автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Эффективные вычислительные технологии для геолого-технологического моделирования и разработки нефтегазовых месторождений

На правах рукописи

ВЛАСОВ Сергей Пантелеевич

УДК 004 94+550 832+519 688

ЭФФЕКТИВНЫЕ ВЫЧИСЛИТЕЛЬНЫЕ ТЕХНОЛОГИИ ДЛЯ ГЕОЛОГО-ТЕХНОЛОГИЧЕСКОГО МОДЕЛИРОВАНИЯ И РАЗРАБОТКИ НЕФТЕГАЗОВЫХ МЕСТОРОЖДЕНИЙ

Специальности

05 13 18 — Математическое моделирование, численные методы и комплексы программ, 25 00 17- Разработка и эксплуатация нефтяных и газовых месторождений

Автореферат диссертации на соискание ученой степени кандидата технических наук

Ижевск - 2007

003177432

Работа выполнена в Институте математического моделирования разработки нефтяных месторождений ГОУ ВПО «Ижевский государственный технический университет» (ИжГТУ)

Научные руководители-

заслуженный изобретатель Российской Федерации, доктор технических наук, профессор Лялин В.Е.,

заслуженный деятель науки Удмуртской Республики, доктор физико-математических наук, профессор Тененев В.А.

Официальные оппоненты

доктор технических наук, профессор Пономарев А.И. (Уфимский государственный нефтяной технический университет),

доктор физико-математических наук, профессор Летчиков А.В. (Удмуртский государственный университет).

Ведущая организация- Институт математического моделирования РАН (г. Москва)

Защита состоится 21 декабря 2007 г в 16 00 часов на заседании диссертационного совета Д 212 065 04 в ИжГТУ по адресу 426069, г Ижевск, ул Студенческая, 7

Отзыв на автореферат, заверенный гербовой печатью, просим выслать по указанному адресу

С диссертацией можно ознакомиться в библиотеке института С авторефератом можно ознакомиться на официальном сайте ИжГТУ www istu ru

Автореферат разослан 21 ноября 2007 г

Ученый секретарь диссертационного совета, доктор технических наук, профессор

Б Я Бендерский

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы'. Двадцать первый век приносит новые проблемы для мировой экономики Динамичный глобальный рынок требует изменения существующей парадигмы в нефтяной отрасли, поскольку потребность в нефти продолжает доминировать в общемировой сфере энергопотребления

Моделирование месторождений является одной из многих современных технологий, используемых при разработке и добыче нефти Оно используется для сравнения различных механизмов добычи, и предоставляет базу для экономического анализа потенциальных сценариев подготовки месторождения Кроме того, к данному типу моделирования предъявляются все большие требования, т к нефтегазовые площади стареют, и процесс добычи становится все более сложным Успешное, экономически обоснованное использование современных технологий интенсификации добычи нефти и повышения нефтеотдачи обеспечивается путем создания компьютерных цифровых геолого-гидродинамических моделей пластовых систем и протекающих в них процессов Существующие коммерческие программные пакеты для проведения моделирования представляют широкий набор инженерных средств, обеспечивающих принятие оптимального решения в управлении месторождением Однако точность выдаваемых ими прогнозов в большой степени зависит от разрешающей способности модели Из-за существующих вычислительных ограничений, высоко-детализированную сетку геологической модели подвергают осреднению до сетки с сотнями тысяч блоков Одно из решений усовершенствования симулятора основано на достижениях компьютерного прогресса в области аппаратных средств ЭВМ Второй подход состоит в том, чтобы непосредственно улучшить эффективность моделирования При таком решении остается возможность использования стандартных компьютерных средств, но с получением достаточно точных прогнозов за меньшее время

В сложных условиях залегания углеводородов на больших глубинах в тонких пластах-коллекторах при многокомпонентном литологическом составе и сложной структуре порового пространства возрастают требования к качеству интерпретации результатов геофизических исследований скважин (ГИС) Одним из направлений повышения геологической эффективности и оперативности использования материалов ГИС является автоматизация процессов сбора обработки и интерпретации информации с использованием ЭВМ При наличии эмпирической базы данных возможно использование методов извлечения знаний из данных и применение обучающихся информационных систем Так как задачи интерпретации ГИС имеют в своей основе сложные функциональные зависимости, то для их решения нашли применение системы нейронных систем, нечеткой логики При разработке интеллектуальных компьютерных систем предпочтение отдается методам, допускающим представление знаний в виде набора некоторых понятных человеку правил

В целом, применение математических методов теории интеллектуальных систем для интерпретации данных ГИС, позволяющее сократить временные затраты и повысить надежность результатов оценки продуктивности скважин, разработка и применение методов непосредственного улучшения компьютерного моделирования месторождений, а также их интегрирования с уже существующими технологиями, являются актуальными задачами

Цель работы состоит в разработке и научном обосновании совместного применения эффективных вычислительных технологий для решения задач оперативной ишерпретации данных ГИС, ранжирования и ремасштабирования геостатистических реализаций модели пластовой системы, что будет способствовать упрощению процесса управления и контроля комплексной интерпретации исходных данных в рамках геолого-технологического моделирования и разработки нефтяных месторождений

Для достижения цели требуется решить следующие задачи

- разработать метод построения деревьев решений с возможностным критерием разбиения и нечетким логическим выводом,

- выбрать и обосновать методику преобразования сигналов, соответствующих оцифрованным каротажным данным,

- формализовать задачу интерпретации данных ГИС для ее решения с помощью аппарата нечетких деревьев решений и вейвлет-преобразований,

- создать алгоритмы последующей обработки результатов работы нечетких деревьев решений для повышения качества и надежности интерпретации,

- предложить новый подход к ранжированию геологических продуктивных пластов с использованием моделирования на базе метода линий тока (MJTT),

- разработать методику укрупнения ячеек математической модели при переходе от детальной геологической модели коллектора к его осредненной фильтрационной модели на основе МЛТ-моделирования,

- использовать новую информацию, предоставляемую МЛТ-симулятором, для качественной оценки эффективности схемы размещения скважин,

- апробировать разработанные методики и подходы на примерах реальных месторождений

Объектом исследования является геолого-технологическое моделирование нефтяного пласта, а также данные геофизических исследований скважин, представленные в цифровом виде

Предметом исследования являются математическое описание алгоритмов и методов интерпретации каротажных диаграмм, определение продуктивных коллекторов и их классификация на основе метода нечетких деревьев решений и вейвлет-преобразования, а также применение МЛТ при комплексной интерпретации данных.

Методы исследования. В работе применялись теоретические и экспериментальные методы исследования

При решении задачи распознавания литологаческой структуры разреза скважины использовалась модель нечеткого дерева решений Настройка параметров нечетких деревьев осуществлялась на комбинациях методов каротажа, входящих в состав стандартного набора методов ГИС, снимаемых на скважине Для получения дополнительной информации о границах коллекторов геофизические сигналы обрабатывались с применением дискретного вейвлет-преобразования Результаты работы исследовались на предмет адекватности выделенных нефте-газонасьпценных, водо-насыщенных и непродуктивных участков разреза скважины экспертным оценкам.

