济阳坳陷新生代地层米氏旋回显现特征分析-analysis of the characteristics of michaelis cycle in cenozoic strata in jiyang depression.docxVIP

山东科技大学硕士学位论文 摘要 摘 要 本文以沉积学、层序地层学、旋回地层学等理论为指导，以测井数据为主要研究 对象，以识别地层中的米兰科维奇旋回及其显现规律为主要目的，探讨了进行米氏旋回 识别的方法，并对研究区新生代沙河街组地层开展了米氏旋回的研究，对于进一步进行 沉积环境研究，矿产勘探等具有借鉴意义。 文中介绍了米兰科维奇旋回的理论以及地质意义，探讨了目前使用比较多、效果比 较明显的米氏周期识别方法：频谱分析和小波分析方法的基本原理和步骤。针对频谱分 析的原理进行了分析研究，探讨了傅立叶变换方法的不足。针对它的缺点，研究了小波 变换识别旋回的优势，通过对比分析肯定了测井信号小波分析在沉积旋回研究中的适用 性，并重点讨论了一维连续小波变换的原理和方法。 构建了两个米兰科维奇周期模型，通过对模拟测井信号小波多尺度的分解，可获得 不同级次的旋回周期，将米兰科维奇周期与测井信号小波旋回周期相对应，进而提出了 米氏旋回识别的方法，确定了米氏旋回识别的步骤；通过对米氏周期岩性组合模型的分 析研究，探究出米氏周期岩性组合规律。 重点对济阳坳陷新生代沙河街组地层进行了米氏旋回的研究，应用所建立的小波分 析方法对研究区内多口井的自然伽玛测井数据进行了米氏旋回的识别研究，发现济阳坳 陷新生代沙河街组地层中广泛发育米氏旋回层；利用旋回分析结果分析计算了平均旋回 厚度、各层段沉积速率和所研究层段的持续沉积时间并对所研究结果进行了对比分析； 将各层段实测岩性组合模式与构建的模拟岩性组合模式进行对比研究并根据测井曲线 形态与各层段岩性组合模式对各层段沉积相进行了划分。 关键词：小波变换；测井曲线；沙河街组；米兰科维奇旋回；济阳坳陷 山东科技大学硕士学位论文 Abstract ABSTRACT This paper, guided by sedimentology, sequence stratigraphy and cycle stratigraphy, taking the well logging data as the main object of study, discusses the identification method for detecting the Milankovitch cycle from geophysical logging data, and carries out the study of Shahejie Formation of the Cenozoic Milankovitch cycles in JiYang Depression. This has reference significance for further study of sedimentary environment and mineral exploration. This paper introduces the theory and geological significance of Milankovitch cycles. It is discussed that the obvious effect of the cycle identification method of current is spectral analysis and wavelet analysis of the basic principles and steps. The short-come of Fourier transform method is analyzed through studying and applying the principle of the spectrum analysis, for which it is discussed that the wavelet analysis have advantages to identify cycles. By comparative analyzing, the wavelet analysis of logging data is confirmed for studying the deposition cycles. This paper focuses on one-dimensional wavelet transform of the principles and methods. The paper constructs two Milankovich cycle ideal models, through the Application of wavelet multi-scale decomposition, different levels of c