頻譜恢復和波形反演在大寧—吉縣區塊薄儲層預測中的應用

摘要：

鄂爾多斯盆地東部大寧—吉縣B區塊

山西組二段三亞段（山23）的薄儲層常與太原組頂部的碳酸鹽巖伴生，儲層致密，巖性復雜，砂、泥巖阻抗差異小，非均質性強，儲層預測難度大。為有效提高地震資料定量解釋的精度，落實B區塊薄儲層的分布特征，筆者提出了一種地震相拓頻反演相結合的薄致密砂巖儲層預測方法。該方法首先根據地質、測錄井等資料建立儲層巖心相、測井相、地震相特征，然后利用頻譜恢復拓頻技術提高地震資料的分辨率，最后重構巖性特征曲線，利用拓頻后的高分辨率地震資料進行波形指示反演，雕刻薄儲層平面分布，實現研究區山23致密薄儲層定量預測。結果表明：目的層有4種地震響應特征，分別為①水下分流河道相，表現為強—中弱強振幅組合，②水下分流河道相側翼區，表現為強—弱—強振幅組合，③席狀砂、遠砂壩相，表現為中弱—中強—強振幅組合，④分流間灣相，表現為弱—強振幅組合；地震資料的主頻由30 Hz提升至40 Hz，頻寬由10～60 Hz拓寬至8～80 Hz，使得薄儲集層在提高頻率后的資料中表現得更清晰；重構特征曲線，利用拓頻后的地震數據反演的砂巖厚度與井點厚度具有很好的線性關系，判定系數達到0.911，吻合度為84％，依據反演成果指導水平井鉆進，儲層鉆遇率達95%。

關鍵詞：

儲層預測；復雜巖性；薄儲層；曲線重構；波形指示反演

doi：10.13278/j.cnki.jjuese.20230323

中圖分類號：TE132

文獻標志碼：A

張科，竇松江，高歡歡，等. 頻譜恢復和波形反演在大寧—吉縣區塊薄儲層預測中的應用. 吉林大學學報（地球科學版），2024，54（6）：21422153. doi：10.13278/j.cnki.jjuese.20230323.

Zhang Ke， Dou Songjiang， Gao Huanhuan， et al. Application of Spectral Recovery and Waveform Inversion in Thin Reservoir Prediction in DaningJixian Block. Journal of Jilin University （Earth Science Edition）， 2024， 54 （6）： 21422153. doi：10.13278/j.cnki.jjuese.20230323.

收稿日期：20231121

作者簡介：張科（1989—），男，工程師，主要從事開發地質、地震解釋及儲層預測方面的研究，E-mail： hyxd103@163.com

基金項目：中國石油集團“十四五”重大專項（2021DJ2002 （JT））

Supported by the Major Special Project of China National Petroleum Corporation During the 14th Five-Year Plan Period （2021DJ2002 （JT））

Application of Spectral Recovery and Waveform Inversion in Thin Reservoir Prediction in DaningJixian Block

Zhang Ke1， Dou Songjiang1， Gao Huanhuan1， Shi Shi2， Li Tao1， Tang Ge1， Yang Bing1

