劉力輝 李建海 孫瑩頻 胡 誠

(①北京諾克斯達石油科技有限公司，北京 100192； ②成都晶石石油科技有限公司，四川成都 610041)

·綜合研究·

時頻屬性法薄互層預(yù)測

劉力輝①李建海*②孫瑩頻①胡 誠②

(①北京諾克斯達石油科技有限公司，北京 100192； ②成都晶石石油科技有限公司，四川成都 610041)

1/4波長以內(nèi)的薄互層厚度預(yù)測一直是勘探難題，本文主要探討利用時頻屬性預(yù)測薄互層累計厚度的方法。通過薄互層楔狀模型和兩個疊置薄層模型，厘清薄互層累計厚度與時頻屬性的關(guān)系及其主要影響因素。模型研究結(jié)果表明： 凈毛比、層數(shù)和互層模式都對峰值振幅—毛厚度關(guān)系有影響，其中凈毛比影響最大，其次是互層數(shù)，影響最小的是互層模式； 凈毛比控制峰值振幅、峰值頻率與毛厚度關(guān)系，也控制調(diào)諧厚度范圍； 在調(diào)諧厚度內(nèi)，峰值振幅(積分能譜)與毛厚度呈單調(diào)遞增線性關(guān)系，峰值頻率與毛厚度呈單調(diào)遞減線性關(guān)系； 積分能譜與凈厚度呈線性關(guān)系，積分能譜有擴大調(diào)諧厚度范圍功能，有利于計算薄互層凈厚度。根據(jù)模型試算結(jié)果，在實際資料中運用人工智能方法，利用峰值振幅和峰值頻率等聯(lián)合計算薄互層凈厚度。預(yù)測結(jié)果表明本文方法準確、可靠，實用性強。

薄互層 凈毛比 毛厚度 峰值振幅 峰值頻率 積分能譜 人工智能

1 引言

薄層厚度的預(yù)測方法大體可以分為兩類。第一類是時間域調(diào)諧厚度法，認為λ/4(λ為地震波長)調(diào)諧厚度內(nèi)，薄層反射振幅與厚度的關(guān)系為線性關(guān)系[1-3]。第二類是頻率域方法，孫魯平等[4]推導(dǎo)了地震峰值頻率與薄層厚度的理論關(guān)系表達式，但需已知頂?shù)追瓷湎禂?shù)比，模板為一簇曲線。

薄層互層的定量預(yù)測方法有三類。第一類是頻率屬性法。曾洪流等[1]提出了層分辨率的概念，利用時頻分析的主頻率預(yù)測薄互層凈厚度[5]。第二類是振幅法[6-12]。黃文峰等[10]利用薄互層調(diào)諧規(guī)律去調(diào)諧，利用地震振幅計算凈厚度。兩個文獻都指出-90°相位子波有利于分辨薄互層。第三類是波形法[12，13]。楊昊等[13]先構(gòu)建含有薄層厚度的原子庫，用匹配追蹤方法將薄層反射波形和庫中原子匹配，得出薄層反射系數(shù)位置和厚度。對于頻率屬性法，薄互層振幅譜和毛厚度及凈毛比的關(guān)系還沒有相應(yīng)的理論公式，需要近一步發(fā)展。

2 薄互層時頻特征影響因素

薄互層的時間域反射特征主要受毛厚度(砂泥巖薄互層總厚度T)和凈毛比(砂巖累加厚度與毛厚度之比G)影響，還受互層層數(shù)、互層分布模式等影響[10]。那么薄互層時頻特征主要受哪些因素控制呢？時頻域薄互層反射的特征可由峰值振幅和峰值頻率兩個參數(shù)表征。薄互層反射時窗內(nèi)，由多個時頻點譜可以計算出一個傅氏譜，其對應(yīng)的最大振幅為峰值振幅，對應(yīng)的頻率為峰值頻率。振幅譜中低頻到子波主頻的積分為積分能譜。下面討論薄互層的毛厚度、凈毛比、層數(shù)和互層模式對峰值振幅的影響。

圖1給出了三組薄互層楔形模型的峰值振幅與毛厚度的關(guān)系曲線。第一組模型的凈毛比相同、互層層數(shù)相同、互層模式(互層由“四薄一厚”五小砂層構(gòu)成，厚砂層位于底部、第四層、第三層對應(yīng)分布1、2、3)不同； 第二組模型為凈毛比相同、互層層數(shù)不同、互層模式相同； 第三組模型的凈毛比不同、層數(shù)相同、互層模式相同。從圖1發(fā)現(xiàn)凈毛比、層數(shù)和互層模式對峰值振幅—毛厚度關(guān)系都有影響，其中凈毛比影響最大，其次是互層數(shù)，影響最小的是互層模式。因此，在薄互層時頻分辨率分析中，主要討論毛厚度和凈毛比的影響。

圖1 三組薄互層楔形體峰值振幅與毛厚度關(guān)系曲線

圖2為凈毛比不同、層數(shù)相同、互層模式不同(等厚、遞變)的楔形模型的地震響應(yīng)。其中圖2a、圖2c是等厚模型，圖2b、圖2d是縱向厚度遞變模型。圖3a是圖2中各模型對應(yīng)的時間域振幅—毛厚度隨凈毛比變化曲線，圖3b是時頻域峰值振幅—毛厚度隨凈毛比變化曲線，對比兩張圖可以看出，時間域振幅—毛厚度關(guān)系和時頻域峰值振幅—毛厚度關(guān)系相似，凈毛比主要控制調(diào)諧厚度和曲線斜率，凈毛比越大，調(diào)諧厚度越大。

3 薄互層的振幅譜公式

以圖4兩層等厚砂巖夾一層泥巖隔層的基本薄互層為例(砂巖高阻抗，泥巖低阻抗)討論毛厚度和凈毛比同峰值振幅、峰值頻率的定量關(guān)系。

設(shè)薄互層砂巖凈厚度Tsand與互層總厚度T的比值為凈毛比G，反射系數(shù)強度為r, 則薄互層地震響應(yīng)S的振幅譜(推導(dǎo)見附錄)為[12]

|sin[πf(1-G)T]-sin(πfT)||r|

(1)

式中fd為子波主頻，是已知數(shù)?？煽闯雒穸群蛢裘仁菦Q定峰值振幅、峰值頻率等時頻屬性的關(guān)鍵參數(shù)。對上述模型給定一組凈毛比，可以得出一組時頻屬性—毛厚度—凈毛比關(guān)系曲線。

如圖5所示，在薄互層頂、底反射系數(shù)比約為-1的情況下，峰值振幅和毛厚度關(guān)系與薄互層時間域振幅—厚度關(guān)系相似，但調(diào)諧點和其調(diào)諧厚度(圖中*)受凈毛比控制。在調(diào)諧厚度內(nèi)，峰值振幅和毛厚度呈單增的線性關(guān)系。峰值頻率—毛厚度線性關(guān)系也受凈毛比控制，和毛厚度呈單減的的關(guān)系，不受調(diào)諧厚度影響，實用性強。積分能譜—毛厚度線性關(guān)系曲線形態(tài)類似峰值振幅，調(diào)諧厚度同樣受凈毛比控制，但調(diào)諧厚度加大，實用性更強。

圖2 不同凈毛比的三層砂巖、兩層泥巖隔層楔形模型(左)及其地震響應(yīng)(右)

圖3 平均振幅(a)和峰值振幅(b)與毛厚度的關(guān)系

圖4 薄互層楔形體(a)及其-90°相位合成地震道(b)

4 時頻屬性預(yù)測薄互層

目前用于提取時頻屬性的時頻分析方法較多，常用的包括小波變換、S變換，廣義S變換以及匹配追蹤等方法[15-18]。由于受測不準準則的制約，應(yīng)用小波變換、廣義S變換等線性算法無法同時獲得高時間分辨率和高頻率分辨率，而應(yīng)用匹配追蹤算法可克服窗函數(shù)的限制，能同時在時間域和頻率域精細表征信號特征[18]。因此，本文研究時頻屬性提取采用匹配追蹤方法。

4.1 積分能譜預(yù)測凈厚度

在調(diào)諧厚度內(nèi)，峰值振幅AS與砂巖凈厚度hsand呈單調(diào)遞增的近似線性關(guān)系

hsand≈f1(AS)=k1ASk1>0

(2)

