瞬时谱上出现在油气层的正下方的一个区域；Taner等[2]最早发现了实际地震剖面上的低频阴影现象，但是这种现象是经验性的，有多解性，他们还无法对其进行解释。在随后的20多年时间里，低频阴影的研究一直处于停止状态。直到2003年，Castagna[3]采用基于小波变换的瞬时频谱分析技术进行墨西哥湾含气砂岩与含水砂岩的检测，并重新定义了“低频阴影”的特征为“High energy below reservoir at low frequency”，即“在储层部位，高频能量强，低频能量弱；而在储层下方，高频能量弱，低频能量强”，有效地推动了“低频阴影”分析方法的实际应用。

国内学者对于“低频阴影”的研究相对较晚，中国期刊全文数据库(CNKI)中的文献主要集中在2008年至2015年，大致可以分为3类：①“低频阴影”的数值模拟研究，主要有基于弥散—粘滞波动方程的方法[4-7]和基于粘弹性波动方程的方法[8]；②“低频阴影”中的时频谱分析方法的研究，主要有基于小波变换的方法[9-10]、基于S变换和广义S变换的方法[11-13]、基于反褶积短时傅立叶变换的方法[14]、基于匹配追踪算法的方法[15]；③“低频阴影”的实际应用，主要有砂岩预测(塔河油田，储层为油层；辽东湾锦州地区，储层为油层或气层[16]；等)、生物礁滩储层预测(川东北地区，储层为气层[17]；珠江口盆地，储层为油层；等)、溶洞型碳酸盐岩储层预测(塔里木盆地，储层为油层)等。

基于对前人研究的整理与分析，笔者结合国内某区的碎屑岩油水储层预测的实例，对目前的“低频阴影”分析方法的研究和应用进行了一定的探索性分析和讨论。

1 “低频阴影”分析方法

1.1 方法原理

1.1.1 技术流程

基于前面的文献资料分析，“低频阴影”分析方法主要包含2个步骤：①瞬时谱的计算；②瞬时谱的分析。

瞬时谱的计算：目前常用的方法有基于S变换的方法、基于小波变换的方法等方法。

瞬时谱的分析，可以细分为2类方法：①剖面特征对比分析方法，该方法选取多个频率(低频、高频等)的瞬时谱剖面进行对比分析，总结相应的“低频阴影”特征；②平面特征分析方法，该方法以剖面特征分析为基础，选取多个瞬时谱的沿层切片或时间切片进行对比分析，总结多个切片在不同频率的频谱差异(或采用数学运算计算不同频率的振幅谱的差，即“差频”切片)。

1.1.2 对“低频阴影”分析的方法技术的思考

目前关于瞬时谱的计算方法有很多，早期的时频分析方法主要有短时窗傅立叶变换(STFT)、连续小波变换(CWT)、S变换(基本小波是简谐波与Gaussian函数的乘积)等，现今改进或发展的时频分析方法主要有三参数小波变换[18]、广义S变换(高静怀,等)[19]、Wigner-Ville 分布(WVD)、匹配追逐方法、经验模式分解等。

结合前人对时频分析方法的研究，笔者认为小波变换可以用于“低频阴影”分析的瞬时谱的计算工具，其可以达到较好的时频分析精度(后续改进的三参数小波变换、广义S变换会对时频谱的分辨率有一定的提高，但始终受到时频分辩率限制。由于时频分辨率始终受“测不准原理”的制约，不可能同时满足时间域和频率域的分辨率的无限提高)。此外，目前很多与“油气勘探与开发”相关的商业软件都具有“基于小波变换的瞬时谱”计算功能，这样油气田企业可以直接使用。需要注意的是，常规的小波变换本质上是尺度变换，而非时频分析，因此，在计算瞬时谱时，需要采用时频小波变换进行计算。

Satish等[20]将信号x(t)的时频连续小波变换(TFCWT)定义为：

(1)

式中：t代表时间;ω代表角频率;CWTx(a,t)是信号x(t)的连续小波变换;φ(ω)是小波基函数φ(t)的傅立叶变换。时频连续小波变换是对常规的连续小波变换的改进，其计算结果是时间—频率域的瞬时谱，而且具有较好的时频聚焦性。

在公开发表的关于“低频阴影”的文献中，都没有涉及对计算得到的瞬时频谱进行处理的研究。笔者从“低频阴影”的定义出发，认为“瞬时谱”需要进行“谱均衡”处理，理由如下：