1. Exploration and Development Research Institute of Dagang Oilfield， Tianjin 300450， China

2. National Engineering Research of Coalbed Methane Development amp; Utilization， Beijing 100020， China

Abstract：

In the eastern Ordos basin，" thin reservoirs in

the Third Submember of the Second Member of Shanxi Formation

（Shan23 Submember） of DaningJixian Block B are frequently closely associated with" carbonate rocks atop" Taiyuan Formation. These reservoirs are tight， with" complex lithology， small impedance difference between sandstone and mudstones strong heterogeneity， and great difficulty in reservoir prediction. In order to effectively improve the accuracy of quantitative interpretation of seismic data and implement the distribution characteristics of thin reservoirs in Block B， a novel prediction method for thin tight sandstone reservoirs amalgamating seismic phase， frequency extension and inversion phase has been proposed. This method firstly makes clear the characteristics of core facies， electrical logging facies and seismic facies of the reservoir based on" geological and logging data. Subsequently， spectral recovery and frequency extension technologies are used to improve the resolution of seismic data. Lastly， the lithology curves are regenerated， and waveform indicative inversion is performed using the high-resolution seismic data after frequency extension and the planar distribution of thin reservoirs is depicted to realize the quantitative prediction of tight and thin reservoirs in the Shan23 Submember of the study area. The results show that there are four types of seismic response characteristics for the target layer： ①Subaqueous distributary channel facies， characterized by a combination of strong， medium-weak and strong amplitude; ②Lateral area of" subaqueous distributary channel facies， characterized by a combination of strong， weak and strong amplitude; ③Sheet sand and distal sand bar facies， characterized by a combination of medium-weak， medium-strong and strong amplitude; ④Distributary bay facies， characterized by a combination of weak and strong amplitude. The dominant frequency of the seismic data is" increased from 30 Hz to 40 Hz， and the frequency bandwidth is" expanded from 1060 Hz to 880 Hz， making more clear images for thin reservoirs in seismic data after frequency extension. The reconstructed curves show a good linear relationship between the sandstone thickness obtained from the post-frequency-extension seismic data inversion and the sandstone thickness from well， with a determination coefficient of 0.911 and a conformity of 84%. Based on the inversion data， horizontal well drilling is" guided， achieving a reservoir encounter rate of 95%.

Key words：

reservoir prediction; complex lithology; thin reservoir; curve reconstruction; waveform indicative inversion

0" 引言①

毫達西（mD）為非法定計量單位，1 mD=0.987×10-3 μm2，下同。

2014年，鄂爾多斯盆地大吉氣田大寧—吉縣區塊大吉56井在下二疊統山西組致密砂巖儲層中試氣獲得高產，揭開了大寧—吉縣區塊煤系地層致密氣勘探開發的序幕。后來，多口井均獲得工業氣流，展示了良好的勘探前景［1］。B區塊位于鄂爾多斯盆地東部大寧—吉縣區塊，地層由老至新依次為馬家溝組、本溪組、太原組、山西組。目的層

山西組二段三亞段

（山23）為該區主要開發層系，是一套位于山西組5#煤層和本溪組8#煤層之間的河道砂巖沉積；其下為太原組碳酸鹽巖，為三角洲前緣沉積亞相。砂巖儲層單層厚度為2～12 m，平均孔隙度為7.5%，平均滲透率為0.66 mD①，為致密砂巖儲層。山西組時期經歷了海相退縮，大寧—吉縣區塊位于三角洲前緣沉積帶。該區域的砂體主要為水下分流河道微相，河道頻繁改道導致砂體橫向連續性差［2］。因此，在預測山23砂巖儲層時，必須充分考慮與下二疊統太原組頂部的石灰巖伴生、砂巖和泥巖之間波阻抗差異小以及復雜巖石組合導致的相似反射特征。

前人對儲層預測進行了大量研究，如壓制煤層強反射儲層預測技術［34］和子波分解重構技術［5］使薄層砂體的響應更明顯；屬性分析技術［68］實現了儲層的宏觀預測，可用于地震數據的深入分析和解讀；疊后疊前反演方法［910］可以獲取反映儲層性質的地層巖石彈性參數，從而預測儲層的分布及含氣性。這些技術的綜合應用為儲層預測提供了有力的工具，尤其是在如鄂爾多斯盆地東部 山23這樣的復雜儲層預測中。

針對煤層氣薄致密砂巖的精細識別和評價，借鑒前人的研究成果，筆者從研究區的巖心資料出發，結合測井響應、地震反射特征，提出了一種頻譜恢復和地震波形反演相結合的新方法，以期解決大寧—吉縣區塊復雜地質條件下的薄儲層預測問題，并為相似地質背景下的煤層氣薄致密砂巖識別提供借鑒。

1" 儲層地震響應特征

1.1" 測井相

對巖心相與測井特征的綜合分析表明，鄂爾多斯盆地東部大寧—吉縣B區塊山23沉積相以曲流河三角洲前緣為主，其中水下分流河道、河口壩、遠砂壩、席狀砂、分流間灣是主要的沉積微相。結合自然伽馬、聲波時差等測井曲線與巖心分析，構建巖心與測井相的識別圖版，可識別出箱形、鐘形、漏斗形、指形和齒形等5種測井相（圖1）。由圖1可知：在三角洲前緣的水下分流河道中，巖性多為砂巖或含薄層泥巖，顯示出塊狀、板狀和槽狀交錯層理以及明顯的沖刷面，測井曲線特征是低自然伽馬和低聲波時差，自然伽馬曲線形態為高幅箱形；隨著頂部泥質含量的增加，自然伽馬曲線轉為高幅鐘形，接觸關系為頂部漸變、底部突變，反映自頂向下水流能量的逐漸減弱。河口壩頂底部均由泥巖構成，以板狀交錯層理為主，測井曲線呈現中—高幅漏斗形，接觸關系為頂部突變、底部漸變。遠砂壩頂底部均由泥巖構成，顯示波狀層理，測井曲線為低幅漏斗形，接觸關系為頂部突變、底部漸變。席狀砂主要由泥質細砂巖組成，常見水平層理，測井曲線通常為中—低幅指形，接觸關系為頂底漸變。分流間灣為深色泥巖，帶有水平層理、流水沙紋和泄水構造，測井曲線呈低幅齒形，接觸關系為頂底漸變。

1.2" 地震相

通過單井精細解剖，結合巖心相、測井相，明確鄂爾多斯盆地東部大寧—吉縣B區塊山23不同沉積微相的地震響應特征（圖2）。1井山23發育厚度大于10.0 m的塊狀灰色含氣中砂巖，測井曲線呈箱形（圖2a），位于水下分流河道相主體區，地震剖面表現為強振幅—中弱振幅—強振幅反射特征，地震反射形態為頂平底凸下切反射（圖2b）；2井山23發育厚度為5.0～10.0 m的塊狀灰色中砂巖，測井曲線呈箱形（圖2c），位于水下分流河道相側翼區，地震剖面表現為強振幅—弱振幅—強振幅反射特征，地震反射形態為頂平底凸下切反射（圖2b）；3井山23亞段砂巖不發育，測井曲線呈低幅齒形（圖2d），位于分流間灣相區，地震剖面表現為弱振幅—強振幅反射特征（圖2e）；4井山23亞段發育厚度為4.4 m的薄層灰色泥質砂巖，測井曲線呈漏斗形（圖2f），位于席狀砂、遠砂壩相區，地震剖面表現為中弱振幅—中強振幅—強振幅反射特征（圖2e）。

綜合巖心相、測井相和地震相分析，明確了目的層的4種地震反射特征，分別為：①水下分流河道相，表現為強振幅—中弱振幅—強振幅反射特征；②水下分流河道相側翼區，表現為強振幅—弱振幅—強振幅反射特征；③席狀砂、遠砂壩相，表現為中弱振幅—中強振幅—強振幅反射特征；④分流間灣相，

表現弱振幅—強振幅反射特征。地震波形反射特征地質意義的明確為后續儲層反演奠定了基礎。

2" 頻譜恢復拓頻技術

2.1" 拓頻必要性

拓頻可以提高地震資料的分辨率，使地質構造和地層分布情況的描述更加準確，有利于提高勘探精度，提升油氣勘探效果。高分辨率地震可以體現出微小的地質構造和地層細節，對儲層預測，尤其是對薄儲層預測具有重要意義。

X井山23儲層在地震數據中呈現為寬波谷反射。該儲層較薄，平均厚度僅為9.8 m，地震數據的主頻為30 Hz，有效頻寬為10～60 Hz，導致地震資料的分辨率不足以區分儲層。通過分析X井的鉆井、錄井、巖心等資料，確定了反映不同巖性的地球物理參數。根據單井一維正演，使用45 Hz雷克子波儲層底界出現了相位變化，在50 Hz雷克子波下可觀察到弱波峰（圖3）；這證明對地震數據進行拓頻處理能夠提高儲層的識別能力。

2.2" 頻譜恢復拓頻技術

頻譜恢復拓頻技術可通過頻譜分解提升低于調諧厚度薄層的分辨率［11］。著名地球物理學家John Castagna教授提出了頻譜恢復稀疏層反射系數反演技術［1213］。該技術通過恢復和利用原始地震資料中的高頻信息實現了譜分析算法的突破，克服了傅里葉變換的局限性，顯著提升了地震資料的分辨率，最高可達λ/8～λ/16［14］（λ為一個周期內波峰（或波谷）之間的距離）。這項技術理論基礎堅實，創新性強，分辨率、保真性和可靠性較過去的技術有顯著提升，尤其在薄層油氣藏的解釋和儲層識別上展現出獨特優勢［1517］。

處理流程如下。1）地震資料品質分析。對原始地震資料進行頻譜掃描，評估拓頻可能性。同時，對比和分析不同頻帶范圍的原始地震數據，總結地震響應特征，特別關注目標區域。通過縱向分時段地震資料掃描分析目的層，并同時考慮淺層和深層的情況，確定各目的層的頻譜特征、峰值頻率和有效帶寬。2）保幅保真優化處理。根據不同時段的頻譜特征，采用頻率域時變帶通濾波和構造濾波對地震資料進行優化處理，提高信噪比，剔除低信噪比數據。3）提高分辨率處理。根據信號學理論，通過頻譜分解和井震匹配確定參考子波和多道算子，利用全局尋優的稀疏層法反演獲取反射系數，預測高頻成分，并回加最優子波，最終生成比

原始地震資料高一倍甚至更多的高分辨率地震數據。4）數據體質控。從頻譜特征、波組特征、構造形態、井震結合等方面對高分辨率數據體進行質控。

合成地震記錄子波均為對應主頻雷克子波，均由子波與反射系數褶積生成。

2.3" 合理性分析

研究區地表條件復雜，加上煤層屏蔽作用，導致地震資料目的層原始主頻較低，高頻信號弱。因此，必須通過可靠有效的手段提高地震資料分辨率，得到高分辨率地震數據體。

1）頻譜恢復拓頻技術處理前后頻譜對比。從圖4可以看出，拓頻后，地震資料主頻提高，有效頻寬明顯提升，低頻端信息保持良好，整體頻譜形態特征變化正常。拓頻成果合理可靠，既保留了低頻信息，又提高了主頻和頻寬，有助于提升儲層預測精度。

2）頻譜恢復拓頻技術處理前后波組特征對比。從圖5可以看出：處理后的高分辨率地震中低頻分量保持了與處理前原始地震中低頻分量一致的波組特征，沒有丟失或破壞原始信息（圖5a、c）；處理后的高分辨率地震高頻分量波組特征變化自然合理，波組能量關系也基本與處理前的原始地震高頻分量保持一致（圖5b、d）。

3）頻譜恢復拓頻技術處理前后地震剖面對比。從圖6可以看出：目的層在原始地震剖面上無明顯反射特征，而在拓頻后資料上出現明顯的弱波峰反

a. 處理前中低頻分量；b. 處理前高頻分量；c. 處理后中低頻分量；d. 處理后高頻分量。

射（黃色填充），提高了對儲層的直接識別能力；另外，在處理前后的地震剖面上，兩個煤層（兩個黑色強波峰軸）的構造形態和相位基本未發生變化，證明處理后高分辨數據體未改變原始地震體的構造形態。

綜上，頻譜恢復拓頻技術處理后地震數據主頻及頻寬明顯提高，波組特征變化合理，有較好的保幅保真性，同時也提高了對儲層的識別能力，為后續薄儲層預測提供了堅實的資料基礎。

3" 波形指示反演

一直以來，地震地質層位標定和波阻抗反演均依靠聲波時差曲線進行；但由于井筒污染和地層壓實等因素，聲波測井曲線常難以反映巖性變化，進而影響波阻抗反演效果，無法準確預測有效儲層分布［18］。因此，需找到新方法，利用現有其他測井資料來彌補聲波測井的不足，以此提升地震反演的分辨率，提供準確的儲層參數。近年來，測井曲線重構技術在儲層參數反演中得到廣泛應用［1925］，