為增加峰值振幅計算凈厚度的實用性，擴大調(diào)諧厚度的范圍，提出了積分能譜屬性。

在薄互層頂、底反射系數(shù)比約為-1情況下，在調(diào)諧厚度范圍，積分能譜和凈厚度呈遞增的線性關(guān)系。研究發(fā)現(xiàn)積分限越窄，調(diào)諧厚度越大，積分限有擴大線關(guān)系應(yīng)用范圍的作用。圖6從上到下分別為5Hz～31.25Hz(子波主頻)、5～25Hz及5～15Hz的積分能譜與厚度關(guān)系曲線，可見窄頻帶的積分能譜屬性具有擴大調(diào)諧厚度的特性，但曲線斜率變小、敏感度降低，實際應(yīng)用中應(yīng)選取合適的積分限。

圖5 不同凈毛比的薄互層毛厚度與峰值振幅(a)、峰值頻率(b)、帶限積分能譜(c)的關(guān)系(子波主頻為31.25Hz)

圖6 不同頻帶積分能譜與毛厚度關(guān)系

4.2 峰值頻率預(yù)測凈厚度

當目的層毛厚度穩(wěn)定時，可以用峰值頻率預(yù)測凈厚度。峰值頻率fp與砂巖凈厚度hsand近似關(guān)系

hsand≈f2(fp)=f0-k2fp

f0>fpk2>0

(3)

式中f0為砂巖凈厚度逼近于0時對應(yīng)的地震峰值頻率。實際應(yīng)用中因峰值頻率不穩(wěn)定，需要結(jié)合其他參數(shù)求取。

4.3 非線性映射預(yù)測凈厚度

峰值振幅、積分能譜和峰值頻率都與薄互層的凈厚度有關(guān)，但目前還沒有一個嚴格的解析式，為提高砂巖凈厚度的估算精度，實際應(yīng)用時可以利用人工智能方式，通過井震的監(jiān)督學(xué)習(xí)，建立凈厚度與峰值振幅、峰值頻率等的非線性映射關(guān)系，計算薄互層的凈砂巖厚度。人工神經(jīng)網(wǎng)絡(luò)是近些年研究熱點，是人工智能研究重要組成部分。在石油勘探開發(fā)領(lǐng)域，目前主要用BP神經(jīng)網(wǎng)絡(luò)方法，解決井震分線性映射問題[19-22]。但BP神經(jīng)網(wǎng)絡(luò)方法存在易陷入局部最優(yōu)解、效率低、橫向外推能力有限等問題[23]。EANN(進化型神經(jīng)網(wǎng)絡(luò))方法[24]采用群居尋優(yōu)的方式，能有效解決過度學(xué)習(xí)問題，同時有較好的外推能力，能有效保持地震預(yù)測的沉積邊界。因此本次研究選用EANN方法預(yù)測砂巖累計厚度。

5 應(yīng)用實例

研究區(qū)構(gòu)造上位于川西坳陷到川中隆起的過渡斜坡帶上，勘探開發(fā)結(jié)果表明該區(qū)為油氣長期運移的指向帶，成藏條件優(yōu)越[25]。本區(qū)主要目的層為沙一段，儲層類型為三角洲前緣分流河道砂體。由于水體較淺，在橫向上，河道分支數(shù)目較多，擺動頻繁，縱向上表現(xiàn)為多套河道砂體疊置，分流河道砂體與分流間灣泥巖呈薄互層狀分布(圖7)。薄層砂體累計厚度控制了本區(qū)儲層物性及含氣性，進而控制儲量計算結(jié)果。

測井解釋結(jié)果表明，研究區(qū)沙一段單層砂體厚度在4m以內(nèi)，最大累計厚度為12m，平均厚度為6.5m。而研究區(qū)原始地震資料目的層主頻約為30Hz，沙一段多套砂泥巖互層在-90°地震剖面上表現(xiàn)為一個波谷反射，利用時間分辨率僅能識別到砂組級別(約50m，圖8)。根據(jù)地震資料主頻(30Hz)及砂巖速度(4300m/s)測算，砂體厚度在λ/4波長內(nèi)，因此符合薄互層理論模型，可用峰值振幅、峰值頻率及積分能譜通過非線性擬合求取累計砂體厚度。

由于峰值頻率求取困難、穩(wěn)定性較差，本次研究選擇匹配追蹤峰值振幅與積分能譜進行薄層厚度預(yù)測。圖9為沙一段峰值振幅和積分能譜屬性圖，二者基本反映了本區(qū)沉積展布規(guī)律，進一步能反映砂體分布特征。從井震統(tǒng)計關(guān)系來看，峰值振幅和積分能譜屬性數(shù)值均與累計厚度呈正相關(guān)關(guān)系，但不是確定的線性關(guān)系(圖10)。

