Применение разложения Прони и Фазовой декомпозиции для прогнозирования свойств карбонатных коллекторов по сейсмическим данным
https://doi.org/10.55959/MSU0579-9406-4-2026-65-3-120-126
Аннотация
Совместный анализ сейсмических данных, разложенных методами Прони и фазовой декомпозиции, позволяет выявить залежи углеводородов на постстековых сейсмических разрезах. В данной работе демонстрируется применение указанных методов на вновь переработанных 2D сейсмических данных плотной съемки «Персидский Ковер» в Персидском заливе. Первый используемый метод — метод Прони — направлен на локализацию возможных залежей пластовых флюидов посредством выявления подавленных сейсмических сигналов. Второй метод — фазовое разложение — применяется для дифференциации обнаруженных аномалий на содержащие углеводородов и пластовую воду путем анализа фазово-разложенных сейсмических откликов от кровли залежей. Полученные результаты подтверждают эффективность подхода для обнаружения как тонких, так и крупных залежей непосредственно по сейсмическим суммотрассам. Кроме того, применение метода к материалам Персидского залива демонстрирует его значимость для изучения неоднородных коллекторов.
Ключевые слова
Об авторах
В. В. КалашниковаНорвегия
Вита Викторовна Калашникова
Осло
Ю. П. Ампилов
Россия
Юрий Петрович Ампилов
Москва
Список литературы
1. Ампилов Ю.П., Сафуанова К.Р., Штейн Я.И. Сопоставление методов количественного атрибутного анализа для прогноза толщин коллекторов по сейсмическим данным // Вестн. Моск. ун-та. Сер. 4. Геология. 2025. Т. 64, № 2. С. 106–112.
2. Калашникова В.В., Шарафутдинов Т.Р. Определение проницаемости разломов и покрышек коллекторов посредством оценки фактора затухания сейсмических сигналов. Часть 1: Теория // Каротажник. 2021а. Т. 2, № 308. C. 64–73.
3. Калашникова В.В. Шарафутдинов Т.Р. Определение проницаемости разломов и покрышек коллекторов посредством оценки фактора затухания сейсмических сигналов. Часть 2: Применение // Каротажник. 2021б. Т. 2, № 309. C. 34–42.
4. Alsharhan A.S., Nairn A.E.M. Sedimentary basins and petroleum geology of the Middle East. Amsterdam: Elsevier, 1997. P. 843.
5. Ampilov Yu.P., Vershinin A.V., Kunchenko D.S., et al. Prediction of Thin-Layer Thickness Using Seismic Full-Waveform Modeling // Moscow Univ. Geol. Bull. 2025. Vol. 80, № 2. P. 295–302.
6. Aqrawi A.A.M., Goff J.C., Horbury A.D., Sadooni F.N. The Petroleum Geology of Iraq. Beaconsfield: Scientific Press, 2010. P. 424.
7. Batzle M., Hofmann R., Prasad M., et al. Seismic attenuation: observations and mechanisms // SEG Technical Program Expanded Abstracts. 2005. P. 565–568.
8. Bracale A., Caramia P., Carpinelli G. Adaptive Prony method for waveform distortion detection in power systems // Electrical Power and Energy Systems. 2007. Vol. 29. P. 371–379.
9. Carrière R., Moses R.L. High resolution radar target modeling using a modified Prony estimator // IEEE Transactions on Antennas and Propagation. 1989. Vol. 37, № 1. P. 13–18.
10. Castagna J.P., Oyem A., Portniaguine O., Aikulola U. Phase decomposition // Interpretation. 2016. Vol. 4, № 3. P. SN1–SN10.
11. Cohen L. Time–Frequency Analysis. Englewood Cliffs: Prentice Hall, 1995. P. 299.
12. Daubechies I. Ten Lectures on Wavelets. Philadelphia: SIAM, 1992. P. 357.
13. Fomel S. Seismic data decomposition into spectral components // Geophysics. 2013. Vol. 78, № 6. P. O69–O76.
14. Hauer J.F., Demeure C.J., Scharf L.L. Initial results in Prony analysis of power system response signals // IEEE Transactions on Power Systems. 1990. Vol. 5, № 1. P. 80–89.
15. Helle H.B., Inderhaug O.H. Complex seismic decomposition — application to pore pressure prediction // Abstracts of the 55th EAGE Conference. Stavanger, 1993. P. 132–139.
16. James G.A., Wynd J.G. Stratigraphic nomenclature of Iranian oil consortium agreement area // AAPG Bulletin. 1965. Vol. 49, № 12. P. 2182–2245.
17. Kalashnikova V., Butt A., Guidard S. Prony Decomposition for sealing and leaking fault analysis // Abstracts of GeoConvention. 2018. Calgary, Canada.
18. Kalashnikova V., Øverås R. Seismic absorption estimation for reservoir prediction using Prony decomposition // Abstracts of the 80th EAGE Conference. 2018. Copenhagen, Denmark.
19. Knopoff L. Q // Reviews of Geophysics. 1964. Vol. 2, № 4. P. 625–660. http://dx.doi.org/10.1029/RG002i004p00625
20. Mallat S. A Wavelet Tour of Signal Processing. San Diego: Academic Press, 1999. P. 637.
21. Marple S.L. Digital Spectral Analysis with Applications // Prentice-Hall, Inc. Englewood Cliffs, NJ. 1987. P. 584.
22. Mitrofanov G., Priimenko V. Prony filtration of seismic data: theoretical background // Revista Brasileira de Geofísica. 2011. Vol. 29, № 4. P. 703–722.
23. Mitrofanov G., Priimenko V. Seismic regularization and interpretation using Prony filtration // Revista Brasileira de Geofísica. 2013.
24. Osborne M.R. Some special nonlinear least squares problems // SIAM Journal of Numerical Analysis. 1975. Vol. 12. P. 571–592.
25. Prony G.R.B. Essai expérimental et analytique // Journal de l’École Polytechnique. 1795. Vol. 1. P. 24–76.
26. Wu G., Fomel S., Chen Y. Data-driven time–frequency analysis of seismic data using non-stationary Prony method // Geophysical Prospecting. 2018. Vol. 66. P. 85–97.
Рецензия
Для цитирования:
Калашникова В.В., Ампилов Ю.П. Применение разложения Прони и Фазовой декомпозиции для прогнозирования свойств карбонатных коллекторов по сейсмическим данным. ВЕСТНИК МОСКОВСКОГО УНИВЕРСИТЕТА. СЕРИЯ 4. ГЕОЛОГИЯ. 2026;65(3):120-126. https://doi.org/10.55959/MSU0579-9406-4-2026-65-3-120-126
For citation:
Kalashnikova V.V., Ampilov Yu.P. Application of Prony decomposition and Phase Decomposition for predicting carbonate reservoir properties from seismic data. Moscow University Bulletin. Series 4. Geology. 2026;65(3):120-126. (In Russ.) https://doi.org/10.55959/MSU0579-9406-4-2026-65-3-120-126
JATS XML