本研究嘗試利用此技術進行波形指示反演。

研究區巖性復雜，巖石物理分析結果表明，對于復雜巖性剖面，如煤灰砂泥等4類巖性，傳統的1類或2類曲線很難區分，無法采用常規波阻抗反演或波組抗曲線重構方法標定巖性［23］。因此，本研究嘗試采用多曲線分段構建特征曲線進行波形指示反演。筆者主要利用對巖性敏感的自然伽馬、聲波時差、中子和密度曲線，通過一系列數學計算來重新構建巖性識別曲線。經分析發現，山23亞段的上部可以通過自然伽馬、中子和密度曲線的迭代來區分儲層，而下部靠近太原組灰巖段的砂巖則可以通過自然伽馬、聲波時差和密度來構建。最終，將這些巖性曲線統一歸一化，獲得可以標識目的層巖性特征的曲線。

以B3井（圖7）為例，一般來說：在自然伽馬曲線上，灰巖、砂巖和煤層呈現低值，而泥巖則為

高值；從聲波時差曲線看，煤層為高值，相比之下，灰巖、砂巖和泥巖則為低值，灰巖最低。因此，通過自然伽馬和聲波時差曲線的迭代計算可以區分出砂巖和灰巖。在密度曲線上，煤層呈現低值，而太原組灰巖及

其頂部砂巖均為高值，盡管灰巖的密度略大，但差異不明顯；山23上部的砂、泥巖在密度曲線上無法分辨，但可通過中子曲線進行區分，其中砂巖為低值，泥巖為高值，這種差異也不大。

基于此，對于接近灰巖的砂體，筆者采用自然伽馬、聲波時差和密度進行多次迭代，并做歸一化處理，計算公式為

In=afGRfACb/fDENc。（1）

式中：In為接近灰巖砂體的特征值；fGR、fAC、fDEN分別為自然伽馬、聲波時差、密度曲線值；a、b、c為整數變量。對于遠離灰巖的砂體，采用自然伽馬、中子和密度進行多次迭代，并做歸一化處理，計算公式為

If=dfGRfCNLe/fDENg。（2）

式中：If為遠離灰巖砂體的特征值；fCNL為中子測井曲線值；d、e、g為整數變量。

經過多次迭代，微小差異被放大，達到區分不同巖性的目的，以構建后續的波形指示反演特征曲線（圖7）。

依據上步重構的巖性特征曲線做巖性直方圖，從直方圖分析得出各種巖性的閾值區間，為波形指示反演做準備。從直方圖可以看出，特征值小于或等于0.17的為灰巖，特征值在0.17～0.60之間的為砂巖，特征值大于0.60的為煤層和泥巖（圖8）。在此次反演中，不需要區分煤層和泥巖。

4" 反演效果分析

通過波形指示反演，儲集層預測精度進一步提高，井間儲集層縱橫向對比性關系明確，尖滅點清楚，可識別厚度3 m以上的儲集層。以過B、C、D 3口井的反演剖面為例（圖9）：目的層山23B、C、D 3口井1號儲層厚度分別為3、6、7 m，

地層對比剖面上為同一套砂體，從B井到D井儲層有增厚趨勢，儲層及其連續性得到較好體現，反演剖面與單井測井解釋吻合，能正確反映井間地質概念；2號儲層B井不發育，C井和D井連通，B井和C井間的殲滅點清晰可見。

基于巖性特征曲線與巖性直方圖分析的閾值，利用速度體提取反演體砂體厚度，進而得到目的層砂體平面展布。從成果圖（圖10）看，儲層整體分布東厚西薄，與實際鉆探情況較為吻合；東部發育多個有利砂體，是下一步開發的潛力區塊。

通過反演砂巖厚度與實際井砂巖厚度的對比可知，重構特征曲線反演的砂巖厚度與井點厚度具有很好的線性關系，判定系數達到0.911（圖11），吻合度為84％。因此，特征曲線重構波形指示反演具有預測準確的優勢。

依據反演成果，部署一口水平井X3，測試日產氣6 855 m3。該井東西兩側X1、X2井鉆遇山23儲層，厚度分別為6.2、5.1 m，X3水平段鉆遇該套儲層，鉆遇率為95%（圖12）。

5" 結論

1）為精準揭示鄂爾多斯盆地東部大寧—吉縣B區塊薄儲層分布，建立儲層的巖心相、測井相、地震相特征，識別出目的層的4種地震響應特征，分別為①水下分流河道相，表現為強振幅—中弱振幅—強振幅反射特征；②水下分流河道相側翼區，表現為強振幅—弱振幅—強振幅反射特征；③席狀砂、遠砂壩相，表現為中弱振幅—中強振幅—強振幅反射特征；④分流間灣相，表現弱振幅—強振幅反射特征。

2）利用頻譜恢復拓頻技術提高地震資料的分辨率，使得薄儲集層在提高頻率后的資料中表現得更清晰。這與實際鉆探結果相吻合，提高了對儲層的直接識別能力。

3）重構巖性特征曲線，利用拓頻后的高分辨率地震資料進行波形指示反演，雕刻薄儲層平面分布，實現了研究區山23致密薄儲層的定量預測。

4）預測結果顯示，研究區東部的眾多水道交匯砂體較為集中，是下一步開發的潛在區塊。薄儲層的預測結果與實際鉆探數據吻合，證實了地震相拓頻波形指示反演相結合的薄致密砂巖儲層預測方法在鄂爾多斯盆地東部大寧—吉縣B區塊薄儲層預測中具有很好的效果。

參考文獻（References）：

［1］" 趙龍梅，文桂華，李星濤，等. 鄂爾多斯盆地大寧—吉縣區塊山西組23亞段致密砂巖氣儲層“甜點區”評價［J］. 天然氣工業，2018，38（增刊1）：510.

Zhao Longmei， Wen Guihua， Li Xingtao， et al. Evaluation of “Sweet Spots” in the Tight Sandstone Gas Reservoir of the Shan 23 Sub-Member in the Da Ning-Ji Xian Block， Ordos Basin［J］. Natural Gas Industry， 2018， 38（Sup. 1）： 510.

［2］nbsp; 于興河，王香增，王念喜，等. 鄂爾多斯盆地東南部上古生界層序地層格架及含氣砂體沉積演化特征［J］.古地理學報，2017，19（6）：935954.

Yu Xinghe， Wang Xiangzeng， Wang Nianxi， et al.Sequence Stratigraphic Framework and Sedimentary Evolution Characteristics of Gas-Bearing Sandbody in the Upper Paleozoic in the Southeastern Part Ordos Basin［J］. Journal of Palaeogeography， 2017， 19（6）： 935954.

［3］" 秦雪霏，李巍.大牛地氣田煤系地層去煤影響儲層預測技術［J］. 吉林大學學報（地球科學版），2014，44（3）：10481054.

Qin Xuefei， Li Wei.Research of Identification and Trimming of Coal-Bed Interference in Daniudi Gas Field［J］. Journal of Jilin University （Earth Science Edition）， 2014， 44（3）： 10481054.

［4］" 賴生華，梁全勝，袁通路，等. 鄂爾多斯盆地山西組二段煤層對下伏砂巖地震反射特征影響的數值模擬分析［J］. 石油物探，2014，53（3）：351359.

Lai Shenghua， Liang Quansheng， Yuan Tonglu， et al. Numerical Simulation Analysis of the Influence on Underlying Sandstone Seismic Reflection Characteristics from Coal Seam in Member 2 of Shanxi Formation， Ordos Basin［J］. Petroleum Geophysics， 2014， 53（3）： 351359.

［5］" 徐天吉，沈忠民，文雪康. 多子波分解與重構技術應用研究［J］. 成都理工大學學報（自然科學版），2010，37（6）： 660665.

Xu Tianji， Shen Zhongmin， Wen Xuekang.Application Research of Multi-Wave Decomposition and Reconstruction Technology［J］. Journal of Chengdu University of Technology （Science amp; Technology Edition）， 2010， 37（6）： 660665.

［6］" 李芳，蔣加鈺，楊彩娥. 鄂爾多斯盆地上古生界山二3亞段儲層預測方法及效果［J］. 石油天然氣學報，2005，27（6）：859861.

Li Fang， Jiang Jiayu， Yang Caie.

Method and Effect of Reservoir Prediction in the Third Memb

er of Shanxi Fomation of" Upper Paleozoic in" Ordos Basin［J］. Journal of Oil and Gas Technology ， 2005，27（6）： 859861.

［7］" 李永洲，文桂華，李星濤，等. 沉積微相控制下的煤系地層致密砂巖氣儲層預測方法：以鄂爾多斯盆地大寧—吉縣區塊下二疊統山西組為例［J］. 天然氣工業，2018，38（增刊1）：1117.

Li Yongzhou， Wen Guihua， Li Xingtao， et al. Prediction Method of Tight Sandstone Gas Reservoirs in Coal-Measure Strata Under Sedimentary Microfacies Control： Taking the Lower Permian Shanxi Formation in the Da Ning-Ji County Block of the Ordos Basin as an Example［J］. Natural Gas Industry， 2018， 38（Sup. 1）： 1117.

［8］" 王世成，郭亞斌，游佩林，等. 鄂爾多斯盆地東部山23儲層地震預測技術及效果［C］// 2020年中國地球科學聯合學術年會. 重慶：［s. n.］，2020：20622065.

Wang Shicheng， Guo Yabin， You Peilin， et al. Seismic Prediction Technology and Effect of the Shan23 Reservoir in the Eastern Part of the Ordos Basin［C］// 2020 China Earth Science Union Academic Annual Meeting. Chongqing： ［s. n.］， 2020： 20622065.

［9］" 杜廣宏，趙玉華，劉峰，等. 致密薄儲層地震預測技術：以鄂爾多斯盆地東南部YC地區為例［C］// 中國石油學會2019年物探技術研討會. 成都：《中國學術期刊（光盤版）》電子雜志社有限公司，2019： 905909.

Du Guanghong， Zhao Yuhua， Liu Feng， et al. Seismic Prediction Technology for Tight Thin Reservoirs： Taking YC Area in the Southeastern Part of the Ordos Basin as an Example［C］//2019 Symposium on Exploration Technology of China Petroleum Society. Chengdu： Chinese Academic Journals （Optical Disc Edition） Electronic Magazine Co.，Ltd.， 2019： 905909.

［10］" 仉濤，郭智奇，劉財，等. 鹽間頁巖油韻律層地震響應模擬及頁巖薄儲層厚度預測［J］. 吉林大學學報（地球科學版），2022， 52（1）： 281291.

Zhang Tao， Guo Zhiqi， Liu Cai， et al. Seismic Responses Simulation of Inter-Salt Shale Oil Rhythm Formation and Prediction of Layer Thickness of Thin Shale Reservoirs［J］. Journal of Jilin University （Earth Science Edition）， 2022， 52（1）： 281291.

［11］" 賀錫雷，黃德濟，賀振華. 薄互層反射系數序列時頻特征研究［J］. 物探化探計算技術，2009，31（3）：227232.

He Xilei， Huang Deji， He Zhenhua. Study on Time-Frequency Characteristics of Thin Interbedded Reflection Coefficient Sequences［J］. Exploration Geophysics， 2009， 31（3）： 227232.

［12］" Zhang R， Castagna J P. Seismic Sparse-Layer Reflectivity Inversion Using Basis Pursuit Decomposition［J］. Geophysics， 2011， 76（6）： 147158.

［13］" Puryear C I， Castagna J P. Layer-Thickness Determination and Stratigraphic Interpretation Using Spectral Inversion： Theory and Application［J］. Geophysics， 2008， 73（2）： 3748.

［14］" 周剛，姜仁旗. 頻譜恢復提高地震資料分辨率處理技術及應用［C］// 中國石油學會2019年物探技術研討會論文集. 成都：《中國學術期刊（光盤版）》電子雜志社有限公司，2019：13591363.

Zhou Gang， Jiang Renqi. Technology and Application of Seismic Data Resolution Enhancement by Spectral Recovery［C］// 2019 Symposium on Exploration Technology of China Petroleum Society. Chengdu： Chinese Academic Journals （Optical Disc Edition） Electronic Magazine Co.，Ltd.， 2019： 13591363.

［15］" Chopra S. Thin-Bed Reflectivity Inversion［J］. Seg Technical Program Expanded Abstracts， 2006， 25（1）： 3541.

［16］" 張繁昌，何晉越，桑凱恒，等. 稀疏反射系數頻率域正余弦分量協同反演方法［J］. 石油地球物理勘探，2018， 53（4）：778783.