Цифровые геологические модели исследуемых примеров месторождений отстроены на программном продукте IRAP RMS фирмы ROXAR в виде трехмерной детерминированной геологической модели При моделировании пластов использовалась

трехмерная дискретная сетка геометрии угловой точки (Corner Point) с равной мощностью ячеек по оси Z Построение гидродинамической модели проводилось с использованием пакета программ расчетного комплекса 3DSL фирмы StreamSim Technologies

Достоверность и обоснованность полученных в работе результатов и выводов подтверждена сопоставительным анализом разработанных и существующих математических моделей и методов, а также итогами проведения вычислительного эксперимента.

Математические модели, алгоритмы и прикладные программы, используемые в работе, основаны на положениях теории обычных и нечетких множеств, теоретических основах функционального анализа, теории статистического анализа, теории информации, теории вероятности, вычислительной гидродинамики, подземной гидромеханики и флюидодинамике, нефтегазовой геологии

Достоверность экспериментальных результатов обеспечена использованием большого объема экспериментального материала по ГИС, моделированием фильтраций флюидов в существенно отличающихся по строению пластах при различных начальных и граничных условиях, хорошей согласованностью прогнозируемых и реальных эксплутационных характеристик

На защиту выносятся результаты разработки и применения эффективных вычислительных технологий для геолого-технологического моделирования и разработки нефтяных месторождений, в том числе

- метод и алгоритм построения деревьев решений с нечеткими условиями и нечетким логическим выводом для решения задач геофизической классификации, аппроксимации и прогнозирования,

- методика экспресс-оценки запасов углеводородов с применением нечетких деревьев решений,

- обоснование для проведения геофизической интерпретации дискретным вейвлет-преобразованием,

- алгоритм методики оценки продуктивности газовых и нефтяных скважин по показаниям геофизических методов,

- методика ранжирования геостатистических моделей пласта на основе применения MJIT,

- методика ремашетабирования геологической модели коллектора на основе применения MJIT,

- методики качественной оценки эффективности размещения схемы расположения скважин на основе применения MJIT;

- результаты численных расчетов и экспериментов с использованием данных реальных месторождений

Научная новизна результатов диссертационного исследования, полученных лично автором, заключается в следующем

- развит алгоритм построения бинарного дерева решений с новым информационным критерием выбора атрибута и условием для ветвления, основанном на возможностной мере нечеткости,

- разработан новый метод классификации и аппроксимации, использующего для генерации правил возможностное дерево решений и нечеткий логический вывод по Сугено,

- создана новая методика определения нефтегазонасыщенности и продук-

тивности скважин по результатам интерпретации ГИС с совместным применением метода нечетких деревьев и вейвлет-преобразования;

- предложена методика ранжирования геостатистических моделей пласта, базирующаяся на иерархическом принципе учета неопределенностей в исходных данных, в которой кршериями ранжирования являются функция коэффициента охвата, вычисляемая с помощью времени пролета вдоль линии тока, и функция первоначального объема нефти при нормальных условиях (БТОПР),

- разработана методика ремасштабирования геологической модели коллектора в вертикальном направлении с сохранением существенных неоднородных особенностей коллектора путем укрупнения слоев с близкими по среднему значению коэффициентами охвата, вычисляемого на основе МЛТ-моделирования;

- для качественной оценки эффективности схемы размещения скважин предложены три методики баланса схемы расположения скважин, оценки эффективности нагнетания и оценки эффективности добычи путем расчета с помощью МЛТ объема пористого пространства коллектора, ассоциированного с каждой отдельной скважиной.

Практическая значимость работы определяется тем, что применение системы интерпретации ГИС на основе метода нечетких деревьев позволяет существенно сократить временные затраты при решении задачи литологической классификации Разработанные в работе методики и алгоритмы экспресс-интерпретации данных ГИС позволяют существенно автоматизировать труд геофизика-интерпретатора с одновременным повышением качества интерпретации Применение системы повышает уровень достоверности и согласованности данных, используемых в качестве исходных при построении геологических, гидродинамических и других моделей месторождений Система интерпретации может функционировать на вычислительных средствах с ограниченными возможностями

Разработанный в диссертации новый подход к генерации и ранжированию геостатистических реализаций коллектора позволяет в рамках комплексной интерпретации данных при геолого-технологическом моделировании определять пессимистические, вероятные и оптимистические сценарии разработки с учетом неопределенностей в будущих прогнозах Авторская методология выбора оптимальной процедуры вертикального ремасштабирования может быть успешно применена в реальных промысловых исследованиях, что позволит существенно снизить затраты на адаптацию по истории моделей месторождений Предложенные авторские методики качественной оценки эффективности схемы размещения скважин могут использоваться для оптимизации эксплуатационных характеристик месторождения

Реализация работы в производственных условиях. Результаты исследования протестированы в ходе верификации геолого-геофизических и промысловых данных, геолого-технологического моделирования и разработки ряда нефтяных месторождений Западной Сибири Работа может быть использована предприятиями нефтегазодобывающей отрасли, организациями, занимающимися построением ряда различных моделей на основе геолого-геофизической и промысловой информации

Апробация работы Основные положения и результаты диссертации докладывались и обсуждались на. Международных научно-технических конференциях «Информационные технологии в инновационных проектах» (Ижевск, 2003-2004), VI Международный конгресс по математическому моделированию (Нижний Новогород,

2004), Международной конференции «Компьютерное моделирование» (Санкт-Петербург, 2003-2004), 4-м научном симпозиуме «Геоинформационные технологии в нефтепромысловом деле» — секции «А» 6-го международного конгресса нефтегазо-промышленников России (Уфа, 2005), Международных симпозиумах «Надежность и качество» (Пенза, 2005-2007). 33-й международной конференции «Информационные технологии в науке, социологии, экономике и бизнесе» (Украина, Крым, Ялта-Гурзуф, 2006), 6th international conference «Vibroengmeenng 2006» (Каунас, Литва, 2006), 34-й Международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе» (Украина, Крым, Ялта-Гурзуф, 2007), VIII Международной научно-технической конференции «Искусственный интеллект - 2007» (пос Дивноморское, 2007), Международной научно-технической конференции «Многопроцессорные вычислительные и управляющие системы» (пос Дивноморское, 2007)

Публикации. Основные научные результаты по теме диссертации опубликованы в 16 научных работах общим объемом 7,94 п л Автор имеет 7 научных трудов в издании, выпускаемом в РФ и рекомендуемом ВАКом для публикации основных результатов диссертаций

Структура диссертационной работы Диссертация состоит из введения, 4 глав, заключения, списка литературы и приложения с актом о внедрении и использовании результатов работы, изложенные на 192 стр машинописного текста В работу включены 80 рис, 4 табл и список литературы из 168 наименований

СОДЕРЖАНИЕ РАБОТЫ

В первой главе рассмотрены этапы, исходная информация и цель создания трехмерных геолого-гидродинамических моделей нефтяных месторождений Проведен анализ применимости существующих методов обнаружения знаний в базах данных (knowledge discovery in databases, KDD) для задачи обработки и анализа геофизической информации при разведочном бурении скважин Рассмотрены методы кластеризации, нейронные сети, системы нечеткого логического вывода, метод ассоциаций, метод ближайших соседей, деревья решений, регрессионные методы, эволюционное программирование Поставлена проблема увеличения эффективности компьютерного моделирования пластовых систем Описана технология повышения эффективности моделирования залежей на основе MJIT, указаны его достоинства и недостатки

Во второй главе предложен метод и алгоритм построения деревьев решений с нечеткими условиями и нечетким логическим выводом для решения задач геофизической классификации, аппроксимации и прогнозирования

Допустим, целевая переменная соответствует некоторым классам, на которые разбито множество данных Требуется отыскать некоторое классифицирующее правило, позволяющее разбить множество данных на эти классы В процессе поиска классифицирующего правила проводится перебор всех независимых переменных и отыскивается наиболее представительное правило на данном этапе В обычных деревьях решений применяются предикаты вида x<w, x>w Данные разбиваются на две группы в соответствии со значением этого предиката После этого процесс повторяется для каждой из этих групп до тех пор, пока получающиеся подгруппы содержат в себе представителей классов и включают в себя достаточно

большое количество точек для того, чтобы статистически значимо быть разбитыми на меньшие подгруппы В результате, окончательное классифицирующее правило, построенное этим процессом, может бьпъ представлено в виде бинарного дерева Каждый узел этого дерева соответствует некоторому подмножеству данных и содержит найденное классифицирующее правило для этого подмножества

Алгоритм построения нечеткого дерева решений имеет следующий вид 1) по набору обучающих данных строится дерево решений с классами дискретных значений выходной переменной, формируются правила, задается вид функций принадлежности для условий, 2) вычисляются степени истинности каждого правила, 3) определяются по набору обучающих данных весовые коэффициенты prj, г = 1, Кк, j = 0, и, 4) рассчитывается непрерывное значение выходной переменной в соответствии с нечетким выводом Сугено (наряду с нечетким выводом по Сугено можно осуществлять вывод по Мамдани, в этом случае сохраняются пункты 1-4 алгоритма), 5) задаются функции принадлежности для правой части правил (рассматривались функции принадлежности гауссова типа), количество функций принадлежности равно количеству классов К, на которые разбита выходная перемешая; осуществляется максимальная композиция или объединение полученных функций м(у)' max (Br (у)), 6) с применением цен-

троидного метода проводится дефазификация и находится оценка у

Обучение нечеткого дерева фактически не требует итераций Построение дерева позволяет за один этап определить весовые коэффициенты и обучить данную систему Построение дерева с числом узлов порядка 500 не занимает более одной 1 секунды на ПК на базе процессора Pentium 4, определение весовых коэффициентов с числом правил 120-150 требует 3-5 секунд Эти вычислительные затраты существенно ниже требующихся при обучении нейронных сетей и, в частности, нечеткой сети TSK Алгоритм пригоден дан решения, как задач классификации, так и аппроксимации

В работе разработана методика экспресс-оценки запасов углеводородов с применением нечетких деревьев решений На этапе проведения поисково-разведочных работ проводится предварительная оценка запасов нефти и газа По данным разведочного бурения определяются запасы категории С2 неопробованных продуктивных пластов Запасы этой категории определяются по результатам бурения, керна и геофизических исследований скважин Продуктивные пласты нефтяных, газовых и газокон-денсатных месторождений характеризуются пористостью, проницаемостью, насыщенностью нефтью, газом и водой Для оценки объема содержащихся в породе углеводородов необходимо знание величины коэффициента эффективной пористости

При наличии системы из М скважин, определяющих свойства рассматриваемого объема в каждой точке с координатами х,, yt, z, i = 1,М, начальные запасы нефти на основе объемного метода определяются формулой Q=°Рп ^ I ^ 'z) ' ^'z) ^' где AFj ~ площадь треугольника, вершинами которого являются скважины, N - количество треугольников, покрывающих рассматриваемую залежь, кр — коэффициент открытой пористости, кп - коэффициент нефтенасыгценности, 9, рл - усадка и плотность нефти соответственно Аналогичным способом по объемному методу определяются запасы газового

месторождения = Р^]-^) {А {Х]'У]->2)кх (Ъ'Уг2)^

Плотность газа вычисляется по пластоюму давлению р и температуре Т и приводится к стандартным условиям рс, Тс рг = где - газовая

постоянная Характеристики пластов (коэффициенты пористости, нефтенасьтщен-ности, газонасыщенности) необходимо определить через показания геофизических методов Пористость и насыщенность нефтегазоносных пластов может сильно изменяться в одном и том же пласте Быстрое определение коэффициента пористости, границ коллекторов возможно осуществлять на основе экспресс-интерпретации результатов геофизических исследований скважин путем поточечного анализа

Обучающая выборка для определения коэффициента пористости имела 774 точки Половина из них (387 точек) вошла в тренировочную выборку Остальные точки использовались в качестве проверочной выборки В результате, коэффициент пористости определяется алгоритмом нечетких деревьев решений &ДХ) = /С(Х,Р), являющемся заменителем решения системы петрофизических уравнений

Сравнение фактических значе-

и Рис 1 Сравнение фактических и рассчитанных нии коэффициента пористости к/ с значений коэффициента пористости

рассчитанным значением показано на рис 1 Сформированные правила и весовые коэффициенты Р = рп, г = 1,КГ{, ] = 0,п получены по результатам обучения Входной вектор X = (Х1 ) соответствует показаниям геофизических методов Х1 -метод БК, Хг - акустический метод, Хъ - гамма-метод, Х4 - нейтронный гамма-метод; Х5 -метод кавернометрии

Вид зависимости значения коэффициента нефтенасьпценности от показаний геофизических методов кп (X) аналогичен кр (X) Правила и весовые коэффициенты получены на выборке из 738 точек, так же разделенной на две равные части тренировочную и проверочную Величина среднеквадратичной ошибки прогнозирования коэффициента нефтенасьпценности составляет 4,4% Прогноз с применением нейронной сети ГЖ дал ошибку в 6,5%

Проведенные численные исследования показали, что целесообразно привлечь дополнительную информацию, связанную с определением границ пластов коллекторов На основе метода деревьев решений определяются границы пластов - коллекто-

, ¡1 -коллектор

ров по показаниям геофизических методов X или функция Ц X) = <

[О - не коллектор

Подставив эту функцию в формулу для запасов, получим нижнюю оценку величины

О 02 0 4 06 0.8 1

запаса, соответствующей анализируемой скважине:

О, -ф^'Хы, >где Щ - величина шага по глубине скважины.

Фрагмент каротажной диаграммы показан на рис. 2.

Рис. 2. Фрагмент каротажной диаграммы

Сложность создаваемых деревьев определяется количеством узлов и ветвей. Простое дерево имеет более наглядный вид. Одним из факторов, влияющих на сложность дерева, является минимальное количество объектов (точек) в конечном узле - РтЫ. Данные каротажа характеризуются высокой степенью зашумленности и значение Ртт должно быть достаточно большим. Для установления наилучшего значения Ртп проведена серия расчетов, выявившая зависимость сложности построенных деревьев от минимального количества объектов в конечном узле. Сложность характеризуется количеством полученных правил.

Результаты выделения пластов по алгоритму деревьев решений приведены на рис. 3 (сплошная линия) для проверочных данных (новая скважина). Здесь же показаны результаты экспертной интерпретации (пунктирная линия с крестиками).

к "" схра1--р! 0£Г10а |

1 ]|| г— -о!-1 ;—<~— Г 1 ■г-^ г

1020 1030 1040 1050 1060 1070 1080 1090 1100 1110 И,м

Рис. 3. Сравнение результатов классификации с экспертной интерпретацией

Доля правильно классифицированных точек на данной скважине составила 82%. Можно отметить наличие тонких пластов, выделенных алгоритмом деревьев решения, и их отсутствие у интерпретаторов. Это связано с тем, что при интерпретации обычно ставится условие: не учитывать тонкие пласты. Введение этого условия в алгоритм классификации также убирает тонкие пласты. Результаты обработки 20 скважин показали, что средняя доля правильно распознаваемых пластов составляет 79% при 75%, полученных с помощью нейронных сетей.

В работе обосновано проведение геофизической интерпретации дискретным вейвлет-преобразованием. Каротажные сигналы содержат случайные высокочастотные составляющие. Для повышения качества интерпретации целесообразно очистить сигнал от' шума. Максимальная частота определяется дискретностью записи показаний ГИС. Чрезмерное подавление высокочастотных составляющих также нежела-

тельно, т к они могут нести информацию о структуре разреза скважины

Одним из направлений обработки сигналов с разложением на составляющие с разными частотами является применение вейвлет-преобразований Обозначим снимаемый по глубине скважины к сигнал Непрерывное вейвлет-

/___ч / \ I 1-1/2 Г ' N ^ - \ /

преобразование имеет вид (^Ух)(я,т) = , где функция,

удовлетворяющая условию ^ц/(1г)с111 = 0, называется вейвлетом

Для дискретных сигналов приметается дискретное вейвлет-преобразование с дискретными значениями т 1Утп(х) где 5 = 5™,

т = иг0л-™ ,т,п— целые числа Величины ¿'0 > 1, г0 > 0 в частности = 1, г0 =1

Семейство функций ц/тп^) = 2~т121(/{2~т(-п} образует ортонормированный базис В соответствии с идеями кратномасштабного анализа определяются масштабирующая функция <г>(?) = %/2^сп^(2/-и) и =л/2^л(-1)"с_п+19>(2/-и), где коэффициенты сп определяются с помощью функции тй(£) = \/„спе~'"( Функции , имеющие компактный носитель,

полностью определяют вейвлет-преобразование

В диссертационной работе рассмотрено несколько вариантов определения коэффициентов сп Результаты показали, что для анализа геофизических сигналов хорошо подходят вейвлеты Добеши с минимальной асимметрией, имеющие максимальное число нулевых моментов с N = 8, и - О, ТУ -1 Разложение сипнала дает две составляющие (р{к), '//(А), полностью характеризующие исходный сигнал и позволяющие его восстановить Функция <р(к) характеризует сглаженный вариант сигнала Процедура разложения может рекурсивно продолжаться на последующих уровнях кратности Коэффициенты вейвлета ///(/г) дают информацию об отклонениях сигнала от низкочастотной составляющей Анализ коэффициентов вейвлета позволяет выделить особые точки и выявить нерегулярные выбросы функции и ее производных

Функции <р(х), 1//(х) характеризуются нерегулярностью и значительной асимметрией Увеличение длины компактного носителя улучшает регулярность данных функций Применение фильтров с меньшей асимметрией улучшает качество сжимаемости Для снижения асимметрии фильтров также применяются койфлеты

По физическому смыслу свойства породы, определяющие газо- и нефтена-сыщенпость, резко изменяются на ]раницах коллекторов Это приводит к изменению показаний каротажных методов Поэтому применение вейвлет-преобразование дает дополнительную информацию о строении исследуемой породы

На рис 4 показан фрагмент каротажной диаграммы, на котором представлены запись исходного сигнала, соответствующего БК-методу, сглаженный сигнал и коэффициенты вейвлета Также показаны границы коллекторов, выделенные экспертом-интерпретатором и полученные расчетом по методу нечетких деревьев решений Из рис 4 следует, что повышение по модулю значений коэффициентов вейвлета соответствует границам коллекторов Это дает возможность определить функцию

. . ГО, Ч/(Ь)> Ау/ П,„ (/г) = •! , и использовать ее для уточнения границ коллекторов

[1, ^{Н)<Ац/

-исходный сигнал —♦— гейвпет —О— готесгор расчетный ксшгастср экспертный

Рис 4 Сигнал, его разложение и границы коллекторов Вейвлет-разложение также имеет лучшие сглаживающие показатели, по сравнению с Фурье-преобразованием На рис 5 показан результат сглаживания сигнала обоими методами Недостаток Фурье-фильтрации заключается в появлении отрицательных значений амплитуд, противоречащих физическому содержанию сигнала

-исходный сигаап -—<5к.тп>тр фур.е о фильтр в гиб лет

к

Рис 5 Сглаживание сигнала В работе разработан алгоритм методики оценки продуктивности газовых и нефтяных скважин по показаниям геофизических методов Алгоритм обработки результатов геофизических исследований скважин с применением метода нечетких деревьев решений и вейвлег-преобразования имеет следующий вид 1) проводится первичное сглаживание показаний геофизических методов с помощью вейвлет-преобразования (численные исследования показали, что достаточно двукратное масштабирование при А/г = 0,2 м), 2) проводится классификация результатов измерений методом деревьев решений с возможностным критерием и определяются границы коллекторов, 3) границы коллекторов уточняются с помощью полученных коэффициентов вейвлетов, 4) в коллекторах рассчитываются показатели пористости, газо-, нефте- и водонасыщенности с применением поточечного анализа показаний каротажных методов на основе метода нечетких деревьев решений; 5) определяется оценка продуктивности газовой или нефтяной скважины, либо их совокупности

Применение данного алгоритма привело к тому, что количество правильно распознанных пластов-коллекторов по результатам обработки 20 скважин, увеличилось с 79% до 84%, с соответствующим повышением точности прогноза продуктивности

В третьей главе укрупнено описаны основные этапы создания трехмерных геолого-гидродинамических моделей нефтяных месторождений Поскольку геологическое моделирование является основой для цифрового фильтрационного моделирования и совершенствования разработки месторождения, то приведены методи-

ческие аспекты создания трехмерных геологических моделей месторождения Кроме того, обоснованы математические модели расчета фильтрационных процессов на месторождении, указаны исходные данные для построения цифровой фильтрационной модели, сформулированы требования к точности исходных данных

В четвертой главе описано применение МЛТ при комплексной интерпретации данных

В работе представлен новый подход к ранжированию геологических продуктивных пластов с использованием моделирования на базе МЛТ Цель заключается в создании управляемого числа реализаций и предоставлении геологу информации о возможных неопределенностях в описании коллектора. Предложена «иерархическая методология» учета неоднородностей продуктивного пласта. Авторский подход к ранжированию базируется на использовании в качестве критерия связности время пролета линии тока, получаемого МЛТ-симулятором

Методика иллюстрируется на рис 6 В данном исследовании предлагается подход, который базируется на иерархических принципах Таким образом, сначала рассматривается неопределенность, обладающая потенциально наибольшим влиянием Например, при ограничешюм управлении скважиной структурная неопределенность, полученная в результате интерпретации данных сейсмической разведки, может сильно влиять на режим фильтрации, либо наибольшую значимость представляет неопределенность в распределении трещин Затем исследуется следующий уровень неопределенности и т.д. Самым последним уровнем неопределенности является множество геостатистических реализаций коллекгорских свойств для заданного набора входных параметров Петрофизические неопределенности имеет тенденцию слабо влиять на динамику совместной фильтрации флюидов по сравнению с другими факторами, влияющими на более масштабные движения жидкостей и газов в пластовых условиях

В диссертационной работе использовался трехмерный МЛТ-симулятор для моделирования совместного движения флюидов в пласте В МЛТ определение насыщенностей отделяется от основной сетки за счет использования координат времени пролета В качестве основного критерия ранжирования был использован объемный коэффициент охвата Как только время пролета вычислено объемный коэффициент охвата в любой момент времени может быть рассчитан по известному распределение времени пролета следующим образом К«ср 1(/) = Х!, где ® - функция Хэвисайда, и -объ-

емный расход, соответствующий линии тока у/1

Важно также включить значения первоначального объема товарной нефти (БТОПР) в процесс ранжирования, чтобы рассматривать количество нефти для каждой реализации Идея состоит в том, что оптимистический сценарий может характеризоваться высоким охватом и большим значением 8ТОИР, тогда как пессимистический

Рис б Методика ранжирования

сценарий соответствует низкому охвату и малому значению БТОПР. Таким образом, вероятный сценарий может иметь средние значения Б'ГОИР и коэффициента охвата.

Помимо этого, определяется индекс неоднородности для моделируемых карт проницаемостей, который определяется как /н = а/К, где сг — среднеквадратичное отклонение логарифмически нормального распределения проницаемостей; 7? - длина корреляции.

Комплексная параметризация пласта проводилась для естественно трещиноватого карбонатного коллектора. Структурно месторождение характеризуется пологой, простой, вытянутой антиклиналью, побуженной в северовосточном и юго-западном направлениях. К настоящему моменту было пробурено 39 скважин (вертикальных и горизонтальных). Однако уже в имеющихся данных присутствует значительная неопределенность. Распределение разломов для данного месторождения игнорировалось. Тем не менее, в коллекторе имеется существенный разброс трещин в виде трещинных коридоров. Он формировался случайным образом на основе сейсмических и скважинных данных.

Структурное моделирование ос)тцествлялось с использованием четырех карт поверхности, полученных по результатам сейсмики, которые приводят к трем основным моделям пласта.

Множество трехмерных реализаций генерировались с использованием информации о типе породы и петрофизических свойствах (пористость, проницаемость и насыщенность водой) в местоположениях скважин, полученных на основе каротажных и керновых данных. Далее на эти реализации были наложены результаты сейсмометрических измерений пористости. Тип породы в местоположениях скважин генерировался с использованием элетрофациального подхода, результатом которого стали восемь различных основных типов породы (ОТП).

Были разработаны две вариограммные модели, которые использовались при геостатистическом моделировании. Первая модель базируется исключительно на скважинных данных (точные данные), тогда как вторая модель получается на основе как достоверных, так и неточных данных.

Моделирования свойств проводились с использованием гауссовского моделирования, и сейсмические ограничения вводились через процедуру обновления данных Бай-еса. Эта процедура давала непротиворечивые свойства пласта, которые согласуются с основным распределением разных типов пород. Рис. 7 демонстрирует одну из реализаций, созданной для конкретных типов пород, пористости и проницаемости, которые отра-

Тип породы

Пористость

—; -.

Проницаемость

4Й||

ш

Насыщенность водой

Рис. 7. Поперечный разрез одной из генерируемых реализаций

Ш ♦ —-—Y- r-—-ii-l 1 ; —<-¿H

• * t! '

I0x'♦ JE W 10207* * 19M i

!

Ш)

7000

О 10Ш 2000 УХО «00

Число Дней с начала разработки

Рис 8 Модель изменения давления в псевдо-источниках

жают класс неоднородности и диапазоны изменения пористости, а также проницаемости, сформированной для данного пласта

Всего было создано 48 реализаций учитывающих четыре основных типа неопределенностей структура (три случая), пространственная модель (две модели), петрофи-зические свойства (два случая) и геостатистические реализации (четыре случая)

Исследуемый

вдоль грапицы водоносного слоя для имитации его напора

пласт находится в

стадии первичной разработки и осуществляет отдачу при сильном притоке из водоносного слоя. Водоносный слой моделировался с помощью псевдоисточников вдоль границы пласта с заданным давлением. Размер каждой ячейки сетки остается неизменным Данные о давлении, полученные с наблюдательных скважин в водоносном слое, используются для нахождения давления в псевдо-источниках вдоль границы пласта (рис 8)

Важным фактором является минимизация числа обновлений давления для увеличения вычислительной эффективности Способ состоит в том, чтобы объединить различные скважинные события Графики изменения расходов упорядо- д««.

чиваются таким образом, ^ Упрощенный график отбора для скважины Well-14

чтобы учитывать только сильные изменения, а не малые флуктуации в процессе добычи Было отмечено, что уменьшение числа обновлений до 14 позволило достаточно точно воспроизводить значительные изменения давления по сравнению с ежемесячными обновлениями по всей истории разработай В качестве примера, на рис 9 показан средний темп добычи для скважины Well-14, используемый в МЛТ-модели

После проведения МЛТ-моделирования, были рассчитаны суммарные коэффициенты охвата для каждой реализации в конце каждого интервала обновления давления Результаты вычисления коэффициента охвата и неопределенности в STOIIP для 48 реализаций показаны на рис 10 В целях достоверности значения STOIIP нормализуются с использованием следующего уравнения

Нормализованный STOIIP, = STOIIP, jSTOIIP, jiV j, где N представляет co-

1

i oooo

9000 SO00

6000 <000 4000 'ООО ">000

Текущий дев« I -*~C(*weej

f t

figeWV« i

г ► T

rJ

fit,»

I '¡ ♦ Л:"

I I P. I'.Y'i r"* ó ,л

;

70 О 80 О 90 1 00 1 10 1 20

Нориалиэирояанныи ST0IIP

Рис 10 Суммарный расчет коэффициента охвата для всех реализаций

бой число реализаций Три скопления на рис 10 соответствуют трем структурам (низкой, средней и высокой) На этом рисунке значения коэффициента охвата больше для реализации с низкой структурой по сравнению с теми, которые имеют более высокую структуру Однако более удобно строить кросс-плот «Коэффициент охвата / Поровый обьем» от БТОИР, как показано на рис II В этом случае проще устанавливать связь между различными структурными группами

Используя критерии ранжирования, три реализации передаются для детального моделирования на базе МКР и адаптации по истории Это относится к реализациям под номером 41, 15 и 27 для пессимистического, вероятного и оптимистического случаев соответственно Эта реализации выделены красным цветом на рис 11, и их свойства суммируются в табл 1

В работе разработана методика оптимального ре-масштабирования геологической модели с сохранением существенных неоднородных особенностей коллектора Наиболее значительный уровень неоднородности наблюдается в вертикальном направлении Степень осреднения по вертикали определялась путем исследования фронта заводнения, который может быть быстро выявлен с помощью МЛТ-симулятора Идея состоит в укрупнении слоев с близкими по среднему значению коэффициентами охвата Величины коэффициентов охвата коллектора для каждого слоя изображается в виде графика, как показано на рис 12 Этот график позволяет определить те слои, которые будут объединяться в процессе ремасштабирования по вертикали

Оценить влияния ремасштабирования можно путем проведения МЛТ-моделирования для каждого применяемого сценария ремасштабирования и вычисления коэффициенты охвата для каждого слоя На данном этапе происходит осреднение значений проницаемостей

Оптимальный уровень ремасштабирования то вертикали определялся двумя способами 1) распределение фронта заводнения изображается графически с использованием параметра времени пролета для каждого из укрупненных слоев, 2) визуально

0 ВО О 90 100 1 10 1 20

Нормализированным STOIIP

Рис 11 Кросс-плот «Коэффициент охвата / / Поровый объем»

сравниваются вертикальные сечения пласта.

Таблица 4.2.

Коэффициент охвата. ХТОПР и /н для трех выбранных реализаций

Реализация 15 27

Структура Высокая Средняя Низкая

Нормализированный ЭТОПР 0,77 1,01 1,23

Коэффициент охвата / Поровый объем 0,54 0,65 0,74

Индекс неоднородности 0,16 0,13 0,10

Бьшо проведено комплексное исследование сильно изломанног о карбонатного месторождения в Западной Сибири. Стратегия параметризации пласта для данного исследования начиналась с создания геологической схемы типов пород-коллекторов (ТПК). Схема затем использовалась для сужения интервала возможных значений геостатистических характеристик.

Можно Можно

к, Коэффициент охвата коллектора при вытеснении нефти

Рис. ¡2. Реализация сценариев ремасштабирования

О 50 100 150 200 250

Номер слой

Рис. 13. График коэффициента охвата для детальной геологической модели На рис. 13 построен график значений коэффициента охвата для каждого слоя детальной модели. Этот график использовался для определения слоев, которые можно укрупнить в процессе ремасштабирования по вертикали. В результате, были выбраны 5 различных способов вертикального осреднения: 100, 75, 55, 46 и 31 слоев соответственно. Использовались следующие техники осреднения свойств: пористость путем нахождения среднего арифметического; насыщенность водой путем нахождения среднего арифметического; проницаемость путем усреднения тензоров; типы пород путем выбора породы с наибольшим поровым объемом.

В процессе ремасштабирования для визуального сравнения фронта заводнения использовались карты времени пролета. На рис. 14 показано влияние ремасштабирования на фронт заводнения для 5 различных способов укрупнения по вертикали. Видно, что оптимальная степень укрупнения лежит где-то в районе 55 слоев. На рис. 15 изображен графики послойных коэффициентов охвата в зависимости от уровня вертикального ремасштабирования. Более детальное исследование кривых коэффициентов охвата для модели с 55 и 246 слоями показывает, что присутствуют несколько областей возможного улучшения графиков эффективности вытеснения, как показано па рис. 16. В итоге, модель с 55 слоями была детализирована для получения модели с 57 слоями, график коэффициентов охвата которой приведен на рис. 17. Таким образом, можно считать, что модель с 57 слоями

Нельзя Нельзя

будет включать оптимальную укрупненную сетку с сохранением той же степени неоднородности, что и в детальной геологической модели.

В работе методика ремашстабирования апробировалась на примере месторождения, для которого ранее проводилось ранжирование его геостатистических реализации. Аналогично путем исследования значении коэффициента охвата были выбраны семь разных способов осреднения по вертикали (80, 66, 50, 36, 30,20 и Ц слоев). Результаты численных исследований показали, что модели с числом слоев выше 30 достаточно хорошо воспроизводят детальную геологическую модель.

^^^^ЙЙйй ненной моделей. Значи-^авйшвшт телшью отклонения про-

РУ®^®^'5' ^ слоев и

Для детальной и осред-ив/Ыи"" ненной моделей соот-

ветственно. Главные особенности детального описания просматриваются и в укрупненной модели.

В диссертации описана авторские методики качественной оценки эффективности схемы размещения скважин. Лиши тока могут мгновенно указать водоотдачу со скважинами за пределами основной схемы. Линии тока естественным образом позволяют определять распределение потоков между скважинами за счет

Рис. 14. Фронт заводнения в поперечном разрезе пласта дли различных уровней рсмасштабириваним

100 150

Номер слоя

Рис. 15. Значения коэффициента охвата кзяедого слоя в зависимости от уровня ремасщтабирования суммирования объемных расходов через все линии тока, связанные с конкретной скважиной, парой скважин или группой скважин (рис. 22).

В рамках Методики оценки эффективности нагнетания более «эффективные» нагнетающие скважины, к примеру, должны, вероятно, получать больший объем нагнетаемой жидкости, чем менее эффективные скважины. На рис. 23 показаны

Иоаможно

О 50 100 150 200

Номер слоя

Рис. 16. Более детальное исследование графиков коэффициентов охвата моделей с 55 и 246 слоями

^ОЛОПВ!^ дешпше Для и I С1-

новившегося заводнения. График зависимости между нагнетаемым объемом и выносом добытой нефти для каждой нагнетаемой скважины дает четкую картину качества работы скважин на всем месторождении. Устанавливая пограничную эффективность, равную отношению объемов добытой нефти к нагнетаемой воде в процентах (10% в этом примере), график может быть разбит на четыре квадранта, обозначенные под номерами 1, 2, 3 и 4.

Квадрант 1 (желтый) представляет наиболее эффективные нагнетающие скважины, т.е. те скважины, которые производят наибольшее количество нефти на каждый баррель нагнетаемой воды. Квадрант 4 (красный), с другой стороны, включает наименее эффективные скважины, которые при большом объеме воды производят малую величину выноса нефти. Эти скважины прямые кандидаты на закрытии, в частности, когда ограничен объем воды или их можно

Уровень ремаштзбирования

использовать более эффективно Рис, 18. Коэффициент корреляции между где-то в другом месте месторожде- эффективностью охвата коллектора

ния. Скважины в квадранте 3 про- для его детальной и укрупненной моделей изводят менее 10% нагнетаемого объема, но значительное количество по абсолютной величине и, таким образом, требуют более детального анализа.

Аналогично, скважины в квадранте 2 производят менее 10% нагнетаемого

Рис.

100 160

Номер слоя

17. Графики коэффициентов охвата для моделей с 246 и 57 слоями

объема, но с другой стороны не требуют больших по абсолютному значению объемов нагнетаемой воды Что с ними делать, зависит от проведенного инженерного анализа разработки месторождений Например, вода, используемая скважинами в квадранте 4 (и возможно в квадранте 3), могла бы быть перенаправлена в скважины в квадрантах 2 и 3 для «перемещения» их в квадрант 1.

В рамках методики оценки эффективности добычи индикатором может выступать обводненность скважины

Поскольку линии тока позволяют определять ассоциированный с добывающими скважинами поровый объем, то возможен более детальный анализ, при котором строится кросс-плот дебита нефти и средней нефте-насыщенности для всех эксплутаци-онных скважин (рис 24) Кросс-плот делится на участки с помощью диагональных линий, причем самая левая линия представляет эффективную линейную зависимость дебита нефти от средней нефтенасыщенносги для данного конкретного месторождения

Уровень ремэштабмоовэния

Рис 19 Дисперсия коэффициентов охвата для детальной и укрупненной моделей

Пористость

20 30 40

О ё «•

во го «о во 100

0 00 10 00 20 00 30 00 40 00

-Мелким масштаб -Крупный масштаб

Рис 20 Значения пористости для разных масштабов в скважине \Yell-14

Проницаемость

10 100 1000 10000 100000

-Мелким масштаб -Крупный масштаб

Рис 21 Значения проницаемости для разных масштабов в скважине \VcU-14 В приведенном примере эту линию определяют три скважины (рис 4 26) Средняя и самая правая линии проводятся параллельно первой линии Задавая пороговое значение дебита (горизонтальная линия на рис 24), в кросс-плоте образуются подобласти, идентифицирующие самые эффективные эксплутаци-онные скважины (желтые), наименее эффективные добывающие скважины (красные) и скважины (зеленые), работу которых можно улучшить Скважины, обозначенные черным цветом, на рис 24 занимают промежуточное место, т к

они неэффективны с точки зрения отдачи, но, с другой стороны, соседствуют с областями коллектора с высокой средней нефтенасыщенностью.

Рис. 22. Использование линий тока для баланса системы расположения скважин

<1 «€ Я 9 а Ш л

■ • ф 1

• ••

• * • • У»» *

10000 нагнетаемый расход воды, ЭТВО ЭОООО

Рис. 23. Кросс-плот дли оценки эффективности нагнетающих скважин

'О 15 20 Средетя дефтемасыидоюсть вб!кзи скззтны, %50 55

Рис. 24. Кросс-плот для оценки дренируемого объема добывающих скважин

ЗАКЛЮЧЕНИЕ

В результате проведенного исследования получены следующие выводы.

1. Компьютерные технологии в области моделирования месторождений в настоящее время имеют тенденцию устойчивого роста интереса со стороны нефтяных компаний по внедрению их на предприятии. Они позволяют обосновывать стратегию разработки нефтяных месторождений, использовать их для решения производственных задач. Моделирование ориентировано изначально на залежи нефти в мощных пластах песчаников, значительных по площади простирания, разбуренных плотной сеткой скважин, при фонде скважин от нескольких сотен до нескольких тысяч скважин. Соответственно информативность исходных данных таких крупных месторождений достаточно высока.

2. В целом, в техническом отношении качество геофизического материала позволяет использовать его для трехмерного геологического моделирования. Детальность масштабов регистрации, скорость записи соответствуют требованиям, предъявляемым к исходным данным для количественной обработки и интерпретации. Комплекс промыслово-геофизических исследований позволил решить следующие геолого-промысловые задачи: провести детальное литологическое расчленение разреза скважин, выделить пласты-коллекторы, оценить их эффективную толщину; определить значения пористости и нефтенасыщенности коллекторов в каждом пластопересечении; определить характер насыщения пластов-коллекторов.

3. Проведенный анализ методов обнаружения знаний в данных показал, что метод деревьев решений в задачах геофизической интерпретации имеет

преимущества в наглядности правил и быстроте обработке при высоком качестве классификации

4 Для применения метода деревьев решений к анализу непрерывных петрофи-зических зависимостей целесообразна его доработка в виде алгоритма нечетких деревьев решений с нечеткими условиями ветвления и с нечетким логическим выводом

5 Результаты применения метода нечетких деревьев для задач геофизической интерпретации показали его преимущество по сравнению с нейронными сетями, выражающееся в увеличении доли роста правильно распознанных коллекторов с 75% до 79% и снижение ошибки прогнозирования показателей газо и нефтенасыщенности с 6,5% до 4,4%

6 Получены правила, доступные для понимания интерпретатором, характеризующие зависимость литологических характеристик разреза скважины от показаний геофизических методов

7 Применение вейвлет-преобразования для сглаживания исходного сигнала и выделения границ коллекторов по виду коэффициентов вейвлетов повысило долю правильно распознаваемых коллекторов до 84%, что соответственно повысило точность прогноза продуктивности скважин

8 Метод нечетких деревьев решений в совокупности с вейвлет-преобразованием реализован в виде программного комплекса, позволяющего проводить количественную оценку продуктивности скважин непосредственно на месте бурения

9 Критерий времени пролета вдоль линии тока предоставляет общий и эффективный инструмент для ранжирования геологических моделей, который учитывает взаимодействие между статическими параметрами модели и динамическими режимами потока

10 Значения коэффициента охвата коллектора совместно с БТОНР могут использоваться для определения пессимистического, оптимистического и вероятного сценариев разработки месторождения

11 Высокая скорость ранжирования на основе МЛТ позволяет исследовать влияние неоднородностей, наблюдаемых в различных статических и динамических параметрах, в реальных промысловых условиях

12 Коэффициент охвата при известном параметре времени пролета является подходящим критерием для нахождения оптимальных способов вертикального ремасштабирования, при которых сохраняются важные детали неоднородного строения пласта

13 МЛТ дает прямое и точное решение проблемы качественной оценки эффективности схемы размещения скважин Линии тока естественным образом позволяют определять распределение потоков между скважинами за счет суммирования объемных расходов через все линии тока, связанные с конкретной скважиной, парой скважин или группой скважин, что позволяет лучше сбалансировать существующую систему разбуренных скважин

14. Востребованным на практике является метод, при котором определяется величина выноса добытой нефти как функции нагнетаемого объема Это тот самый тип информации, который линии тока предоставляют естественным образом График зависимости между нагнетаемым объемом и выносом добытой

нефти для каждой нагнетаемой скважины дает четкую картину качества работы скважин на всем месторождении

15. Поскольку линии шка позволяют определять ассоциированный с добывающими скважинами поровый объем (область дренирования), то становится возможным более детальный анализ, при котором строится кросс-пло1 дебита нефти и средней нефтенасыщенности (и даже объема подвижной нефти в стандартных условиях) для всех эксплутационных скважин Такой график сразу покажет наиболее эффективные добывающие скважины (высокий темп добычи при низкой нефтенасыщенности ассоциированного порового объема) и наименее эффективные добывающие скважины (низкий дебит и высокая нефтенасы-щенность области дренирования)

НАУЧНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1 Власов С П Предварительная оценка запасов нефти и газа по данным разведочного бурения // Информационные технологии в инновационных проектах Труды Международной научно-технической конференции - Ижевск Изд-во ИжГТУ, 2003 -С 27-33

2. Власов С.П Этапы и исходная информация создания геолого-гидродинамических моделей месторождения углеводородов // Математическое моделирование и интеллектуальные системы: Тематический сборник научных трудов Международной научно-технической конференции «Информационные технологии в инновационных проектах» - Екатеринбург-Ижевск Изд-во ИЭ УрО РАН, 2004. - С 14-21

3. Власов С П Анализ применения технологии моделирования пластовых систем на базе метода линий тока // VI Международный конгресс но математическому моделированию Сборник тезисов докладов. - Нижний Новгород Изд-во Нижегородского госуниверситета, 2004 - С 143

4 Власов С П, Денисов С В Адаптированная схема подготовки данных каротажа для их интерпретации с помощью многослойной нейронной сети // Вестник Московской Академии рынка труда и информационных технологий -2006.-№22 (44) - С 20-27

5 Власов С П, Лялин В Е Минимизация обучающей выборки для интерпретации геофизических исследований скважин с помощью аппарата нейроин-форматики // Вестник Московской Академии рынка труда и информационных технологий. - 2006 - № 22 (44) - С 69-78

6. Лялин В Е, Власов С П Применение метода деревьев решений для оценки запасов углеводородов по результатам геофизических исследований скважин // Вестник Московской Академии рынка труда и информационных технологий -2006 -№22(44) -С. 96-104

7 Власов С П, Сидельников К.А Методики качественной оценки эффективности схемы размещения скважин на основе метода линий тока // Вестник Московской Академии рынка труда и информационных технологий - 2006 -№24(46).-С 3-6

8 Власов С П, Сидельников К.А Методика ремасштабирования геологической модели коллектора на основе метода линий тока // Вестник Московской Аккаде

мии рынка труда и информационных технологий - 2006 - № 24 (46) - С 16-25

9 Сидельников К А, Власов С П Теоретические аспекты гидродинамического моделирования месторождений на основе метода линий тока // Вестник Московской Академии рынка труда и информационных технологий - 2006 -№24(46) -С 33-43

10 Сидельников К А, Власов С П Методика ранжирования геостатистических моделей пласта на основе метода линий тока // Вестник Московской Академии рынка труда и информационных технологий -2006 -№24(46) -С.49-60

11 Власов С П, Денисов С В Предобработка исходных данных для многослойной нейронной сети при интерпретации геофизических исследований скважин IIЖ АН Украины «Искусственный интеллект» - № 4 - Донецк Изд-во Наука 1 осв1та, 2007 - С 56-65

12 Власов С П , Лялин В Е Методы уменьшения обучающей выборки для нейронной сети при интерпретации данных геофизических исследований скважин // Ж АН Украины «Искусственный интеллект» - № 3 - Донецк Изд-во Наука 1 освгга, 2007 - С 509-517

13 Лялин В.Е, Власов С П Методика экспресс-оценки запасов углеводородов по результатам геофизических исследований скважин // Ж АН Украины «Искусственный интеллект» - № 4 - Донецк Изд-во Наука I освгга, 2007 - С 99-109

14 Власов СП, Лялин ВЕ Применение дискретного вейвлет-преобразования для проведения геофизической интерпретации // Многопроцессорные вычислительные и управляющие системы Мат-лы Междунар науч -гехн конф - Таганрог Изд-во ТТИ ЮФУ, 2007 -Т 2 - С 182-186

15 Лялин В Е., Власов С П Принципы моделирования производственно-технических процессов на основе нечетких систем // Многопроцессорные вычислительные и управляющие системы Мат-лы Междунар науч -техн конф -Таганрог Изд-во ТТИ ЮФУ, 2007. - Т 2 - С 28-33

16. Лялин В Е , Власов С П Нечеткие системы моделирования технологического процесса подготовки природного газа // Многопроцессорные вычислительные и управляющие системы Мат-лы Междунар науч -техн конф - Таганрог Изд-во ТТИ ЮФУ, 2007 - Т 2 -С 33-38

Лицензия ЛР № 020764 от 29 04 98

Подписано в печать 21 11 2007 Формат 60x84 1/16 Отпечатано на ризографе Уч-издл 1,89 Уел печ л 1,39 Тираж 100 экз Заказ № 785/1

Издательство Института экономики УрО РАН 620014, г Екатеринбург, ул Московская - 29

Введение.

1. Методы повышения эффективности создания трехмерных геолого-гидродинамических моделей нефтегазовых месторождений.

1.1. Исходная информация для моделирования нефтегазовых месторождений.

1.2. Задачи обработки и анализа геофизической информации при разведочном бурении скважин.

1.3. Методы и алгоритмы обработки геофизической информации.

1.3.1. Методы кластеризации.

1.3.2. Деревья решений.

1.3.3. Статистические подходы анализа данных.

1.3.4. Метод ближайших соседей.

1.3.5. Нейронные сети.

1.3.6. Методы нечеткого логического вывода.

1.4. Проблема компьютерного моделирования месторождений.

1.5. Гидродинамическое моделирование на базе метода линий тока

1.5.1. Наглядная визуализация потока флюидов.

1.5.2. