автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Алгоритмическое и программное обеспечение процесса прогнозирования запасов полезных ископаемых

ТОМСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СИСТЕМ УПРАВЛЕНИЯ И РАДИОЭЛЕКТРОНИКИ (ТУСУР)

АЛГОРИТМИЧЕСКОЕ И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ПРОЦЕССА ПРОГНОЗИРОВАНИЯ ЗАПАСОВ ПОЛЕЗНЫХ ИСКОПАЕМЫХ

Специальность - 05.13.18 «Математическое моделирование, численные методы и комплексы программ»

На правах рукописи

Андрианов Артем Михайлович

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Томск-2005

Работа выполнена в Томском государственном университете систем управления и радиоэлектроники

Научный руководитель доктор технических наук, профессор

Александр Александрович Шелупанов

Официальные оппоненты доктор технических наук, профессор

Артур Александрович Мицель

кандидат физико-математических наук Геннадий Иванович Афонин

Ведущая организация Алтайский государственный университет

(г. Барнаул)

Защита состоится «3» ноября 2005 года в 1515 часов на заседании диссертационного совета Д.212.268.02 в Томском университете систем управления и радиоэлектроники по адресу: 634034, г. Томск, ул.Белинского, 53.

С диссертацией можно познакомиться в библиотеке Томского государственного университета систем управления и радиоэлектроники по адресу: г. Томск, ул. Вершинина, 74.

Автореферат разослан «30» сентября 2005 года

Ученый секретарь

Диссертационного совета Д.212.268.02 доктор технических наук

Клименко А.Я.

<(6**1

3

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы

Исследование закономерностей формирования природных полезных ископаемых, прогнозирование залежей и автоматизация данного процесса является актуальной задачей. Наличие эффективного и надежного математического, алгоритмического аппарата и программного обеспечения позволяет решать одну из сложнейших задач современной геологии -прогнозирование и принятие стратегического решения о дальнейшей разработке данного рудоносного участка. Проблема прогнозирования полезных ископаемых решалась и решается с использованием различных методов и подходов, но, к сожалению даже самые современные методы прогнозирования, по данным различных исследователей, оправдываются лишь в 30-40% случаях.

Весьма показательными являются также следующие факты. Как известно поиски месторождений направлены на обнаружение промышленных месторождений, на открытие наиболее крупных и богатых из них. Однако анализ фактического материала показывает, что в процессе поисков наряду с промышленными месторождениями открывается значительно большее число рудопроявлений и непромышленных месторождений. Число промышленных месторождений обычно составляет сотые доли от общей количества обнаруженных месторождений и рудопроявлений. Значит, несмотря на стремления и старания геологов открывать только промышленные и наиболее крупные по запасам месторождения, значительно больше обнаруживается непромышленных.

Многолетний опыт поисково-разведочных работ, проводимых в различных нефтегазоносных провинциях, показывает, что их эффективность заметно меняется в зависимости от степени изученности территорий. Наибольшая эффективность характерна для начальных этапов освоения нефтегазоносных территорий. Применяемые методы прогнозирования не оказывают существенного влияния на результативность поисково-разведочных работ. На начальном этапе геологоразведочных работ коэффициент успешности (Ку) (определяемый количественным отношением числа успешно выполненных заданий к общему числу заданий данной методики, здесь и далее значение Ку колеблется от 0 до 1). В среднем варьирует в пределах 0,7-0,8. Открываются и разведываются крупные по масштабам месторождения, что обеспечивает высокие значения прироста запасов.

Эффективность геологоразведочных работ резко снижается при разведанности потенциальных ресурсов порядка 30-40% и выше. Средние значения Ку снижаются до 35-55% и в дальнейшем для всех показателей эффективности поисков и разведки нефтегазовых месторождений до 0,1 и менее.

Анализ последовательности открытий промышленных

месторождений нефти в Томской пл^ч^

месторождение Советское имеет второй п< Ьййяытий В

БИБЛИОТЕКА ' !

нем около 50% учтенных запасов нефти. Номера открытий месторождений, обладающих наибольшими запасами в каждом нефтегазоносном районе Каймысовской и Васюганской НГО, с первого по третий, отмечается в 90% случаев. Все они были обнаружены в первое десятилетие из 35 лет поисково-разведочных работ, с момента обнаружения первого промышленного месторождения.

Существующие на сегодняшний день программные продукты как отечественного, так и зарубежного производства основываются на классических геологических методиках прогнозирования. Данные системы на сегодняшний день представляют собой зачастую большие программные комплексы по накоплению, хранению и обработки многофакторной информации. Сегодня происходит бурное развитие таких систем. В диссертации проведена классификация и критический анализ современных систем геопрогноза.

Эффективность и подтверждаемость перечисленных видов прогноза в отношении объемов запасов, на которых базируются вышеперечисленные программные продукты, по данным российских и зарубежных исследователей, достаточно низка. Кроме того, еще не существует программного комплекса геологического прогнозирования основанного на вероятностной теории формирования запасов, где за входные данные принимаются непосредственно прямые признаки, которые и следует предсказать, т.е. объемы разведанных запасов. По данным большинства исследователей, существующие алгоритмы и автоматизированные системы не показывают должный уровень точности прогноза. Теория прогнозирования, которая основывается на вероятностных закономерностях свойственных величинам запасов полезных ископаемых теоретически должна показывать более точный уровень точности прогнозных оценок, но апробация теории затруднена в связи с усложненным математическим аппаратом, эту проблему можно решить только за счет алгоритмизации и автоматизации данной методики.

Существование системы, которая бы могла бы оперативно и точно оценить экономическую привлекательность уже частично разведанного участка, позволило бы добывающим компаниям более эффективно использовать экономические ресурсы и направлять их на покупку или дальнейшее изучение региона лишь в том случае, когда есть точные данные об объемах запасов на оцениваемой территории. Эти данные так же крайне необходимы при принятии решения о проведения трубопровода или транспортной развязки к нефтегазоносному участку

Таким образом, необходимость повышения эффективности геологоразведочных работ на завершающих этапах изучения нефтегазоносных районов, за счет автоматизации новейших и теоретически более точных методик прогнозирования объемов запасов полезных ископаемых имеет весьма убедительное экономическое обоснование и, следовательно, является чрезвычайно актуальной задачей.

Цель работы

Создание методики исследований вероятностных закономерностей формирования полезных ископаемых, а также разработка алгоритмического и программного обеспечения для проведения прогнозирования полезных ископаемых. Объект исследования

Вероятностные закономерности распределения величин запасов в частично разведанных рудоносных районах.

В соответствии с целью работы сформулированы следующие задачи исследований:

1. Исследовать вероятностные закономерности, присущие величинам запасов углеводородов.

2. Создать методику проверки точности прогнозных оценок и разработать алгоритмы составления прогнозных расчетов.

3. Исследовать влияние погрешностей на прогнозирование с учетом введения ошибочных исходных данных.

Предмет исследования

Запасы разведанных полезных ископаемых в нефтегазоносных и рудоносных районах.

Методы исследований

Системный анализ, вероятностный подход и методы математической статистики, математическое моделирование, численные методы. Защищаемые положения

1. Новые алгоритмы построения прогнозных оценок месторождений полезных ископаемых по методике вероятностного прогнозирования.

2. Новые алгоритмы подтверждения достоверности результатов прогноза, построенного по методике вероятностного прогнозирования.

3. Программный комплекс АС «Квантиль-1», в котором реализованы новые алгоритмы, позволяющие проводить экспресс-оценку природной совокупности, а так же детальный анализ прогнозов. Научная новизна работы заключается в следующем:

1. Предложена методика и проведены исследования прогнозирования полезных ископаемых углеводородов в частично разведанных районах с проверкой прогнозных оценок и доказана высокая результативность применения теории прогнозирования запасов полезных ископаемых.

2. Разработано алгоритмическое обеспечение проверки точности прогнозных оценок и составления прогнозных расчетов.

3. Создана автоматизированная система прогнозирования, основанная на теории вероятностных закономерностей формирования запасов. Использование этой системы позволило получить следующие результаты впервые:

• исследовать и доказать результативность теории прогнозирования запасов полезных ископаемых на практике;

• осуществить проверку результатов прогнозов различными теориями, показать высокую точность данного прогноза;

• провести моделирования природных процессов и проверку результативности методом генеральной выборки;

• получить практически значимые результаты прогнозов для месторождений Томской области (для Первомайской, Крапивинской, Игольско-Таловой, Средневасюганской, Верхнесалатской, Казанско-Пудинской, Вартовской природной совокупности);

• создать комплекс программ для проведения прогнозирования полезных ископаемых с заданной точностью с возможностью построения графиков, таблиц, отчетов, вьиислению доверительных границ прогнозных оценок.

Практическую и теоретическую ценность представляют следующие результаты исследовательской работы:

• показана возможность практического использования теории вероятностных закономерностей для прогнозирования полезных ископаемых в частично разведанных рудоносных районах;

• создан алгоритм проведения исследований прогнозирования полезных ископаемых углеводородов в частично разведанных районах с проверкой прогнозных оценок;

• создан комплекс программ для проведения исследований прогнозирования полезных ископаемых, с возможностью построения графиков, таблиц, отчетов, вычислению доверительных границ прогнозных оценок;

• получены практические прогнозные данные по месторождениям углеводородов Томской области.

Созданный комплекс программ предоставил новую возможность дальнейшего исследования вероятностных закономерностей, свойственных величинам запасов месторождений углеводородов.

Реализация и внедрение результатов работы.

Созданное алгоритмическое и программное обеспечение применяется для дальнейшего развития теории прогнозирования полезных ископаемых, основывающейся на вероятностных закономерностях природных процессов формирования полезных ископаемых. Результаты работы внедрены в ОАО «Томская нефтегазовая компания», ОАО «Востокгазпром» (Томск), Комитете по природным ресурсам по Томской области, Якутском Государственном Университете (Якутия), Сибирском научно-исследовательском институте геологии, геофизики и минерального сырья (ФГУП СНИИГГиМС), а так же в учебный процесс Томского государственного университета систем управления и радиоэлектроники (ТУ СУР) о чем свидетельствуют прилагаемые акты о внедрении.

Личный вклад автора

1. Постановка цели, задачи исследования были определены совместно с научным руководителем Шелупановым Александром Александровичем.

2. Основные результаты диссертации получены автором самостоятельно. Эксперименты по проверке точности результатов теории АС «Квантиль-1» были проведены совместно с Ф.Н. Алексеевым.

По результатам диссертационной работы имеется 11 научных публикаций, в том числе одна монография, проведены научные исследования для 3-х организаций Томска и Якутии, по результатам, которых составлены 3 отчета о научно исследовательских работах (НИР), получен сертификат о государственной регистрации программного средства в федеральной службе по интеллектуальной собственности, патентам и товарным знакам (Роспатент).

Достоверность полученных результатов подтверждена практическими результатами проведенных экспериментов, а также согласованностью результатов и устойчиво низким процентом отклонений в сравнении с ретроспективным методом.

Апробация научных результатов. Результаты диссертационной работы докладывались и обсуждались на IV Международной конференции под редакцией член-корреспондента РАН Б.А. Соколова и к.г.-м.н. Э.А.Абля (1999); на XXXVIII Международной научной студенческой конференции «Студент и научно-технический прогресс» (2000); на IV Международном Симпозиуме студентов и молодых ученых имени академика М.А. Усова «Проблемы геологии и освоения недр» (2001); на IV Международном конгрессе молодых ученых и специалистов «Науки о человеке»(2003); на семинаре студентов, аспирантов и молодых специалистов "Информационные системы мониторинга окружающей среды" ТУСУР (2004). На семинаре «Интеллектуальные системы в управлении конструировании и образовании». (2004); на научных семинарах в Якутском Государственном Университете, на научных семинарах «Интеллектуальные системы моделирования, проектирования и управления» под руководством A.A. Шелупанова. Программа прошла официальную государственную регистрацию в федеральной службе по интеллектуальной собственности, патентам и товарным знакам (Роспатент), имеется свидетельство о регистрации за № 2005612257, дата регистрации 2 сентября 2005г.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Диссертационная работа состоит из введения, четырех глав с выводами и заключения, а так же приложений.

Во введении кратко описывается предметная область. Рассмотрены основные проблемы, связанные с прогнозирование запасов полезных ископаемых. Проведен обзоо совоеменного состояния исследований и •vroü

области. Проанализированы существующие прикладные программные продукты для составления геопрогиоза. Формулируются объект, предмет, актуальность, цели и структура работы; указывается новизна разработок.

В первой главе приводится анализ существующих методик прогнозирования и их результативности, исследуются отечественные и зарубежные автоматизированные системы геологического прогнозирования.

Понятие о природной совокупности введено по результатам геолого-математических исследований рудных месторождений. Практика исследования ПС показала, что установленные закономерности свойственны всем видам полезных ископаемых, запасы которых образовались путём накопления.

Открытие природных совокупностей со свойственными им вероятностными закономерностями привело к необходимости определить: чем обусловлено их образование. Исследования в этом направлении привели к следующей интерпретации наблюдаемых фактов. Геологические процессы всегда захватывают некоторое пространство ^(л:,^, г) и осуществляются в среде, изменчивость которой носит вероятностный характер. Поэтому при сохранении общих условий в, приводящих к осуществлению геологических процессов (например, к образованию рудных тел месторождения) в некотором пространстве Я(х,у,2), условия реализации каждого конкретном явления А, (например, формирование рудного тела), на ^(л,у,г) конкретном участке, / = 1,2,..., N по отношению к другим подобным явлениям (рудным телам) в пределах пространства Я(х,у,г) меняются случайным образом. Последнее обстоятельство обеспечивает адекватность вероятностных моделей при описании и изучении геологических явлений. А количество N объектов общего генезиса, сформировавшихся при осуществлении комплекса условий в в некотором пространстве Я(х,у,г), представляют собой природную совокупность объемом N со свойственными ей вероятностными закономерностями. Такова общая схема формирования природных совокупностей, обеспечивающая общность и вероятностный характер формирования её объектов.

В главе приведена подробная классификация программных комплексов для геопрогноза, рассмотрена принципиальная схема формирования запасов полезных ископаемых по Ф.Н. Алексееву и проведен критический анализ классических видов геологического прогнозирования по источникам российских и зарубежных ученых.

Во второй главе рассматриваются математический и алгоритмический аппарат методики составления прогнозных оценок запасов нефти и газа. Затрагивается научная основа методики прогнозирования, т.е. базис, на котором составляется в дальнейшем прогноз. Алгоритмическое обеспечение включает в себя подробный анализ

всех модулей используемых в методике и является производным от последовательности математического аппарата.

Математический аппарат включает в себя несколько математических моделей, которыми могут описываться закономерности формирования запасов полезных ископаемых.

Пусть в оцениваемой природной совокупности образовалось N объектов, величины запасов которых

0<fi<■•<£,< <Q„> (1)

сформировались в соответствии с законом распределения F(x) и числом N. Согласно закону больших чисел теории вероятностей 2„»М (£?„)> и> так как Q„- m-ая порядковая статистика ПС запасов, то

M{QJ = . Таким образом

N + 1

Отсюда Q. » FA (—, так что —!— « F(Q,) = AF. V+1 лг+1 VSi,/

Если из исходной природной совокупности (2) случайным образом извлечь выборку объёмом » (путём открытия объектов ПС) и построить функцию распределения величин запасов по методу равных вероятностей F„(x), то в таком случае при n<N следует ожидать, что приращения AF, функции /%(*) не будут одинаково близкими для всех соседних й., а будут равны \AF,2AF,...,(N-n+l)AF. Это объясняется тем, что выборка включает не все Q„, составляющие полную природную совокупность. Там, где отсутствует одно значение величины запасов исходной совокупности (2), функция F,(x) будет делать скачок на величину 2AF, при отсутствии двух значений - на величину 3AF, и т.д. Отмеченные особенности для наглядности иллюстрируются схемой, показанной на рисунке 2, на котором хорошо видно, что приращения функции Fn(x) кратны Ai", а для рядом стоящих значений они равны AF.

Анализ функции распределения Fn(x), построенной по выборке даёт основание считать, что в её скачках находит отражение приращение ДГ распределения полной природной совокупности. Однако, располагая только данными выборки, значение AF является неизвестной величиной. Если же найти способ оценки AF, путём анализа функции распределения Fn(x), то можно оценить N по формуле

О)

AF

вытекающей из (2) в продолжении справедливости гипотезы

о,» 0,1 0,7 0,< 0,5 0,4 0.3 0,2 0.1 0

I 1 интервал 1 интервал

»■ а Вч'Н

2 интервала

I I отсутствующи« значения запасов

скачки функции

ЗАПАСЫ НЕФТИ

, О, тыс. т

Рис 1 Приращения кумулятивной функции распределения /•"„(*), построенной по выборке объёмом п = 4 из исходной природной совокупности значений объёмом №= 7

На рисунке 1 1й скачок равен приращению Л/7, 2 ой скачок , 3-ий скачок - ЗДР и 4-ий скачок - 2АР.

Анализ функции распределения (х) осуществляется в следующей последовательности:

По значениям величины разведанных запасов нефти или газа в залежах, относящихся к одной природной совокупности, определяется функция распределения ^„(х), оцениваются параметры уравнения описывающей прямой и вычисляются приращения функции А/-;,

По значениям щ устанавливаются статистически неравные приращения функции распределения Р„(х), т.е. соответствующие АР, 2АР, .......(Ы-п+!)/&.

Оцениваются: значение ДГ, число N и количество необнаруженных месторождений п = N - п.

Определяются параметры уравнения, описывающего значения запасов природной совокупности объёмом N; по найденному уравнению вычисляются все значения 2„,111=1,2..., и в конечном итоге - число и прогнозные ресурсы необнаруженных месторождений.

Для описания величин запасов используется уравнение регрессии

(?„ = ад, + <*I +ет,т = О,...,п,

(4)

где дт- величина запаса т-ой залежи или её логарифм; п - объём выборки;

т - , как правило, стандартного нормального

Ут- квантили уровней т

л + 1

закона, либо стандартного логнормального закона распределения.

а„ и а, - неизвестные параметры, характеризующие уравнение регрессии;

ея - отклонение модели от эмпирики.

Для оценки параметров а0 и а, применяются формулы метода наименьших квадратов

5>--(2>Х5»

«о=-Ч-

Т,(у)г-ЧТ.У)2

«1 (5)

где х - величина запаса или её логарифм; у = — £у-ц = индекс

и и

т у переменных хну опущен, и суммирование производится по всем « от 1 до п.

В качестве аппроксимирующих функций используется, как правило, нормальный закон распределения вероятностей:

я

Л» = Ф(;с) = (1/л/27) |ехр{~уг12^у, (6)

либо двойной показательный:

/■'(*) = ехр(- ехр(->»)), (7)

где у = - Ь), а>0 и Ь- некоторые константы.

На следующем этапе определяется объём природной совокупности N, для чего используются три метода. В первом из них N оценивается по результатам статистического анализа приращений функции распределения ^ (*), выполняемый в следующей последовательности. Полученные значения щ, Щ =F:l(Q¡)-Fл(Qы) ранжируются в неубывающую последовательность

(8)

которая разбивается на статистически однородные совокупности с использованием критериев Д.А. Родионова Ук и У(М„МЫ). Критерий Ук вычисляется по формуле

г,

п(п-к)к где л - объём выборки;

и п \ 1.1

к - порядковый номер элемента в упорядоченной совокупности,

г,=Щ\

к,- случайная величина, распределённая по закону .

Гипотеза об однородности групп {д^,. и {ДРк„, принимается, если Ук < %г12 и отклоняется при Ук > > здесь у -уровень доверия. Применение критерия Ук позволяет разбить последовательность приращений функции А/5",, упорядоченную по возрастанию, на статистически однородные кластеры и найти границы, в пределах которых наблюдаемые отклонения можно считать случайными. Заключительным этапом в установлении границ является устранение ложных разграничений. Проверка нулевой гипотезы Н0 о том, что данная граница ложная, осуществляется с помощью критерия У(М1,М1^)

Ць-п, £ г,

V(M,,MSJ= 1

Л,' +

It*/, uW

S - I

(10)

где ns- объём первой совокупности Ms; nsrl - объём второй совокупности Ms+|.

Граница рассматривается как ложная и не сохраняется, если значение V(Mt,M„,) оказывается меньше, чем табличное %г/, а при V(Mt,M!tl) больше Xji граница сохраняется. Если совокупность (7) статистически неоднородна, то она разбивается на несколько непересекающихся подмножеств

МиМг.....Ms,...,Ml

(П)

каждое из которых соответствует приращению функции кратному д^ и состоит из

пх,п1>...,п!,...,п1 ^ (12)

значений, причём П\ +пг+...+п5 +П1 - п.

Значения ДГ, первого подмножества М1 могут соответствовать М~ (или или Ъ\Р и т.д.), т.е. приращению функции

описывающей значения исходной природной совокупности. Но в этом нельзя бьггь достоверно уверенным, т.к. при случайном выборе п скачков из №, 2л/7, ... , (5У-л+7,)дрфункции/^(л), отобранные значения являются случайными величинами. А поэтому в отношении д?м, = л? или 2Д?, или

ЗДF можно высказать только предположение и решение задачи д?м, = а? свести к проверке статистической гипотезы.

Если принимается гипотеза о том, что среднее значение приращений — 1 ¿ч

первого подмножества М,, Щ =—, является статистической оценкой

"1 (»1

приращения л/^ функции ^„(х), а остальные приращения /=■„(*) кратны ар, то в дальнейших исследованиях значения приращений можно выразить числом /„ которое определить выражением

/ 7 =1;2,.,(ЛГ~л + 1);ю = 1,2, ,„

АР 1

По найденным значениям приращений, относящимся к подмножествам М2, М3,..., М8,..., М1 вычисляются средние значения

а затем _

.....Ь-Щ,

АГ ДГ Д?

которые округляются до целых чисел и принимаются, например, равными /2 = 2,13 = 3,...,/^ = л. Таким образом, приращение функции /="„(*) в пределах каждого подмножества измеряется приращением АР функции . Рассмотрим I как реализацию некоторой случайной величины и перейдём к её исследованию в более общем виде. Выполненные исследования привели к закону распределения расстояний при случайном выборе п точек из Ы:

(-41-1

Р{1\п,Ы) = -

г"

. (13)

Вероятность Р(/) в АС «Квантиль-1» вычисляется по формулам:

П/1Ч п „ п'(К-п-к+2\

Р{1) = —; Р{1)=-77 пНггтг N N к.л N - к +1 /

N Ы-к + 1 ^ (щ

вытекающим из (13).

Располагая теоретическим распределением вероятностей Р (/) случайной величины 1 и соответствующими эмпирическими оценками

= = 1)=АГ"И+1, (15)

представляется возможность ответить на вопрос, можно ли АГ, принять за ДР путём проверки гипотезы

На-.Р(и-,М) = Р(\), (16)

при альтернативе

н,ра.п:Ю*рт. П71

Для проверки нулевой гипотезы (16) используется критерий Пирсона, который вычисляется по формуле

*• Ь М(П,) ' ( 1}

где 5 число подмножеств; и/- число членов подмножества М„ установленное по выборке; М(пг) - математическое ожидание числа членов п„ вычисленное по формуле М(п1) = /•(/)■*, где и - объём выборки, а вероятность Р(1) определяется по формулам (15).

Если вычисленное значение я,2 меньше табличного хг* при заданном

уровне значимости'' и Б - 1 степенях свободы, то нулевая гипотеза (16) принимается, а ЛЛ считается статистической оценкой ДР. В противном случае, при х.2>хгда Но отвергается и принимается ей конкурирующая(17). В этом случае исследования продолжаются проверкой других предположений до тех пор, пока не будет получена статистически значимая оценка Ар. После того, как найдена оценка Л?, вычисляется оценка N объёма исходной природной совокупности по формуле

С целью взаимного контроля используются ещё два метода оценки объёма природной совокупности N. В первом из них оценка N объём природной совокупности оценивается по формуле (19).

» = (20)

полученной на основании (15).

Во втором случае N вычисляется по формуле (20)

£ = Д?(/Хи + 1)-1, (21)

найденной из выражения математического ожидания (22)

ЩП- —

* + 1 , (22)

являющегося первым начальным моментом функции распределения вероятностей (15).

Далее проводится заведомо избыточная проверка точности прогнозных оценок с помощью альтернативных методов оценки и вычислением доверительных интервалов.

В алгоритме используется 5 модулей, реализующие этапы обработки данных. Семантически эти модули можно разделить на 4 этапа:

Рис 2 Схема движения данных в АС «Квантиль-1»

Во второй главе представлено математическое и алгоритмическое обеспечение процесса прогнозирования минеральных ресурсов. Изложены научная основа методики прогнозирования, математический аппарат, алгоритмы программного комплекса и каждого модуля в отдельности.

В третьей главе рассматривается автоматизированная система (АС) прогнозных оценок, получившая краткое обозначение АС «Квантиль-1». Она предназначена для решения сформулированной выше задачи, т.е. оценки количества необнаруженных залежей нефти или газа в исследуемой природной совокупности и величины прогнозных ресурсов в каждой из них. В качестве исходных данных используются значения запасов, подсчитанные по категориям «освоенные», «разведанные», «предварительно оцененные» и «выявленные» в залежах, относящихся к оцениваемой природной совокупности. Поэтому разработанная АС «Квантиль-1» применима только в частично разведанных рудоносных и нефтегазоносных районах.

Рис. 3 Примеры «окон» программы «Квантиль-1»

В данной главе так же приведены результаты оценки АС «Квантиль-1» по ГОСТу 28195-89, которая проводилась специалистами Томской Горнодобывающей компании и ТГУ. Настоящий стандарт предназначен для характеристик, связанных с приобретением, разработкой, эксплуатацией, поддержкой, сопровождением или проверкой программного обеспечения. Испытание программного обеспечения проводилась в несколько стадий разделенных по времени.

К первой стадии относились испытания класса А, которые проводились в конце фазы программирования. Этот процесс сопровождался системной отладкой, когда исправлялись ошибки сопряжения модулей.

Ко второй стадии относились испытания класс В, когда осуществлялась независимая проверка компонент законченного изделия, как отдельно, так и во взаимодействии друг с другом. В ходе испытаний класса В функционирование проверялось на соответствие требованиям, спецификациям, документации и целям.

Таблица 1

Результаты проведенных испытаний для оценки АС «Квантиль-1» _

Название зарактеристнки Результаты Проведенные испытания

Функциональные возможности 31 из 40 возможных Демонстрация в действии, Аттестация Конфигурационные испытания Полная функциональная проверка Эксплуатационные испытания

Надежность 21 из 30 возможных Демонстрация в действии Полная функциональная проверка Надежностные испытания Проверка устойчивости Возвратная проверка Конфигурационные испытания

Практичность 22 из 30 возможных Демонстрация в действии, Анкетирование пользователей

Эффективность 20 из 20 возможных Конфигурационные испытания Надежностные испытания

Мобильность 25 из 30 возможных Конфигурационные испытания Аттестация Демонстрация в действии Эксплуатационные испытания

Сопровождаемостъ 30 из 40 возможных Экспертный анализ программного кода Модификация программного кода Тестирование

Испытания класса С похожи на выборочный контроль производства, поскольку с полки случайным образом выбирался экземпляр программного обеспечения и выполнялся прогон программ, бегло анализирую результаты.

В целом программный комплекс АС «Квантиль -1» показал хорошие результаты в серии проведенных тестов, а так же при анкетировании пользователей и экспертном анализе программного кода. Особенно высокие результаты получились при оценке эффективности программного продукта (20 из 20), функциональных возможностей (31 из 40) (Таблица 1) и мобильности (25 из 30). Это объясняется использованием технологии .Net от корпорации Microsoft при программировании системы. В эту технологию уже встроены механизмы, облегчающие переносимость программы, повышающие ее функциональные возможности и устойчивость к сбоям, утечкам памяти и системным конфликтам. Низкие результаты получены по восстанавливаемости и устойчивости к модификациям, в данном классе программ является приемлемым.

Были проведены сравнительные испытания, а в качестве сравнительного был выбран алгоритм построения прогнозных оценок разработанный под руководством C.B. Горбачева (2003) и использованный при разработке интеллектуальной картографической системы (ИКС) «ИнформГео». Алгоритм C.B. Горбачева является усовершенствованной версией алгоритма О.М. Гафурова, в котором применяется математический аппарат кубических сплайнов и решения второй задачи Коши конечно-разностными методами. Данный алгоритм применялся в различных системах геологического прогнозирования, он развивался с 80-х годов и имеет большую географию и историю промышленного применения.

Система «ИнформГео» имеет возможность пространственной локализации залежей полезных ископаемых, что так же может оказаться также весьма полезным организациям занимающимся геологическим прогнозированием. В оценке же объемов запасов АС «Квантиль-1» более удобна в использовании, так как для входных данных здесь нет необходимости в сборе картографических материалов, а так же статистической информации о встречаемости тех или иных компонентов в почве (например: урана, калия, тория). АС «Квантиль-1» показала более высокий результат по точности геологического прогноза (отклонение от контрольных значений составила 6% против 37% в ИКС «ИнформГео») и по скорости построения прогнозных оценок.

В третьей главе показано, что разработанная АС имеет большие возможности по комплексному исследованию практического применения теории вероятностного прогнозирования Ф.Н. Алексеева. АС Квантиль-1 позволяет просчитывать объемные природные совокупности с заданной точностью, что невозможно сделать стандартными средствами.

В четвертой главе приводится апробация методом ретроспекции АС «Квантиль-1» на месторождениях нефти, газа и меди, а так же оценивается погрешность оценки.

Проиллюстрируем возможности разработанной программы на материале Первомайской природной совокупности залежей нефти, оценка перспектив которой была выполнена по договору с комитетом по геологии и использованию недр Томской области в 1996-97 г.г. В исходной природной совокупности использовались запасы нефти в 16 залежах, относящиеся к 11 разведанным месторождениям- В результате выполненной работы было установлено, что не обнаружено ещё 10 залежей и оценены запасы в каждой из них.

—•—Вычисленные запасы

Я Разведанные загаси Прогнозные ресурсы -X— Контрольные значения

Рис 4 Результаты оценки прогнозных и потенциальных ресурсов нефти в залежах Первомайской природной совокупности для N=26 залежей По оси X - запасы залежей, по оси У - номера месторождений.

На рис. 4, показан график разведанных запасов, т.е. те, которые были взяты за исходные данные, вычисленные - это те которые программа скорректировала в соответствии с выбранным законом распределения, прогнозные ресурсы - результат прогноза, а так же приводятся «контрольные значения» значения, т.е. те, которые и нужно было предсказать. Как видно из результатов решения контрольной задачи объём «исходной природной совокупности» предсказан без ошибки. Наибольшие относительные расхождения в контрольных значениях составили 14, 23 и 32%. Заметно преобладают расхождения, составляющие первые проценты от 1 до 4%. Расхождения суммарных значений, т.е. предсказанных прогнозных и потенциальных запасов, равны всего 1%.

Испытания программного комплекса проводились на большом количестве месторождений, расхождения с контрольными значениями не превышали 5% для нефтяных запасов и 9% для запасов меди. Все данные приводятся в четвертой главе и приложении 1.

В заключении формулируются основные результаты работы, которые заключаются в следующем:

• предложена методика, проведено прогнозирования полезных ископаемых углеводородов в частично разведанных районах с проверкой прогнозных оценок и доказана высокая результативность применения теории прогнозирования запасов полезных ископаемых;

• разработано алгоритмическое обеспечение проверки точности прогнозных оценок и составления прогнозных расчетов;

• создана и апробирована на практике автоматизированная система «Квантиль-1», в которой реализовано наукоемкое математическое и алгоритмическое обеспечение, что позволило оперативно строить точные прогнозы и получать результаты в понятном для геолога виде;

• исследована и доказана результативность теории прогнозирования запасов полезных ископаемых на практике;

• проведено моделирование природных процессов и обеспечена проверка результативности методом генеральной выборки;

• подтверждена эффективность методики вероятностного прогнозирования, высокая точность прогнозных оценок и ее практическая значимость;

• изложена научная основа методики прогнозирования, математический аппарат, алгоритмы программного комплекса и каждого модуля в отдельности;

• проведено дальнейшее изучение закономерностей образования природных совокупностей.

А так же проведен ряд исследований месторождений Томской области. На территориях формирования Первомайской, Крапивинской, Игольско-Таповой (Каймысвская НГО), Средневасюганской, Казанско-Пудинской (Васюганская НГО) природных совокупностей определено количество необнаруженных залежей углеводородов (УВ) и оценены прогнозные и потенциальные ресурсы УВ;

В приложении приводятся результаты прогнозных оценок ресурсов Томской области. Выделяются природные совокупности, приводится их анализ и с помощью АС «Квантиль-1» производятся экспертные оценки каждой природной совокупности, в конце приводятся сводные таблицы по прогнозным оценкам залежей нефти в Томском регионе.

Основные результаты работы опубликованы в следующих работах:

1. Андрианов А.М. Прогнозные оценки залежей нефти в Игольско-таловой природной совокупности с использованием автоматизированной системы прогнозирования полезных ископаемых «Квантиль-1» // Доклады Томского Государственного Университета Систем Управления и Радиоэлектроники. - Томск: Изд-во ТУСУР - 2004. - С.165-172.

2. Андрианов А.М., Алексеев Ф.Н., Шелупанов A.A. Новая научная концепция исследования и прогнозирования перспектив разведываемых нефтегазоносных районов. Монография. - Томск: Изд-во ТПУ, 2004. - 124 е.: ISBN 5-98298-078-1.

3. Андрианов A.M., Алексеев Ф.Н., Ростовцев В.Н. Новая научная концепция прогнозирования запасов и поиска залежей углеводородов Новые идеи в геологии и геохимии нефти и газа. К созданию общей теории нефтегазоносности недр. // Материалы IV Международной конференции. - М: Изд-во ГЕОС, 2002. - С. 18 -21.

4. Андрианов А.М., Алексеев Ф.Н., Паровинчак Ю.М. Автоматизированная система определения количества необнаруженный объектов и величины прогнозных ресурсов в каждом из них (АС «Квантиль -1») Региональная конференция геологов Сибири Дальнего Востока и Северо-востока России. -Томск: Изд-во ТПУ, 2000. - С. 277-278.

5. Андрианов А.М., Паровинчак K.M. Методы оценки перспектив на открытие промышленных объектов в осваиваемых нефтегазоносных районах Материалы XXXVIII Международной научной студенческой конференции «Студент и научно-технический прогресс». -Новосибирск: Изд-во НГТУ, 2000. С 105-106.

6. Андрианов А.М., Паровинчак K.M. Новые методы оценки перспектив на открытие промышленных объектов в осваиваемых нефтегазоносных районах // Материалы IV-го Международного Симпозиума студентов и молодых ученых имени академика М.А. Усова «Проблемы геологии и освоения недр». - Томск: Изд-во ТПУ,

2002.-С 54-58.

7. Андрианов А.М. Свидетельство о государственной регистрации программы для ЭВМ в федеральной службе по интеллектуальной собственности, патентам и товарным знакам (Роспатент) №2005612257, заявка№ 2005612196 от 24 августа 2005г.

8. Андрианов А.М., Федотов Н.М., Кулахметов Д.Т., Оферкин А.И. Автоматизированная система трехмерной навигации и реконструкции // Материалы IV Международного конгресса молодых ученых и специалистов «Науки о человеке» - Томск: Изд-во СГМУ,

2003.-е. 258-259.

9. Андрианов A.M., Нигомаев Д.А., Иванов Д.А., Федотов Н.М., Петш А.И. Многоканальная система сбора электрофизиологической информации // Материалы IV Международного конгресса молодых ученых и специалистов «Науки о человеке» - Томск: Изд-во СГМУ, 2003.-с. 260-261.

Ю.Андрианов А.М., Кулахметов Д.Т., Нигомаев Д.А., Федотов Н.М.

Автоматизированная система трехмерной навигации и управления положением катетеров // Труды постоянно действующей научно-технической школы-семинара студентов, аспирантов и молодых специалистов "Информационные системы мониторинга окружающей среды" (сентябрь-октябрь 2003 г.). - Томск : Изд-во томского гос. унта систем управления и радиоэлектроники., 2003. - с. 64-70.

П.Андрианов A.M., Федотов Н.М., Нигомаев Д.А., Иванов Д.А. Многоканальная система сбора электрофизиологической информации и управления лечебным процессом // Труды постоянно действующей научно-технической школы-семинара студентов, аспирантов и молодых специалистов "Информационные системы мониторинга окружающей среды" (сентябрь-октябрь 2003 г.). -Томск : Томский гос. ун-т систем управления и радиоэлектроники., 2003.-с. 71-73.

12. Андрианов A.M., Алексеев Ф.Н., Берзин А.Г. Изучение особенностей размещения скоплений углеводородов на нефтегазоносных территориях северо-западной Якутии // Отчет о НИР по теме с Якутским Государственным Университетом от 06/01 2002,-211 с.

1 З.Андрианов A.M., Алексеев Ф.Н., Паровинчак Ю.М.

Автоматизированная система определения количества необнаруженных залежей газа, нефти, конденсата и их ресурсов в осваиваемых нефтегазоносных районах // Отчет о НИР по договору с ОАО «Томскгаз» 1999 г. - 115 с.

И.Андрианов A.M., Алексеев Ф.Н., Паровинчак Ю.М. Оценка прогнозных запасов Углеводородов на территории Красноярского края геолого-математическими методами с целью выбора перспективных напрвлений развития ОАО «Востокгазпром» // Отчет о НИР по договору с ОАО «Востокгазпром». Томск, 2001. - 280 с.

1*18 447

РНБ Русский фонд

2006-4 16874

Тираж 100. Заказ № 919. Томский государственный университет систем управления и радиоэлектроники 634050, г. Томск, пр. Ленина, 40

ВВЕДЕНИЕ.

ГЛАВА 1. РЕШЕНИЕ ЗАДАЧИ ПРОГНОЗИРОВАНИЯ МИНЕРАЛЬНЫХ РЕСУРСОВ.

1.1. Задачи геологического прогнозирования и анализ результативности их решения.

1.2. Принципиальная схема формирования запасов полезных ископаемых

1.3. Классификация компьютерных систем геопрогноза.

1.4. Краткая характеристика некоторых систем геопрогноза.

1.5. Выводы.

ГЛАВА 2. МАТЕМАТИЧЕСКОЕ И АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ПРОЦЕССА ПРОГНОЗИРОВАНИЯ МИНЕРАЛЬНЫХ РЕСУРСОВ.

2.1. 11аучная основа методики прогнозирования минеральных ресурсов.

2.2. Математические модели формирования запасов полезных ископаемых

2.3. Математическое обеспечение задачи прогнозирования.

2.4. Оценка точности прогнозных оценок.

2.5. Общий алгоритм решения задачи прогнозирования.

2.6. Модуль первичной обработки данных.

2.7. Модуль выбора аппроксимирующей функции.

2.8. Модуль оценки значения приращения функции распределения.

2.9. Модуль оценки количества необнаруженных объектов и определения их порядковых номеров в последовательности величин запасов с учетом разведанных.

2.10. Модуль менеджера циклической рандомизации.

2.11. Выводы.

ГЛАВА 3. ПРОГРАМНЫЙ КОМПЛЕКС ДЛЯ РЕШЕНИЯ ЗАДАЧ ПРОГНОЗИРОВАНИЯ ПОЛЕЗНЫХ ИСКОПАЕМЫХ.

3.1. Описание АС «Квантиль-1».

Перечень задач, решаемых АС «Квантиль-1».

3.2. Ввод исходных данных.

3.3. Выбор аппроксимирующей функции.

3.4. Статистический анализ функции распределения Fn(x) и оценка количества необнаруженных залежей, прогнозных и потенциальных ресурсов

3.5. Оценка точности прогнозных оценок.

3.6. Оценка программного продукта.

3.7. Сравнение алгоритма вероятностного прогнозирования с алгоритмами нейронных сетей.

Требуемые входные данные.

По функциональным возможностям.

По точности геопрогноза.

По скорости работы.

Выводы сравнительного эксперимента.

3.8. Выводы.

ГЛАВА 4. РЕШЕНИЕ ПРАКТИЧЕСКИХ ЗАДАЧ С ПОМОЩЬЮ АС «КВАНТИЛЬ-1».

• 4.1. Апробация АС «Квантиль-1» с имитацией открытия залежей углеводородов.

4.2. Моделирование методом ретроспекции.

Оценка перспектив на открытие залежей газа.

Оценка перспектив на открытие залежей нефти.

4.3. Оценка перспектив на открытие месторождений меди.

4.4. Выводы.

Актуальность работы

Исследование закономерностей формирования природных полезных ископаемых, прогнозирование залежей и автоматизация данного процесса является актуальной задачей. Наличие эффективного и надежного математического, алгоритмического аппарата и программного обеспечения позволяет решать одну из сложнейших задач современной геологии — прогнозирование и принятие стратегического решения о дальнейшей разработке данного рудоносного участка. Проблема прогнозирования полезных ископаемых решалась и решается с использованием различных методов и подходов, но, к сожалению, даже самые современные методы прогнозирования оправдываются лишь в 30-40% случаях. Прогнозирование в любой отрасли знаний относится к числу наиболее трудных задач, а объясняется это тем, что надёжный научный прогноз возможен только на основе хорошо разработанной теории или знаниях закономерностей предсказываемых процессов и явлений. Успехи же в прогнозировании свидетельствуют о высоких достижениях в развитии той области научных знаний, которые послужили основой оправдывающихся прогнозов. Анализ результатов геологического прогнозирования показывает, что используемые для этого методы далеки от совершенства. Так, по данным В.П. Орлова [65], в работе специально посвященной геологическому прогнозированию, отмечается, что лишь 4% прогнозных ресурсов цветных металлов категории «разведанные» доходит до категории «выявленные», а «. подтверждаемость геологических прогнозов во многих случаях не превышает 3-10%».

Весьма показательными являются также следующие факты. Как известно поиски месторождений направлены на обнаружение промышленных месторождений, на открытие наиболее крупных и богатых из них. Однако анализ фактического материала показывает, что в процессе поисков наряду с промышленными месторождениями открывается значительно большее число рудопроявлений и непромышленных месторождений. Подтверждением этому может служить следующие данные В. М. Крейтера [58], отношение числа промышленных полиметаллических месторождений Алтая к общему количеству известных однотипных месторождений и рудопроявлений равно 20:800 = 0,02; Карамазара - 10:300 = 0,03; Северного Кавказа - 8:300=0,02; рудных районов Африки 0,047. Аналогичные результаты получены И. Г. Рутштейном [77] для промышленных месторождений Восточного Забайкалья.

Из полученных соотношений видно, что число промышленных месторождений обычно составляет сотые доли от общей количества обнаруженных месторождений и рудопроявлений. Значит, несмотря на стремления и старания геологов открывать только промышленные и наиболее крупные по запасам месторождения, значительно больше обнаруживается непромышленных. Близость значений относительной встречаемости промышленных месторождений с данными характеризующими результативность геологического прогнозирования приведёнными выше (3-10%), не является случайной.

Таблица 1

Относительная частота встречаемости промышленных месторождений в Восточном

Забайкалье

Количество Количество Всего Относительная месторождений Рудопроявлений месторождений встречаемость и месторождений рудопроявлений

5 115 120 0,042

2 40 42 0,048

10 146 156 0,064

35 693 728 0,048

3 60 63 0,048

22 384 406 0,054

32 289 321 0,100

12 784 796 0,015

8 253 261 0,031

6 211 217 0,028

3 41 44 0,068

1 12 13 0,080

2 58 60 0,033

43 1048 1091 0,039

26 511 537 0,048

Всего 210 Всего 4645 Всего 4855 Итого 0,048

Многолетний опыт поисково-разведочных работ, проводимых в различных нефтегазоносных провинциях, показывает, что их эффективность заметно меняется в зависимости от степени изученности территорий. Наибольшая эффективность характерна для начальных этапов освоения нефтегазоносных территорий. Приведённые факты убедительно свидетельствуют о том, что применяемые методы прогнозирования не оказывают существенного влияния на результативность поисково-разведочных работ. На начальном этапе геологоразведочных работ коэффициент успешности (Ку) (определяемый количественным отношением числа успешно выполненных заданий к общему числу заданий данной методики, здесь и далее значение Ку колеблется от 0 до 1). В среднем варьирует в пределах 0,7-0,8. Открываются и разведываются крупные по масштабам месторождения, что обеспечивает высокие значения прироста запасов.

Эффективность геологоразведочных работ резко снижается при разведанности потенциальных ресурсов порядка 30-40% и выше. Средние значения Ку снижаются до 35-55% и в дальнейшем для всех показателей эффективности поисков и разведки нефтегазовых месторождений до 0,1 и менее.

Не составляют исключения в этом отношении и результаты геологоразведочных работ, проводимых в пределах Каймысовской и Васюганской НГО, расположенных на юго-востоке Западно-Сибирской НГП, на территории Томской области [100]. Наибольшие успехи поисков соответствуют начальному периоду освоения нефтяных месторождений с 1962 по 1967 год. В течение этих шести лет коэффициент успешности варьировал в пределах от 0,17 до 0,75 и в среднем равен 0,5. В последующие 11 лет с 1968 по 1978 г. наблюдается систематическое снижение Ку, при е,ис!0д;;0 возрасти.ощем количестве площадей ьбоаимых ь бурение. Е» jtci период значения коэффициента успешности изменяются от 0 до 0,38, а его среднее значение снижается до 0,18. В 1979 году происходит резкое увеличение Ку до 0,8, при сравнительно небольшом количестве (пяти) площадей введенных в бурение и наступает 11-ти летний период более успешных поисков с возрастанием среднего значения Ку до 0,27. Это связано с перенесением поискового бурения в юго-восточную часть Нюрольской впадины. а

Анализ последовательности открытий промышленных месторождений нефти в Томской области показал [11, 24], что самое крупное месторождение Советское имеет второй порядковый номер открытий. В нем около 50% учтенных запасов нефти. Номера открытий месторождений, обладающих наибольшими запасами в каждом нефтегазоносном районе Каймысовской и Васюганской НГО, с первого по третий, отмечается в 90% случаев. Все они были обнаружены в первое десятилетие из 35 лет поисково-разведочных работ, с момента обнаружения первого промышленного месторождения.

В результате анализа эффективности геологоразведочных работ на нефть и газ вскрывается парадоксальная ситуация, которая заключается в том, что по мере накопления фактического материала и геологических знаний о месторождениях разведываемой территории результативность поискового бурения снижается, а не наоборот как следовало бы ожидать. 4 Отмеченный парадокс имеет следующее объяснение. На начальном этапе поисково-разведочных работ относительно эффективными оказываются существующие представления по формированию нефтяных и газовых месторождений и накопленный в течение не одного десятилетия опыт поисков и разведки в различных геологических условиях. Успех достигается за счет возможности выбора наиболее крупных, ярко выраженных традиционно перспективных структур из относительно небольшого числа ♦ подобных. По мере открытия месторождений фонд наиболее перспективных структур сокращается, и в поисковое бурение вовлекаются структуры меньших размеров. Общее количество этой категории структур значительно больше, а перспективы на обнаружение крупных промышленных месторождений меньше. В связи с этим возрастает количество «сухих» скважин и снижается эффективность поискового бурения. Главная причина отмеченного парадокса заключается в том, что применяемые методы прогнозных оценок не обеспечивают безошибочного выбора структур, содержащих нефть и газ из общего числа выявленных геофизическими методами.

Существующие на сегодняшний день программные продукты как отечественного, так и зарубежного производства основываются на классических геологических методиках прогнозирования. Данные системы на сегодняшний день представляют собой зачастую большие программные комплексы по накоплению, хранению и обработки многофакторной информации. Сегодня происходит бурное развитие таких систем [28, 107].

Классификация современных систем геопрогноза приведена в табл. 2. I

Таблица 2

Классификация компьютерных систем геопрогноза.

Название Особенности Методы прогноза Примеры

1 2 3 4

Автоматизированные фактографические информационные системы для хранения геологических данных Предназначены для хранения фактографических данных, их статистической обработки и выдачи по запросам пользователей различных справочных материалов. [83] Прогнозирование является мало выраженной функцией и зачастую отсутствует. «Геокарт» (Австрия) «Инкалидо» (Польша)

Автоматизированные фактографические информационные системы со статистическим анализом Содержат наряду со средствами хранения и поиска информации блок статистической обработки данных, что позволяет оценивать статистические связи между элементами описаний объектов и на этой основе осуществлять анализ геологических ситуаций Прогнозирование ведется на базе сейсмических данных либо на базе данных о встречаемости тех или иных компонентов в почве «Сегед» (Венгрия) «Миндел» (Канада)

Специализированные географические информационные системы (ТИС) Поиск данных, блок диалоговых процедур, блок статистической обработки данных и блок разработки вариантов решений. Прогнозирование ведется на базе сейсмических данных либо на базе данных о встречаемости тех или иных компонентов. сод- Геофизика (Россия), «Мапика». ГЕОНИКС (Франция), Интерресурс (Россия)

11 Продолжение таблицы

1 2 3 4

Системы решения 11аличие блока расчета Ориентированны «СИМСАГ» геолого-прогнозн ых вариантов решений о на решение (Канада), задач перспективности геолого- [112] геологических объектов. прогнозных задач «Поиск»

Возможно наличие на основе анализа (Россия), автоматического блока и комплексной «ДЖИАПП» формирования прогнозных интерпретации (Канада), решений, данных о «СКИД» интегрированный с геологическом (Россия), территориальным банком строении «НЧАРАН» данных. В этих системах изучаемых (США), информация о территорий. АСОД геологическом строении «Прогноз» территорий используется (Россия) многократно для решения прогнозной задачи в различных содержательных постановках, и может быть осуществлено построение вариантов прогнозной карты непосредственно на

ЭВМ

Системы Их особенностью является Прогнозирование «ИнформГео» искусственного наличие машинной базы ведется на базе [38](Россия) интеллекта знаний ("искусственного анализа ЗИМБЕРТ интеллекта"). Класс картографической (Германия), интеллектуальных систем информации МГУ, СГИ интегрирует все основные [48, 60,61] (Россия), компоненты ранее ПРОСПЕКТО рассмотренных систем и Р, МУДМАН включает дополнительно (США) блоки эвристического ЦЕССОЛ моделирования (Франция) естественного «Регион», интеллекта") и экономико- «Регион-ОС», математического «Регионмоделирования. В таких СКАНДИНГ»

ГИС достигается симбиоз (Россия) математических методов и [44, 53, 54] моделей (искусственного интеллекта)с естественными интеллектуальными возможностями человека- специалиста, пользователя 1

Эффективность и подтверждаемое^ перечисленных видов прогноза в отношении объемов запасов, на которых базируются вышеперечисленные программные продукты достаточно низка [28, 107,111, 112]. Кроме того, еще не существует программного комплекса геологического прогнозирования основанного на вероятностной теории формирования запасов, где за входные данные принимаются непосредственно прямые признаки (и распределения вероятностей этих признаков), которые и следует предсказать, т.е. объемы разведанных запасов. Существующие алгоритмы и автоматизированные системы не показывают должный уровень точности прогноза [65]. Теория прогнозирования, которая основывается на вероятностных закономерностях свойственных величинам запасов полезных ископаемых теоретически должна показывать более точный уровень точности прогнозных оценок, но апробация теории затруднена в связи с усложненным математическим аппаратом, эту проблему можно решить только за счет алгоритмизации и автоматизации данной методики. А так же существование системы, которая могла бы оперативно и точно оценить экономическую привлекательность уже частично разведанного участка, позволило бы добывающим компаниям более эффективно использовать экономические ресурсы и направлять их на покупку или дальнейшее изучение региона лишь в том случае, когда есть точные данные об объемах запасов на оцениваемой территории.

Эти данные так же крайне необходимы при принятии решения о проведения трубопровода или транспортной развязки к нефтегазоносному участку. Что еще очень важно, своевременное решение о прекращении бурения в регионе может спасти экологическую обстановку и предотвратить ненужный вред природе.

Таким образом, необходимость повышения эффективности геологоразведочных работ на завершающих этапах изучения нефтегазоносных районов, за счет автоматизации новейших и теоретически более точных методик прогнозирования объемов запасов полезных ископаемых имеет весьма убедительное экономическое обоснование и, следовательно, является чрезвычайно актуальной задачей.

Цель работы

Исследование вероятностных закономерностей формирования полезных ископаемых и разработка алгоритмического и программного обеспечения для проведения прогнозирования полезных ископаемых.

Объект исследования

Вероятностные закономерности распределения величин запасов в частично разведанных рудоносных районах.

В соответствии с целью работы сформулированы следующие задачи исследований:

1. Исследовать вероятностные закономерности, присущие величинам запасов углеводородов.

2. Создать методику проверки точности прогнозных оценок и разработать алгоритмы составления прогнозных расчетов.

3. Исследовать влияние погрешностей на прогнозирование с учетом введения ошибочных исходных данных.

Предмет исследования

Запасы разведанных полезных ископаемых в нефтегазоносных и рудоносных районах.

Методы исследований

Системный анализ, вероятностный подход и методы математической статистики, математическое моделирование, численные методы.

Защищаемые положения

1. Новые алгоритмы построения прогнозных оценок месторождений полезных ископаемых по методике вероятностного прогнозирования.

2. Новые алгоритмы подтверждения достоверности результатов прогноза, построенною по методике вероятностного прогнозирования.

Программный комплекс АС «Квантиль-1», в котором реализованы новые алгоритмы, позволяющие проводить экспресс-оценку природной совокупности, а так же детальный анализ прогнозов. Научная новизна работы заключается в следующем: Предложена методика, проведены исследования прогнозирования полезных ископаемых углеводородов в частично разведанных районах с проверкой прогнозных оценок и доказана высокая результативность применения теории прогнозирования запасов полезных ископаемых. Разработано алгоритмическое обеспечение проверки точности прогнозных оценок и составления прогнозных расчетов. Создана автоматизированная система прогнозирования, основанная на теории вероятностных закономерностей формирования запасов. Использование этой системы позволило получить следующие результаты впервые:

• исследовать и доказать результативность теории прогнозирования запасов полезных ископаемых на практике;

• осуществить проверку результатов прогнозов различными теориями, показать высокую точность данного прогноза;

• провести моделирования природных процессов и проверку результативности методом генеральной выборки;

• получить практически значимые результаты прогнозов для месторождений Томской области (для Первомайской, Крапивинской, Игольско-Таловой, Средневасюганской, Верхнесалатской, Казанско-Пудинской, Вартовской природной совокупности);

• создать комплекс программ для проведения прогнозирования полезных ископаемых с заданной точностью с возможностью построения графиков, таблиц, отчетов, вычислению доверительных границ прогнозных оценок.

Практическую и теоретическую ценность представляют следующие результаты исследовательской работы:

• показана возможность практического использования теории вероятностных закономерностей для прогнозирования полезных ископаемых в частично разведанных рудоносных районах;

• создан алгоритм проведения исследований прогнозирования полезных ископаемых углеводородов в частично разведанных

• районах с проверкой прогнозных оценок; •

• создан комплекс программ для проведения исследований прогнозирования полезных ископаемых, с возможностью построения графиков, таблиц, отчетов, вычислению доверительных границ прогнозных оценок;

• получены практические прогнозные данные по месторождениям углеводородов Томской области.

Созданный комплекс программ предоставил новую возможность дальнейшего исследования вероятностных закономерностей, свойственных величинам запасов месторождений углеводородов.

Реализация и внедрение результатов работы.

Созданное алгоритмическое и программное обеспечение применяется для дальнейшего развития теории прогнозирования полезных ископаемых, основывающейся на вероятностных закономерностях природных процессов формирования полезных ископаемых. Результаты работы внедрены в ОАО «Томская нефтегазовая компания», ОАО «Востокгазпром» (Томск), Комитете по природным ресурсам по Томской области, Томском Государственном Университете, Якутском Государственном Университете (Якутия), Сибирском научно-исследовательском институте геологии, геофизики и минерального сырья (ФГУП СНИИГГиМС), Томском государственном университете систем управления и радиоэлектроники (ТУСУР).

Личный вклад автора

1. Постановка цели, задачи исследования были определены совместно с научным руководителем Шелупановым Александром Александровичем.

2. Основные результаты диссертации получены автором самостоятельно. Эксперименты по проверке точности результатов теории АС «Квантиль-1» были проведены совместно с Ф.Н. Алексеевым.

По результатам диссертационной работы имеется 11 научных публикаций, в том числе одна монография, проведены научные исследования для 3-х организаций Томска и Якутии, по результатам, которых составлены 3 отчета о научно исследовательских работах (НИР), получен сертификат о государственной регистрации программного средства в федеральной службе по интеллектуальной собственности, патентам и товарным знакам (Роспатент).

Достоверность полученных результатов подтверждена практическими данными проведенных экспериментов, а также их согласованностью и устойчиво низким процентом отклонений в сравнении с ретроспективным методом.

Апробация научных результатов. Результаты диссертационной работы докладывались и обсуждались на IV Международной конференции под редакцией член-корреспондента РАН Б.А. Соколова и к.г.-м.н. Э.А.Абля (1999); на XXXVIII Международной научной студенческой конференции «Студент и научно-технический прогресс» (2000); на IV Международном Симпозиуме студентов и молодых ученых имени академика М.А. Усова «Проблемы геологии и освоения недр» (2001); на IV Международном конгрессе молодых ученых и специалистов «Науки о человеке» (2003); на семинаре ыудсншв, аспирантов и молодых специалистов "Информационные системы мониторинга окружающей среды" ТУСУР (2004). На семинаре «Интеллектуальные системы в управлении конструировании и образовании».

2004); на научных семинарах в Якутском Государственном Университете, на научных семинарах «Интеллектуальные системы моделирования, проектирования и управления» под руководством А.А. Шелупанова. Программа прошла официальную государственную регистрацию в федеральной службе по интеллектуальной собственности, патентам и товарным знакам (Роспатент), имеется свидетельство о регистрации за № 2005612257, дата регистрации 2 сентября 2005г.

Структура диссертации

Диссертационная работа состоит из введения, четырех глав с выводами и заключения, а так же приложений.

4.4.Выводы

Применение АС «Квантиль-1» доказало работоспособность и явные преимущества данной теории и, разработанного на ее основе, алгоритма прогнозирования запасов углеводородов. Применение АС дает значительный выигрыш во времени составления прогнозов и точности. АС удобна в использовании и имеет интуитивно-понятный интерфейс, который предоставляет геологу широкий набор функций и избавляет его от детального знания математического аппарата, что выгодно сказывается на практической ценности применяемой методики.

Проведя серию тестов с использованием АС «Квантиль-1» показано, что погрешность в прогнозных оценках обусловлена в первую очередь погрешностью в исходных данных. На ретроспективном методе видно, что погрешность чрезвычайно мала, а точность прогнозов очень высока.

Тесты показали практическую применимость методики, ее высокую эффективность.

Приведены примеры оценки залежей нефти, газа и меди, что подтверждает возможность использование данных алгоритмов на месторождения разного типа и генезиса.

147

ЗАКЛЮЧЕНИЕ

В диссертационной работе, в соответствии с поставленной целью, была решена актуальная научно-техническая задача - алгоритмизация, автоматизация и апробация эффективного метода прогнозирования запасов полезных ископаемых. Разработана методика использования на практике теории вероятностного прогнозирования полезных ископаемых в частично разведанных рудоносных районах. На основе созданной методики разработаны алгоритмы, и программное обеспечение, подтверждающие работоспособность изложенных результатов.

Проведен общий обзор методик прогнозирования полезных ископаемых и краткое описание программных комплексов, базирующихся на этих методиках. Рассмотрены наиболее известные системы и проведен их критический анализ.

Апробация, применяемость и дальнейшие исследования были затруднены, а иногда и невозможны до создания алгоритмического обеспечения и программного комплекса «Квантиль-1», который успешно прошел опытные испытания на геологических предприятиях Томска и др. городов. Дальнейшее исследование методики вероятностного прогнозирования с помощью разработанной АС позволило не только доказать ее высокую эффективность и точность (91% и более), но и получить новые закономерности присущие величинам запасов и их месторасположениям.

В проведенной работе были получены следующие новые результаты: • предложена методика, проведено прогнозирования полезных ископаемых углеводородов в частично разведанных районах с проверкой прогнозных оценок и доказана высокая результативность применения теории прогнозирования заг.асоз полезных ископаемых;

• разработано алгоритмическое обеспечение проверки точности прогнозных оценок и составления прогнозных расчетов;

• создана и апробирована на практике автоматизированная система «Квантиль-1», в которой реализовано наукоемкое математическое и алгоритмическое обеспечение, что позволило оперативно строить точные прогнозы и получать результаты в понятном для геолога виде;

• исследована и доказана результативность теории прогнозирования запасов полезных ископаемых на практике;

• проведено моделирование природных процессов и обеспечена проверка результативности методом генеральной выборки;

• подтверждена эффективность методики вероятностного прогнозирования, высокая точность прогнозных оценок и ее практическая значимость;

• изложена научная основа методики прогнозирования, математический аппарат, алгоритмы программного комплекса и каждого модуля в отдельности;

• проведено дальнейшее изучение закономерностей образования природных совокупностей.

А так же проведен ряд исследований месторождений Томской области. На территориях формирования Первомайской, Крапивинской, Игольско-Таловой (Каймысвская НГО), Средневасюганской, Казанско-Пудинекой (Васюганская НГО) природных совокупностей определено количество необнаруженных залежей углеводородов (УВ) и оценены прогнозные и потенциальные ресурсы УВ;

Результаты диссертации внедрены в практику работ ряда предприятий России: в практику Томской нефтегазовой компании, Комитета природных ресурсов Томской области, ОАО «Востокгазпром», в Якутском Государственном Университете, Сибирском научно-исследовательском институте геологии, геофизики и минерального сырья (ФГУП

СНИИГГиМС), Томском Государственном Университете, а так же в учебный процесс Томского государственного университета систем управления и радиоэлектроники (ТУСУР) о чем свидетельствуют прилагаемые акты о внедрении.

150

1. Алексеев Ф.Н. Статистические методы оценки прогнозных запасов рудных месторождений на стадиях поисковых и поисково-разведочных работ: Автореферат на соискание степени кандидата г-м наук. Томск: Изд-во ТГУ, 1970.- 15 с.

2. Алексеев Ф.Н. Теория накопления и прогнозирования запасов полезных ископаемых. Томск: Изд-во ТГУ, 1996. - 172 с.

3. Алексеев Ф.Н. Новые идеи в учении о месторождениях полезных ископаемых. — Томск: Изд-во Томского политехнического ун-та, 2000. — 227 с.

4. Алексеев Ф.Н., Паровинчак Ю.М., Ростовцев В.Н. Векторные системы и флюидодинамическая концепция формирования залежей нефти и газа // Материалы третьей международной конференции. М.: Изд-во МГУ, 1999.-300 с.

5. Алексеев Ф.Н., Ростовцев В.Н., Паровинчак М.С. Новые возможности повышения эффективности геологоразведочных работ на нефть и газ. Томск: Изд-во Томского Гос. ун-та, 1997. - 88 с.

6. Алексеев Ф.Н., Ростовцев В.Н., Паровинчак Ю.М., Резник С.Н.

7. Природные совокупности и индивидуальность месторождений полезных ископаемых // Перспективы обеспечения сырьевыми ресурсами топливно-энергетического комплекса Томской области. Новосибирск: Изд-во НГУ, 1997.-С. 97-104.

8. Алексеев Ф.Н., Ростовцев В.Н, Устинов Ю.К. Познавательное значение исследования природных совокупностей. Вестник Российской академии естественных наук (Западно-Сибирское отделение). Вып.1. 4.2. Кемерово, 1997.-С. 54-61.

9. Алексеев Ф.Н., Ростовцев В.Н., Устинов Ю.К. Природные совокупности и векторные системы нефтегазоносных месторождений // Отечественная геология. -№ 12. 1997. С 3-24.

10. Андрианов A.M. Свидетельство о государственной регистрации программы для ЭВМ в федеральной службе по интеллектуальной собственности, патентам и товарным знакам (Роспатент) . №2005612257, заявка № 2005612196 от 24 августа 2005г.

11. Андрианов A.M., Алексеев Ф.Н., Шелупанов А.А. Новая научная концепция исследования и прогнозирования перспектив разведываемых нефтегазоносных районов. Монография. — Томск: Изд-во ТПУ, 2004. 124 с: ISBN 5-98298-078-1

12. Андрианов А.М., Алексеев Ф.Н., Паровинчак Ю.М.

13. Андрианов A.M., Паровинчак К.М. Методы оценки перспектив на открытие промышленных объектов в осваиваемых нефтегазоносных районах Материалы XXXVIII Международной научной студенческой конференции

14. Студент и научно-технический прогресс». Новосибирск: Изд-во НГТУ, 2000. С 105-106.

15. Андрианов A.M., Алексеев Ф.Н., Берзин А.Г. Изучение особенностей размещения скоплений углеводородов на нефтегазоносных территориях северо-западной Якутии // Отчет о НИР по теме с Якутским Государственным Университетом от 06/01 2002, 211 с.

16. Андрианов A.M., Федотов Н.М., Кулахметов Д.Т., Оферкин А.И.

17. Автоматизированная система трехмерной навигации и реконструкции // Материалы IV Международного конгресса молодых ученых и специалистов «Науки о человеке» Томск: Изд-во СГМУ, 2003. - с. 258-259.

18. Андрианов A.M., Нигомаев Д.А., Кулахметов Д.Т., Федотов Н.М.

19. Андрианов A.M., Нигомаев Д.А., Иванов Д.А., Федотов Н.М.

20. Анциферов А.С., Бакин В.Е., Варламов И.П. и др. Геология нефти и газа Сибирской платформы. М.: Недра, 1981. - 303 с.

21. Бакиров А.А. Геологические основы прогнозирования нефтегазоносности недр. М.: Недра, 1977. - 203 с.t 26. Белокопытов В.М. Интенсификация геологоразведочных работ нанефть и газ. М.: Недра, 1989. — 179 с.

22. Бетехтин А.Г. Минералогия. М.: Гос. изд-во геол. лит-ры, 1950. - 956 с.

23. Бугаец А.Н., Воетрокнутова Е.П., Воетрокнутов А.И. Применение экспертных систем в геопрогнозе; Обзор. — М.; Изд. OI1ТИ ВИЭМС, 1986.

24. Буялов Н.И., Бурштейн Л.М., Винниковский С.А. и др.

25. Методические основы прогнозирования нефтегазоносности. М.: Недра,1990.- 248 с.

26. Быховер Н.А. Распределение мировых ресурсов минерального сырья по эпохам рудообразования. М.: Госгеолтехиздат, 1963. - 244 с.

27. Бэтман A.M. Промышленные минеральные месторождения. М.: ИЛ., 1949.-253 с.

28. Веселое В.В., Гикатулин A.M., Кленчин А.Н. и др. Решение геолого-прогнозных задач с применением ЭВМ — М.: Недра, 1988.-314 с.

29. Вистелиус А.Б. Основы математической геологии. М.: Наука, 1980.389 с.

30. Вистелиус А.Б. Проблемы математической геологии. К истории вопроса // Геология и геофизика. 1962. № 12. — С. 3-9.

31. Вистелиус А.Б. Математическая геология её основные направления и задачи // Советская геология. - 1977. № 1. — С. 11-34.

32. Воронин Ю.А., Алабин Б.К., Голдин С.В. и др. Геология и математика. Новосибирск: Наука, 1967. - 253 с.

33. Геологический словарь. Том 1,2. М.: 11едра, 1973. - 567 с.

34. Горбачев С.В. Разработка интерпретационной картографической системы «Информгео» для прогноза нефтегазоносности месторождений // диссертация на соискание ученой степени кандидата технических наук. -Томск, 2003.- 188 с.

35. ГОСТ 28195-89 Оценка качества программных средств. Общие положения. М.: Изд-во стандартов.

36. ГОСТ Р ИСО/МЭК 9126-93 Оценка программной продукции. М.: изд-во стандартов.

37. Гумбель Э. Статистика экстремальных значений. М.: Мир, 1965. -231 с.

38. Девис Дж. С. Статистический анализ данных в геологии. М.: Недра, 1990.- Кн.1. - 319 с.

39. Девис Дж. С. Статистический анализ данных в геологии. М.: Недра, 1990. Кн. 2.-427 с.

40. Диалоговая система геологического прогнозирования минерально-сырьевых ресурсов по данным наземных и космических съемок / Б.А.

41. Чумаченко, В.В. Марченко, Е.П. Власов и др. // Исследование Земли из космоса. — 1981. — № 4. — С. 76-82;

42. Добрецов ПЛ., Зуенко В.В, Шемякин МЛ. Статистические методы в геологии. М.: Недра, 1988. - 177 с.

43. Дородницын А.А. Использование математических методов и ЭВМ в геологических исследованиях // Изв. АН СССР. Сер. геол. — 1966. — № 1. -С. 21-24.

44. Дэйвид Г. Порядковые статистики. М.: Наука, 1979. - 335 с.

45. Журавлев Ю.И. Экстремальные алгоритмы в математических моделях для задач распознавания и классификации // Докл. АН СССР, 1976. — Т. 231. — №3.

46. Журавлев Ю.И. Корректные алгебры над множествами некорректных алгоритмов // Кибернетика. — 1977. — № 4. — С. 37—50.

47. Кесарев В.В. Эволюция вещества Вселенной. М.: Атомиздат, 1976. -184 с.

48. Козловский Е.А. Стратегия развития геологоразведочных работ // Управление, научно-технический прогресс, интенсификация производства. — М.; МНИИПУ, 1984. С. 111-120.

49. Колотухина С.Е., Григорьева JI.A., Клаповская JI.H. и др. Геология месторождений Южной Америки. М.: Наука, 1968. - 254 с.

50. Количественная оценка прогнозных ресурсов полезных ископаемых с использованием человеко-машинной технологии Б.А. Чумаченко, В.В. Марченко, Э.А. Немировский и др. // Советская геология. -1983.-.№8.-С. 3-11.

51. Компьютерный прогноз месторождений полезных ископаемых / Под ред. Б.А. Чумаченко. М.: 11едра, 1990. - 284 с.

52. Крамбейн У., Грейбилл Ф. Статистические модели в геологии. М.: Мир, 1969.- 155 с.

53. Крамбейн Ч., Кауфман М., Мак-Кеммон Р. Модели геологических процессов. -М.: Мир, 1973.

54. Красников В.И. Основы рациональной методики поисков рудных месторождений. М.: Недра, 1965. - 399 с.

55. Крейтер В.М. Поиски и разведка месторождений полезных ископаемых. М.: Недра, 1969. - С. 56-73.

56. Линдгрен В. Миллер Р., Кан Дж. Статистический анализ в геологических науках. М.: Мир, 1965.-481 с.

57. Марченко В.В. Человеко-машинный анализ карт геологического содержания // Советская геология. 1982. — № 7. — С. 13-26.

58. Марченко В.В. Преобразование картографической информации в дискретный вид, пригодный для человеко-машинного анализа// Изв. АН СССР. Сер. геол.-1988.-№ 5.-С, 11-125.

59. Марченко В.В. Человеко-машинные методы геологического прогнозирования. — М.; Недра, 1988.

60. Нефтяные и газовые месторождения СССР. Справочник. Под редакцией С.П. Максимова. Кн. 2 . Азиатская часть СССР. М.: Недра, 1987. -303 с.

61. Орлов В.П. Геологическое прогнозирование. М.: Недра, 1991. - 166 с.

62. Паровинчак Ю.М., Алексеев Ф.Н., Ростовцев В.Н., Паровинчак

63. Перваго В.А. Условия формирования и геолого-экономическая оценка промышленных типов месторождений цветных металлов. М.: Недра, 1975. -252 с.

64. Прогноз минеральных ресурсов по данным наземных и космических съемок с использованием компьютерной системы "Регион" / Б.А. Чумаченко, Е.П. Власов, В.В Марченко и др. // 27-й Международный геологический конгресс (тезисы), М.: Наука, 1984, Т. 8.

65. Прохоров Ю.В., Родионов Д.А. Формальная постановка задачи геологического прогнозирования // Математические методы при Прогнозировании рудоносности, М. 1977. - С. 17-23.

66. Родионов Д.А. Статистические методы разграничения геологических объектов по комплексу признаков. М.: Недра, 1968. - 158 с.

67. Родионов Д.А. Функции распределения содержаний элементов и минералов в изверженных горных породах. М.: Наука, 1964.

68. Ростовцев B.IL, Алексеев Ф.Н., Паровинчак Ю.М. Новые идеи в изучении и прогнозировании запасов полезных ископаемых. Материалы третьей международной конференции (название). М: Изд-во МГУ, 1999. -300 с.

69. Ростовцев В.Н., Паровинчак М.С., Алексеев Ф.Н., Паровинчак

70. М.С. Природные совокупности залежей нефти и газа и свойственные им закономерности // Новые идеи в геологии и геохимии нефти и газа. Материалы второй международной конференции. М: Изд-во МГУ, 1998. -238 с.

71. Рутштейн И.Г. Агинско-Борщовочный диафторит-сланцевый пояс, Восточное Забайкалье // Доклады АН. — Томск: Изд-во ТПУ, 1997. С. 87-89.

72. Сархан А., Гринберг Б. Введение в теорию порядковых статистик. -М.: Статистика, 1970. 414 с.

73. Семенович В.В., Высоцкий И.В., Корчагина и др. Основы геологии горючих ископаемых. М.: Недра, 1987. - 397 с.

74. Скороход А.В., Королюк B.C., Портенко Н.А., Турбин А.Ф.

75. Справочник по теории вероятностей и математической статистике. М.: Наука, 1985.-640 с.

76. Смирнов В.И., Дунин-Барковский И.В. Курс теории вероятностей и математической статистики для технических приложений. М.: Наука, 1969.-511 с.

77. Советский Энциклопедический Словарь. М: Изд-во Советская энциклопедия, 1982. С. 446.

78. Технология создания и использования баз геофизических данных // В.В. Ломтадзе, Г.Г. Шаталов, В.В. Бородаченко, В.П. Горностаев //Алгоритмы и программы. -М.: ОНТИ ВИЭМС, 1988.-Вып. 1 (105). С. 130136.

79. Трофимук А.А. Куюмбо-Юрупчено-Тайги некое газонефтяное месторождение-супергигант Красноярского края. Технико-экономическое обоснование разработки // Препринт №8. Новосибирск, 1992. 60 с.

80. Устинов Ю.К. О распределении Ф.Н. Алексеева. В сб. Математическое моделирование и теория вероятностей. -Томск: Пеленг, 1998.-С 57-58

81. Филосовский энциклопедический словарь. — М: Советская энциклопедия, 1983. 839 с.

82. Фосс Г.В. Золото. М.: Госгеолтехиздат, 1963. - 174 с.

83. Чейз Ф. Количественно-минералогический анализ шлифов под микроскопом. Перевод с англ. М.: Изд-во иностранной литературы, 1963.155 с.

84. Чернышёва В.И. Минерально сырьевая база медной промышленности капиталистических и развивающихся стран в 1969-1972 гг. Обзор ВИЭМС, 1973. 145 с.

85. Чехович В.Д., Волкова JI.H. Металлогения меди, свинца и цинка Андийского пояса. М.: Недра, 1979. 203 с.

86. Шарапов И.П. Применение математической статистики в геологии. М.: Недра, 1965.-244 с.

87. Шварц Г. Выборочный метод. М.: Статистика, 1978. - 211 с.

88. Хазен A.M. О возможном и невозможном в науке, или где границы моделирования интеллекта. М.: Наука, 1988. - 384 с.

89. Алексеев Ф.Н., Домрачев В.И., Аношкина Т.М. Разработка математических методов оценки прогнозных запасов и оценка перспектив рудоносных участков и районов / Отчёт о НИР по договору с ЗабНИИ. Чита: 1979.- 121 с.

90. Алексеев Ф.Н., Бутко Р.П., Бутко А.В. Применение математических методов при решении геологических задач прогнозирования рудных месторождений золота, цветных и редких металлов / Отчёт о НИР по договору с ЗабНИИ, Чита: 1981. 103 с.

91. Алексеев Ф.Н., Красильников Л.М., Усманова Р.И. Закономерности распределения и оценка ресурсов промышленного флюоритовогооруденения в Восточном Забайкалье / Отчёт о НИР по договору с Калангуйским плавиковошпатовым комбинатом. Чита. 1989. — 233 с.

92. Алексеев Ф.Н., Дмитриев Ю.Г., Минаков Ф.В. и др. Оценка прогнозных ресурсов Хибинского и Печенгского рудных полей / Отчёт о НИР по договору с Мурманской ГРЭ. Томск: 1990. - 66 с.

93. Алексеев Ф.Н., Дмитриев Ю.Г., Трусов B.C., Устинов Ю.К. Оценка прогнозных ресурсов Оленегорского железорудного района / Отчёт о НИР по договору с Центрально-Кольской ПСЭ. Томск: 1990. 70 с.

94. Алексеев Ф.Н., Ростовцев В.Н., Паровинчак Ю.М. Оценка ресурсов нефти и газа района Мыльджинского месторождения и территории деятельности АО «Томскгаз» / Отчёт о НИР по договору с АО «Томскгаз». -Томск: 1997.- 175 с.

95. Берзин А.Г., Алексеев Ф.Н., Бубнов А.В. Прогнозная оценка потенциально газоносных территорий Вилюйской НГО на основе передовых методик и технологий / Отчёт о НИР с Якутским Государственным Университетом по теме 10/99.- Якутия, 2000. 134 с.

96. Берзин А.Г., Алексеев Ф.Н., Андрианов A.M. Изучение особенностей размещения скоплений углеводородов на нефтегазоносных территориях Западной Якутии / Отчет о НИР с Якутским Государственным Университетом по теме 06/01. 2002. 156 с.

97. Carr JR. Numerical analysis for the geological sciences, Englewood Cliffs, NJ : Prentice Hall, с 1995, 592 p. ISBN 0-02-319511-8

98. Christakos G. Modern Spatiotemporal Geostatistics, Oxford: Oxford University Press, 2000. 312 p.- ISBN 0-19-513895-3

99. Christakos G. Random field models in earth sciences. San Diego: Academic Press, 1992. 474 p. ISBN 0-12-174230-X

100. Davis JC., Herzfeld UC. Computers in Geology: 25 Years of Progress. New York, NY: Oxford Univ. Press, 1993. 316 p.- ISBN 0-19-508593-0

101. Deutsch CV. Geostatistical Reservoir Modeling. New York, NY: Oxford Univ. Press, 2002. 400 p.- ISBN 0-19-513806-6

102. Deutsch CV., Journel, AG. GSLIB: Geostatistical Software Library and

103. User's Guide Second Edition. New York, NY: Oxford Univ. Press, 1997. 384 p.-ISBN 0-19-510015-8

104. Donald L. T. Fractals and chaos in geology and geophysics 2. ed. - Cambridge: Cambridge Univ. Press, 1997. - 221 p.- ISBN 0-521-56164-7

105. Drew LJ. Oil and Gas Forecasting: Reflections of a Petroleum Geologist. New York, NY: Oxford Univ. Press, 1990. P 22-56, 87-121: ISDN 0-19506170-5

106. Fitzgibbon WE. Computational methods in geosciences. Philadelphia:

107. SI AM, 1992. 207 p. - ISBN 0-89871-301-3

108. Goovaerts P. Geostatistics for Natural Resources Evaluation. New York, NY: Oxford Univ. Press, 1997. P. 150-158 - ISBN 0-19-511538-4

109. Isaaks EH., Srivastava MR. An Introduction to Applied Geostatistics. New York, NY: Oxford Univ. Press, 1990.- 592 p.- ISBN 0-19-505013-4

110. Journcl AG., Kyriakidis PC. Evaluation of Mineral Reserves. A Simulation Approach. Oxford: Oxford University Press, 2004. - 232 p.- ISBN 0-19516694-9

111. Mallet J-L. Geomodeling. Oxford: Oxford University Press, 2002. 624 p.-ISBN 0-19-514460-0

112. Olea RA. Geostatistical Glossary and Multilingual Dictionary. New York, NY: Oxford Univ. Press, 1991.- 192 p.- ISBN 0-19-506689-8

113. Pawlowsky-Glahn V., Olea RA. Geostatistical Analysis of Compositional Data. Oxford: Oxford Univ. Press, 2004. 181p.- ISBN 0-19-517166-7

114. Size WB. Use and Abuse of Statistical Methods in the Earth Sciences, Ed. Annual Meeting of the Geological Society of America. New York: Oxford Univ. Press, 1987.- 169 p.

115. International Association of Mathematical Geology www.iamg.org

116. International Union of Geological Sciencies www.iugs.org

117. American Association of Petroleum Geologists www.aapg.org

118. International Statistical Institute www.cbs.nl

119. Informational Server for Geostatistics and Spatial Statistics www.ai-geostats.orgt