1)“低频阴影”分析的重点是对比分析，即对比分析“低频”的瞬时谱与“中、高频”的瞬时谱的差异。在振幅特征差异较明显时，“谱均衡”技术能标准化不同频率数据体的能量。利用谱均衡技术能让振幅强度归一化，方便解释人员对振幅强弱在一个标准之下进行比较。

2)基于时频小波变换计算得到的瞬时谱在值域分布上往往不均匀，通常情况下高频谱幅值较大，中低频谱幅值较小。在时频分析中往往出现高频剖面上因为幅值较大，在瞬时谱上显示为强能量团；而低频剖面因为幅值较小，瞬时谱剖面上显示为弱能量团(图1(a))。这显然与实际不符，因为地震波在传播过程中，受大地滤波作用，高频能量衰减的更快，其体现在时频谱上应当出现较为明显的衰减。

从图1中可见，经过“谱均衡”处理后的时频谱在整个时频谱图上能量较为均衡，且“中、高频”端的高值频谱受到压制，“低频”端的低值频谱被补偿。因此，在瞬时谱分析前对瞬时谱进行谱均衡处理，有效地保证了资料在同一标准下进行低、中、高频振幅强度的判别及分类，对于“低频阴影”分析过程很有必要。

1.2 “低频阴影”的成因分析

1.2.1 “低频阴影”的形成机制

Ebrom[21]认为“低频阴影”可能与10种因素有关，其又可细分为与“叠加”有关的因素和与“非叠加”有关的因素：

1)与“叠加”有关的因素：①粗糙的速度拾取；②地震中的非双曲时差走时关系(可能是由于各向异性引起)；③局部转换波当作有效波叠加；④相位随偏移距的变化引起的速度拾取异常；⑤过分强调大偏移距，使得大偏移距信号的动校拉伸畸变严重，振幅变强；⑥储层顶底的多次反射强振幅的叠加。

图1 谱分解处理前后时频谱对比图Fig.1 Time-frequency spectrum before and after spectral balancing(a) 谱均衡处理前时频谱;(b) 谱均衡处理后时频谱

2)与“非叠加”有关的因素：⑦储层的低Q值；⑧储层下方地层的Q值处于较低程度，伴生的气烟囱效应；⑨储层顶底位置的强振幅多次波；⑩反褶积处理对子波增加了低频尾瓣。

此外，Castagna[3]也明确指出“低频阴影”的形成机制不是仅由“衰减”因素所引起，其更倾向于Ebrom总结的10种因素。

1.2.2 “低频阴影”成因的数值模拟

根据前面的研究现状分析可见，国内学者更倾向于“低频阴影”的“衰减”因素，即“低频阴影”主要是流体对地震波的吸收衰减而形成，并且采用弥散—粘滞波动方程或粘弹性波动方程进行含流体地层的地震波的数值模拟，获得了流体层的“低频阴影”特征。该类研究的主要证据是Korneev[22]的含流体层状模型的实验室测试，其测试结论是“含水层的反射经过低通滤波后的振幅很强，而经过高通滤波后的振幅很弱，呈现明显的低频效应”。

从理论上分析，上述关于“低频阴影”成因的数值模拟研究是可靠的，其也间接地传递一种信息——“有流体层，就有低频阴影”。这或许是目前很多油气田企业热衷于该项技术的主要原因。

综上所述，关于“低频阴影”的(主要)成因，国内学者与国外学者有着一定的分歧。由于其涉及太多的因素，目前难以从理论上进行推导和证明，基于大量的测井数据和三维地震资料的分析，得到客观的结论。

2 油水储层预测的实例分析

自Castagna[3]详细地且清晰地展示了“气层”与“水层”的低频阴影的分析实例后，笔者一直在寻找国内的成功案例。遗憾的是国内文献的实例均只展示了1条二维剖面且缺乏测井资料的验证，缺乏说服力。此外，对于常规的储层预测而言，干层、气层、水层和油层之间，干层与水层的物性差异最大(较容易识别)，气层与水层的差异次之(较难识别)，水层与油层的差异最小(最难识别)。Castagna[3]展示的是气层与水层的实例，Korneev[22]及国内学者的数值模拟展示的是干层与水层的实例，笔者将展示国内某区的油层与水层的低频阴影分析的实例。

图2 研究区的井位分布 Fig.2 The well location of the study area

研究区包含60 km2的三维地震资料和13口实钻井(见图2)，目的层段是沙湾组1段( “沙1段”，可以细分为沙1上段和沙1下段)，其地震资料的主频是65 Hz。沙1段地层呈单斜构造，无大断裂发育，主要是辫状河三角洲沉积。

根据沙1段的测井解释，将图2中的13口井分为3类：①储层是水层；②储层是油层与水层；③储层是含油水层与水层。下面将详细分析这3类井的瞬时谱特征，并总结水层、油层和含油水层的“低频阴影”特征。

2.1 储层是水层的过井瞬时谱分析

Castagna[3]的研究实例表明水层的中、低频率的瞬时谱呈弱能量，中、高频率的瞬时谱呈中强能量特征。此外，Goloshubin[23]的研究表明水层的低频

率瞬时谱呈弱能量反射特征。因此，我们对于水层的识别，重点讨论中低频率的瞬时谱是否具有“弱能量”特征。

沙1段的储层全部是水层的井有8口(c11、c15、c76、c84、c7、c4、c65和c19)，为我们研究水层的瞬时谱特征提供了充足的样本。通过对上述8口井的过井瞬时谱分析，进一步将其细分为2类：①水层符合“中低频弱能量”特征的井；②不符合“中低频弱能量”特征的井。

2.1.1 水层具有“中低频弱能量”特征

图3至图6所示的c11、c15、c76、c84和c7井等5口井的水层位置的瞬时谱能量在高、中、低频率均呈弱能量特征，符合水层的“中低频弱能量”特征。此外，图7和图8所示的c65和c19井的水层在中低频率的瞬时谱呈“弱能量”特征，高频率的瞬时谱呈“中强能量”特征(见图中黑色矩形区域)，与Goloshubin[23]的研究结论一致。

2.1.2 水层不具有“中低频弱能量”特征

图9所示的c4井的水层(沙1上段)的瞬时谱能量，不符合水层的“中低频弱能量”特征。c4井的沙1上段的水层在50 Hz的瞬时谱上呈中强能量特征(见图中黑色矩形区域)。

图3 过c15井和cg11井的30 Hz、50 Hz、80 Hz 瞬时谱剖面Fig.3 The instantaneous spectral section at 30 Hz，50 Hz， 80 Hz of the c15 well and cg11 well(a)30 Hz；(b)50 Hz；(c)80 Hz

图4 过c76井的30 Hz、50 Hz、80 Hz 瞬时谱剖面Fig.4 The instantaneous spectral section at 30 Hz，50 Hz ，80 Hz of the c76 well(a)30 Hz；(b)50 Hz；(c)80 Hz

图5 过c84井的30 Hz、50 Hz、80 Hz 瞬时谱剖面Fig.5 The instantaneous spectral section at 30 Hz， 50 Hz，80 Hz of the c84 well(a)30 Hz；(b)50 Hz；(c)80 Hz

图6 过c7井的30 Hz、50 Hz、80 Hz瞬时谱剖面Fig.6 The instantaneous spectral section at 30 Hz，50 Hz，80 Hz of the c7 well(a)30 Hz；(b)50 Hz；(c)80 Hz

图7 过c65井的30 Hz、50 Hz、80 Hz 瞬时谱剖面Fig.7 The instantaneous spectral section at 30 Hz，50Hz， 80Hz of the c65 well(a)30 Hz；(b)50 Hz；(c)80 Hz

图8 过c19井的30 Hz、50 Hz、80 Hz 瞬时谱剖面Fig.8 The instantaneous spectral section at 30 Hz，50 Hz， 80 Hz of the c19 well(a)30 Hz；(b)50 Hz；(c)80 Hz

图9 过c4井的30 Hz、50 Hz、80 Hz 瞬时谱剖面Fig.9 The instantaneous spectral section at 30Hz， 50Hz ，80Hz of the c4 well(a)30 Hz；(b)50 Hz；(c)80 Hz

同一研究区的同一地层段的上段地层(沙1上段)与下段地层(沙1下段)的水层出现了不同的瞬时谱特征，这正好验证了“低频阴影”的成因机制的复杂性，而非单独由“衰减”而形成。

2.2 储层是油层和水层的过井瞬时谱分析

沙1段的储层含油层和水层的井共2口：P52井(含4 m油层)和P88井(含3.8 m油层)。根据Castagna[3]的研究结论，气层的“低频阴影”特征是在低频或中频的瞬时谱上气层位置的瞬时谱能量呈中强特征，油层下方的“阴影”层呈强能量(即“上强下强”特征)；在高频的瞬时谱上气层位置的瞬时谱能量呈中强特征，油层下方的“阴影”层呈弱能量(即“上强下弱”特征)。

图10所示的P52和P88井的油层具有和上述气层类似的“低频阴影”特征，即可以采用“低频阴影”分析方法进行准确地识别。

2.3 储层是含油水层和水层的过井瞬时谱分析

沙1段的储层含油水层和水层的井共3口：P51(含6.1 m含油水层)、P50(含4.7 m含油水层)和c18井(含1.5 m含油水层)。图11至图13分别是过P51、P50和c18井的3个瞬时谱剖面(30 Hz，50 Hz和80 Hz);由于图13的c18井的含油水层只有1.5 m，所以其仅显示为黑色的直线。目前国内外尚没有关于含油水层的“低频阴影”特征的描述，因此，我们参考油层的“低频阴影”特征进行含油水层的瞬时谱特征分析。

图10 过P52井和P88井的30 Hz、50 Hz、80 Hz 瞬时谱剖面Fig.10 The instantaneous spectral section at 30 Hz，50 Hz，80 Hz of the P52 well and P88 well(a)30 Hz；(b)50 Hz；(c)80 Hz

图11 过P51井的30 Hz、50 Hz、80 Hz瞬时谱剖面Fig.11 The instantaneous spectral section at 30 Hz，50 Hz ，80 Hz of the P51 well(a)30 Hz；(b)50 Hz；(c)80 Hz

图12 过P50井的30 Hz、50 Hz、80 Hz 瞬时谱剖面Fig.12 The instantaneous spectral section at 30 Hz，50 Hz，80 Hz of the P50 well(a)30 Hz；(b)50 Hz；(c)80 Hz

图13 过c18井的30 Hz、50 Hz、80 Hz 瞬时谱剖面Fig.13 The instantaneous spectral section at 30 Hz ，50 Hz ，80 Hz of the C18 well(a)30 Hz；(b)50 Hz；(c)80 Hz

图11所示的P51井的含油水层，在50 Hz和80 Hz的瞬时谱剖面上也出现了类似于油层的“低频阴影”特征，其与图10的油层的特征的差异在于，含油水层的低频强能量在50 Hz的瞬时谱上出现，而油层的低频强能量出现在30 Hz的瞬时谱剖面上。

图12所示的P50井的含油水层下方的“阴影”层，在3个单频的瞬时谱剖面上均呈强能量特征，不符合“低频阴影”特征。图13所示的c18井的含油水层仅在80 Hz的瞬时谱上呈强能量特征，且其下方无强能量的“阴影”层，也不符合“低频阴影”特征。

上述3个不同厚度的含油水层中只有厚度为6.1 m的含油水层呈现出“低频阴影”的特征，由此我们可以推断含油水层的厚度与“低频阴影”的成因有关。即对于含油水层而言，只有达到一定的厚度，才能出现“低频阴影”特征，而厚度又是与波的“衰减”密切相关的参数。因此，我们推断“衰减”因素是含油水层的“低频阴影”形成的关键成因。

3 结论

基于国内某区的油水储层的“低频阴影”的实例分析，我们得到了水层、油层和含油水层的瞬时谱特征。结合理论分析，可以得到以下几点结论和认识：

1)在瞬时谱分析前对瞬时谱进行“谱均衡”处理，能有效地保证资料在同一标准下进行低、中、高频振幅强度的判别及分类，这对于“低频阴影”分析过程很有必要。

2)厚度较大的含油水层与油层的“低频阴影”特征略有差异，含油水层的强能量特征出现的频率较油层略高。

3)同一研究区的同一层段的上段和下段地层的水层的瞬时谱特征，可能出现差异，其有力的说明了“低频阴影”的成因机制十分复杂，非单一的“衰减”成因。因此，常规的“低频阴影”或“低频能量”分析方法对“水层”的识别可能会存在一定的误区。

4)“油层”具有典型的“低频阴影”，且“油层”与“水层”在中低频率的瞬时谱具有较强的能量差异。因此，采用中低频率瞬时谱的能量特征分析和“低频阴影”分析方法可以有效地进行“油层”识别。

5)“厚度”是含油水层的“低频阴影”形成的重要成因，而对于油层似乎非主要因素，因为研究区2.9 m的油层也具有明显的“低频阴影”特征。

[1] SHERIFF R E. Encyclopedic dictionary of applied geophysics[M]. University of Houston, 2001：203-217.

[2] TANER M T, KOEHLER F, SHERRIFF R E. Complex seismic trace analysis[J]. Geophysics, 1979,44(6):1041-1063.

[3] CASTAGNA J P, SUN S, SIEGFRIED R W. Instantaneous spectral analysis: Detection of low-frequency shadows associated with hydrocarbons[J]. The Leading Edge,2003,22(2):120-127.

[4] XIONG X J, HE Z H, HUANG D J. Seismic attenuation modeling of fluid-filled porous medium[C]. SEG Las Vegas 2008 Annual Meeting, 2008:2152-2155.

[5] 尹陈, 贺振华, 黄德济. 基于弥散-粘滞型波动方程的地震波衰减及延迟分析[J]. 地球物理学报, 2009, 52(1):187-192. YIN C, HE Z H, HUANG D J. The analysis of seismic attenuation and time delay based on the Diffusivity-Viscosity wave equation[J]. Chinese J. Geophys. 2009,52(1): 187-192. (In Chinese)

[6] 陈学华, 贺振华, 文晓涛,等. 低频阴影的数值模拟与检测[J]. 石油地球物理勘探, 2009, 44(3):298-303. CHEN X H, HE Z H, WEN X T, et al. Numeric simulation and detection of low frequency shadow[J].OGP, 2009, 44(3):298-303. (In Chinese)

[7] 胡军辉, 文晓涛, 杨小江,等. 基于叠前黏滞—弥散波动方程的数值模拟[J]. 石油地球物理勘探, 2014, 49(4):708-714. HU J H, WEN X T, YANG X J, et al. Numerical simulation based on prestack diffusive-viscous wave equation[J]. OGP, 2014, 49(4):708-714. (In Chinese)

[8] 兰锋, 李明, 李艳东,等. 地震低频阴影的数值模拟分析[J]. 新疆石油地质, 2014, 35(4):408-413. LAN F, LI M, LI Y D, et al. Numerical simulation analysis of the seismic low-frequency shadows[J]. Xinjiang petroleum geology, 2014, 35(4): 408-413. (In Chinese)

[9] 张波, 王真理, 周水生,等. 谱分解在含气检测中的应用[J]. 地球物理学进展, 2010, 25(4):1360-1364. ZHANG B, WANG Z L, ZHOU S S, et al. Application of spectral decomposition to gas detection[J]. Progress in Geohys,2010, 25(4):1360-1364. (In Chinese)

[10]XIONG X J, HE X L, PU Y, et al. High-precision frequency attenuation analysis and its application[J]. Applied Geophysics, 2011, 8(4):337-343.

[11]蔡涵鹏, 贺振华, 黄德济. 礁滩相油气储层预测方法研究[J]. 石油地球物理勘探, 2008, 43(6):685-688. CAI H Y, HE Z H, HUANG D J. Study on method for prediction of coral shoal facies oil/gas reservoir[J]. OGP, 2008, 43(6):685-688. (In Chinese)

[12]陈学华, 贺振华, 黄德济,等. 时频域油气储层低频阴影检测[J]. 地球物理学报, 2009, 52(1):215-221. CHEN X H, HE Z H, HUANG D J, et al. Low frequency shadows detection of gas reservoirs in time-frequency domain[J]. Chinese J. Geophys,2009, 52(1):215-221. (In Chinese)

[13]张固澜, 蔡志东, 杨兰成,等. 零偏VSP叠前资料中的低频阴影检测[J]. 石油地球物理勘探, 2011, 46(3):438-441. ZHANG G L, CAI Z D, YANG L C, et al. Low-frequency shadow detection on prestack zero-offset VSP data[J]. OGP, 2011, 46(3):438-441. (In Chinese)

[14]朱恒. 高分辨时频分析方法在储层预测中的应用[D]. 成都：成都理工大学, 2015. ZHU H. The applications of time-frequency analysis methods with high resolution in reservoir prediction[D]. Chengdu：Chengdu University of Technology, 2015.(In Chinese)

[15]石战战, 庞溯, 唐湘蓉,等. 基于匹配追踪算法的碳酸盐岩储层低频伴影识别方法研究[J]. 岩性油气藏, 2014, 26(3):114-118. SHI Z Z, PANG S, TANG X R, et al. Carbonate reservoir characterization based on low-frequency shawdow method by matching pursuit algorithm[J]. Lithologic Reservoirs, 2014, 26(3):114-118.(In Chinese)

[16]牛聪, 刘志斌. 基于谱分析的低频阴影检测技术[J]. 海洋石油, 2008, 28(2):58-61. NIU C, LIU Z B. Detection of low-frequency shadows based on instantaneous spectral analysis[J]. Offshore oil, 2008, 28(2):58-61. (In Chinese)

[17]张志伟, 贺振华, 唐湘蓉. 基于低频伴影和波阻抗反演的礁滩相储层预测[J]. 石油物探, 2010, 49(6):611-615. ZHANG Z W, HE Z H, TANG X R. Prediction of reel-flat facies reservoir based on low-frequency shadow and wave impedance inversion[J]. GPP, 2010, 49(6):611-615. (In Chinese)

[18]高静怀, 万涛, 陈文超,等. 三参数小波及其在地震资料分析中的应用[J]. 地球物理学报, 2006, 49(6):1802-1812. GAO J H, WAN T, CHEN W C, et al. Three parameter wavelet and its application to seismic data processing[J]. Chinese J. Geophys,2006, 49(6):1802-1812. (In Chinese)

[19]高静怀, 陈文超, 李幼铭,等. 广义S变换与薄互层地震响应分析[J]. 地球物理学报, 2003, 46(4):526-532. GAO J H, CHEN W C, LI Y M, et al. Generalized S transform and seismic response analysis of thin interbeds[J]. Chinese urnal of Geophysics, 2003, 46(4):526-532.(In Chinese)

[20]SATISH S, PARTHA S. R, PHIL D A, et al. Spectral decomposition of seismic data with continuous-wavelet transform[J]. Geophysics, 2005, 70(6):19-25.

[21]EBROM D. The low-frequency gas shadow on seismic sections[J]. The Leading Edge, 2004, 23(8):772-772.

[22]KORNEEV V A, GOLOSHUBIN G M, DALEYT V, et al. Seismic low-frequency effects in monitoring of fluid-saturated reservoirs[J]. Geophysics, 2004, 69, 522-532.

[23]GOLOSHUBIN G, SCHUYVER C V, KORNEEV V, et al. Reservoir imaging using low frequencies of seismic reflections[J]. The Leading Edge,2006,25(5):527-531.

Discussion of low frequency shadows analysis method

Zhang Shuishan

(Geophysical Research Institute of Jianghan Oilfield Company, Sinopec, Wuhan 430000, China)

Chinese scholars studied the "low frequency shadows" in detail by using numerical simulation, the instantaneous spectrum calculation and the application examples over the past decade, but they rarely take the "low frequency shadows" analysis as the main research methods of fluid identification as success cases. We take the oil-water reservoir prediction as an example in Xinjiang region, which analyzed and summarized the instantaneous spectral characteristics of water layer, oil and oily water layer by using the detailed logging data and instantaneous spectrum sectional.The applicability and causes of "low frequency shadows" are demonstrated and the direction of "low frequency shadows" analysis method is discussed. The research showed that: (1) the "attenuation" factor is not the only causes of "low frequency shadows"; (2) the "low frequency shadows" analysis method can be effectively used for "oil layer" identification, but it needs to consider the question of the applicability for "water layer", even for the same formation both in the upper section and the lower section may exist different features; (3) "oil layer" and "oily water layer" have different "low frequency shadows" feature which are caused by different mechanisms.

low frequency shadows； spectral balancing； oil water identification； attenuation； instantaneous spectrum

2017-05-17 改回日期：2017-05-23

国家科技重大专项(2016ZX05060-006)

张水山(1964-)，男，教授级高级工程师，主要从事地震资料解释、储层预测及油气藏描述方面的研究工作， E-mail：zhangss.jhyt@sinopec.com。

1001-1749(2017)04-0506-09

P 631.2

A

10.3969/j.issn.1001-1749.2017.04.11