通過EANN遺傳網(wǎng)絡(luò)算法，將峰值振幅和積分能譜屬性轉(zhuǎn)換為砂巖厚度圖(圖11)。從砂巖厚度圖橫向分布趨勢來看，砂體主要分布于分流河道微相，表現(xiàn)出明顯的相控砂體分布特征。從砂體厚度值域分布來看，多條河道疊置交會區(qū)、河道彎道部位及正中位置，砂體厚度最大，累計厚度均在9m以上，以S13、S102井為例；其次為河道側(cè)翼，緊挨河道邊界位置，砂體累計厚度為7m，以S6、S15井為例；而遠離河道部位，砂體普遍較薄，約為4m，表現(xiàn)為片狀分布，主要位于研究區(qū)西部及南部，多條河道之間。

圖7 連井小層對比圖

圖8 -90°相移后的地震剖面

圖9 沙一段峰值振幅(a)和積分能譜(b)屬性圖

圖10 沙一段峰值振幅(a)、積分能譜(b)與厚度對應(yīng)關(guān)系

圖11 沙一段砂體累計厚度預(yù)測圖

表1為峰值振幅、積分能譜預(yù)測砂巖累計厚度與測井解釋砂巖累計厚度對比結(jié)果，井震對比結(jié)果表明，預(yù)測結(jié)果與測井結(jié)果吻合度較高，最大誤差不超過2m，預(yù)測結(jié)果可靠。

6 結(jié)論

影響薄互層的振幅譜主要因素是毛厚度和凈毛比。在調(diào)諧厚度內(nèi)，峰值振幅—凈厚度呈單調(diào)遞增的線性關(guān)系，積分能譜—凈厚度也呈單調(diào)遞增的線性關(guān)系,但調(diào)諧厚度更范圍大。積分能譜的窄帶積分限可擴大調(diào)諧厚度范圍，增強積分能譜實用性。峰值頻率—凈厚度呈單減的線性關(guān)系。在實際資料中可用峰值振幅(積分能譜)、峰值頻率雙變量為輸入，用人工神經(jīng)網(wǎng)絡(luò)預(yù)測薄互層凈厚度。

本文寫作得益于與中國石油勘探開發(fā)研究院西北分院相關(guān)專家的技術(shù)討論，同時得到該分院規(guī)劃所GEOSED軟件的支持，在此一并致謝！

表1 地震預(yù)測薄層厚度誤差統(tǒng)計表

[1] Zeng H，John A and Katherine G.How thin is a thin bed? An alternative perspective.SEG Technical Program Expanded Abstracts，2008，27：834-838.

[2] Puryear C I，Castagna J P.Layer-thickness determination and stratigraphic interpretation using spectral inversion：Theory and application.Geophysics，2008，73(2)：R37-R48.

[3] 凌云研究小組．應(yīng)用振幅的調(diào)諧作探測地層厚度小于1/4波長地質(zhì)目標.石油地球物理勘探，2003，38(3)：268-274.

Ling Yun Study Group.Application of amplitude tuning in surveying geologic target thickness less than 1/4 wavelength.OGP，2003，38(3)：268-274.

[4] 孫魯平，鄭曉東，首皓等.薄層地震峰值頻率與厚度關(guān)系研究.石油地球物理勘探，2010，45(2)：254-259，271.

Sun Luping，Zheng Xiaodong，Shou Hao et al.The studies on relationship between thin layer seismic peak frequency and its thickness.OGP，2010，45(2)：258-259，271.

[5] 尹繼堯，吳寶成，王維等.基于TK能量的峰值瞬時頻率在薄互層預(yù)測中的應(yīng)用.石油地球物理勘探，2015，50(3)：516-522.

Yin Jiyao，Wu Baocheng，Wang Wei et al.Thin interbed thickness prediction using peak instantaneous frequency of time-frequency Teager-Kaiser energy.OGP，2015，50(3)：516-522.

[6] 李慶忠.含油氣砂巖的頻率特征及振幅特征.石油地球物理勘探，1987，22(1)：1-23.

Li Qingzhong.The frequency and amplitude of seismic waves sandstone.OGP，1987，22(1)：1-23.

[7] 李國發(fā)，岳英，熊金良等．基于三維模型的薄互層振幅屬性實驗研究.石油地球物理勘探，2011，46(1)：115-120.

Li Guofa，Yue Ying，Xiong Jinliang et al.Experimental study on seismic amplitude attribute of thin interbed based on 3D model.OGP，2011，46(1)：115-120.

[8] 蘇盛甫.薄儲集層的反射特征和定量解釋方法.石油地球物理勘探，1988，23(4)：387-402.

Su Shengfu.Thin-reservoir reflection and the quantitative interpretation method.OGP，1988，23(4)：387-402.

[9] 曲鑫，劉財，馮晅等.利用加權(quán)積分能譜方法和復(fù)數(shù)道分析技術(shù)對薄層的識別與分析.世界地質(zhì)，2013，32(1):114-122.

Qu Xin，Liu Cai，F(xiàn)eng Xuan et al.Thin layer distinguishing and analysis by weighted integral spectrum method and complex trace analysis technique.Global Geology，2013，32(1)：114-122.

[10] 黃文鋒，姚逢昌，李宏兵.薄互層調(diào)諧規(guī)律研究與凈厚度估算.石油地球物理探，2012，47(4)：584-591.

Huang Wenfeng，Yao Fengchang，Li Hongbing.Regu-larities of tuning effects of thin interbedded layers and their net thickness determination.OGP，2012，47(4)：584-591.

[11] 彭達，尹成，朱永才等.扇三角洲前緣薄互層疊置砂體的敏感屬性分析.石油地球物理勘探，2015，50(4)：714-722.

Peng Da，Yin Cheng，Zhu Yongcai et al.Sensitive seismic attribute analysis on thin interbed overlapped sandbodies in fan-delta front.OGP，2015，50(4)：714-722.

[12] 張玉芬，熊維綱.石油地震勘探中薄互層的反射系數(shù)序列振幅譜特征分析.地球科學(xué)，1994，19(5)：685-693.

Zhang Yufen，Xiong Weigang.Characteristic analysis of amplitude spectra of reflection coefficient of thin interbedding in oil prospecting.Earth Science，1994，19(5)：685-693.

[13] 楊昊，鄭曉東，李勁松等.基于匹配追蹤的薄層自動解釋方法.石油地球物理勘探，2013，48(3)：429-435.

Yang Hao，Zheng Xiaodong，Li Jinsong et al.Thin-bed automatic interpretation based on matching pursuit.OGP， 2013，48(3)：429-435.

[14] 北京諾克斯達石油科技有限公司.基于偶函數(shù)地震響應(yīng)以估算薄層厚度的方法和裝置.中國專利： 201310528786.X，2016-08-03.

Beijing Rockstarstar Petroleum Technology Co Ltd.The Seismic Response to Even Function Estimation Method and Device Based on the Thickness of Thin Layer [P].Chinese patent：201310528786.X，2016-08-03.

[15] 陳學(xué)華，賀振華.改進的S變換及在地震信號處理中的應(yīng)用.數(shù)據(jù)采集與處理，2005，20(4)：449-453.

Chen Xuehua，He Zhenhua.Improved S-Transform and its application in seismic signal processing.Data Acquisition and Processing，2005，20(4)：449-453.

[16] 張繁昌，李傳輝，印興耀.基于動態(tài)匹配子波庫的地震數(shù)據(jù)快速匹配追蹤.石油地球物理勘探，2010，45(5)：667-673.

Zhang Fanchang，Li Chuanhui，Yin Xingyao.Seismic data fast matching pursuit based on dynamic matching wavelet library.OGP，2010，45(5)：667-673.

[17] 董寧，楊立強.基于小波變換的吸收衰減技術(shù)在塔河油田儲層預(yù)測中的應(yīng)用研究.地球物理學(xué)進展，2008，23(2)：533-538.

Dong Ning，Yang Liqiang.Application of absorption and attenuation based on wavelet transform for prediction of reservoir in Tahe oilfield.Progress in Geophysics，2008，23(2)：533-538.

[18] 黃捍東，郭飛，汪佳蓓等.高精度地震時頻譜分解方法及應(yīng)用.石油地球物理勘探，2012，47(5)：770-780.

Huang Handong，Guo Fei，Wang Jiabei et al.High precision seismic time-frequency spectrum decomposition method and its application.OGP，2012，47(5)：773-780.

[19] 陳蓉，王峰.基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)在儲層物性預(yù)測中的應(yīng)用.測井技術(shù)，2009，33(1)：75-78.

Chen Rong，Wang Feng.Application of MATLAB-based of BP neural network in reservoir parameters prediction.Well Logging Technology，2009，33(1)：75-78.

[20] 徐剛，張建寧，譚明友.BP人工神經(jīng)網(wǎng)絡(luò)在濟陽拗陷圈閉地質(zhì)評價中的應(yīng)用.石油地球物理勘探，2004，39(5)：565-569.

Xu Gang，Zhang Jianning，Tan Mingyou.Application of BP artificial neural network to geologic appreciation of traps in Jiyang depression.OGP，2004，39(5)：565-569.

[21] 王桂英，白雪蓮，李詠梅等.應(yīng)用GeoEast系統(tǒng)預(yù)測煤層分布和厚度.石油地球物理勘探，2014，49(增刊1)：184-191.

Wang Guiying，Bai Xuelian，Li Yongmei et al.Coal bed distribution and thickness prediction with GeoEast.OGP，2014，49(S1)：184-191.

[22] 陳鋼花，胡琮，曾亞麗等.基于BP神經(jīng)網(wǎng)絡(luò)的碳酸鹽巖儲層縫洞充填物測井識別方法.石油物探，2015，54(1)：99-104.

Chen Ganghua，Hu Cong，Zeng Yali et al.Logging identification method of fillings in fractures and ca-verns in carbonate reservoir based on BP neural network.GPP，2015，54(1)：99-104.

[23] 文曉濤，賀振華，黃德濟.遺傳算法與神經(jīng)網(wǎng)絡(luò)法在碳酸鹽巖儲集層評價中的應(yīng)用.石油物探，2005，44(3)：225-228.

Wen Xiaotao，He Zhenhua，Huang Deji.Using genetic algorithms and neural network to evaluate carbonate reservoir.GPP，2005，44(3)：225-228.

[24] 劉志偉.遺傳進化型神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)研究[學(xué)位論文].安徽合肥：合肥工業(yè)大學(xué)，2007.

Liu Zhiwei.Research on Architecture of Genetic Evolutionary Neural Networks [D].Hefei University of Technology，Hefei，Anhui，2007.

[25] 王帥成，王多義，陳敏等.川西坳陷中段沙溪廟組天然氣成藏條件分析.海洋石油，2010，30(3)：42-46，96.

Wang Shuaicheng，Wang Duoyi，Chen Min et al.Natural gas reservoir-formation condition of Shaximiao Formation in mid-band of Western Sichuan Depression.Offshore Oil，2010，30(3)：42-46，96.

附錄A薄互層振幅譜公式推導(dǎo)

由圖A-1可見，反射系數(shù)序列可表示為

由傅里葉變換，可得

R(f)=rexp[-iπfT]-rexp[iπfT]-

rexp[-iπf(T-Tsand)]+

rexp[iπf(T-Tsand)]

圖A-1 簡化薄互層模型

cos(πfT)-isin(πfT)-cos[πf(T-Tsand)]+

isin[πf(T-Tsand)]+cos[πf(T-Tsand)]+

isin[πf(T-Tsand)]+

=2i{sin[πf(T-Tsand)]-sin(πfT)}

Ar(f)=2|r||sin[πf(1-G)T]-sin(πfT)|

雷克子波振幅譜為

則合成記錄的振幅譜為

|sin[πf(1-G)T]-sin(πfT)||r|

*四川省成都市成都晶石石油科技有限公司，610041。Email:172824397@qq.com

本文于2016年12月1日收到，最終修改稿于2017年9月28日收到。

本項研究受中國石油天然氣股份有限公司“地震沉積分析軟件集成應(yīng)用與區(qū)帶、目標評價”課題(2016B-0305)資助。

1000-7210(2017)06-1261-08

劉力輝，李建海，孫瑩頻，胡誠.時頻屬性法薄互層預(yù)測.石油地球物理勘探，2017,52(6):1261-1268.

P631

A

10.13810/j.cnki.issn.1000-7210.2017.06.017

(本文編輯：朱漢東)

劉力輝 博士，1965年生； 1988年本科畢業(yè)于石油大學(xué)勘查地球物理專業(yè),1997年獲石油大學(xué)煤田、油氣地質(zhì)與勘探專業(yè)碩士學(xué)位，2011年獲成都理工大學(xué)地球探測與信息技術(shù)專業(yè)博士學(xué)位； 主要從事地震沉積學(xué)研究、物探技術(shù)方法及相關(guān)軟件的研發(fā)。