Zhang Fanchang， He Jinyue， Sang Kaiheng， et al. Collaborative Inversion Method of Sparse Reflection Coefficient Frequency Domain Positive Cosine Components［J］. Petroleum Geophysics Exploration， 2018， 53（4）： 778783.

［17］" 趙邦六，董世泰，曾忠. 井中地震技術的昨天、今天和明天：井中地震技術發展及應用展望［J］. 石油地球物理勘探，2017，52（5）：11121123.

Zhao Bangliu， Dong Shitai， Zeng Zhong. Yesterday，Today， and Tomorrow of Well Seismic Technology： Development and Application Prospects of Well Seismic Technology［J］. Petroleum Geophysics Exploration， 2017， 52（5）： 11121123.

［18］" 王余慶，曹正林. 儲層預測技術及應用實例［M］. 北京：石油工業出版社，2000.

Wang Yuqing， Cao Zhenglin. Reservoir Prediction Technology and Application Examples［M］. Beijing： Petroleum Industry Press， 2000.

［19］" 張學芳，董月昌，慎國強，等. 曲線重構技術在測井約束反演中的應用［J］. 石油勘探與開發，2005，32（3）：7072.

Zhang Xuefang， Dong Yuechang， Shen Guoqiang， et al. Application of Curve Reconstruction Technology in Log-Constrained Inversion［J］. Petroleum Exploration and Development， 2005， 32（3）： 7072.

［20］" 張曉晴，康玉國，孫斌，等.勃利盆地七臺河斷陷煤層氣富集特征及有利區優選［J］.吉林大學學報（地球科學版），2023，53（4）：10331047.

Zhang Xiaoqing， Kang Yuguo， Sun Bin， et al.Enrichment Characteristics of Coalbed Methane and Optimization of Favorable Areas in Qitaihe Fault Depression， Boli Basin［J］. Journal of Jilin University （Earth Science Edition）， 2023， 53（4）： 10331047.

［21］" 賈建亮，劉招君，陳永成，等. 測井地震多屬性密度曲線重構反演技術及應用［J］. 吉林大學學報（地球科學版），2010，40（3）：699706.

Jia Jianliang， Liu Zhaojun， Chen Yongcheng， et al.The Technique of Log-Seismic Multi-Attributes Density Curve Reconstruction Inversion and Its Application［J］. Journal of Jilin University （Earth Science Edition）， 2010， 40（3）： 699706.

［22］" 賈承造，趙文智，鄒才能，等. 巖性地層油氣藏勘探研究的兩項核心技術［J］. 石油勘探與開發，2004，31（3）：39.

Jia Chengzao， Zhao Wenzhi， Zou Caineng， et al. Two Core Technologies for the Exploration of Lithological Reservoirs［J］. Petroleum Exploration and Development， 2004， 31（3）： 39.

［23］" 孫雄偉，張楓，張寶權，等. 煤系地層致密氣薄儲層地震預測方法：以鄂爾多斯盆地大寧—吉縣區塊為例［J］. 天然氣地球科學，2022，33（7）：11651174.

Sun Xiongwei， Zhang Feng， Zhang Baoquan， et al.Seismic Prediction Method for Tight Gas Thin Reservoirs in Coal-Measure Strata： Taking the Da Ning-Ji County Block of the Ordos Basin as an Example［J］. Natural Gas Geoscience， 2022， 33（7）： 11651174.

［24］" 周惠文，曹正林，杜斌山. 含氣特征曲線重構技術在致密含氣砂巖儲層預測中的應用［J］. 天然氣地球科學，2006，17（5）：723726.

Zhou Huiwen， Cao Zhenglin， Du Binshan.Application of Gas-Bearing Characteristic Curve Reconstruction Technology in Predicting Tight Gas Sandstone Reservoirs［J］. Natural Gas Geoscience， 2006， 17（5）： 723726.

［25］" 張靜，王彥春，陳啟林，等. 儲層特征曲線重構技術在儲層預測中的應用研究［J］.天然氣地球科學，2008， 19（3）：396401.

Zhang Jing， Wang Yanchun， Chen Qilin， et al.Application of Reservoir Characteristic Curve Reconstruction Technology in Reservoir Prediction Research［J］. Natural Gas Geoscience， 2008， 19（3）： 396401.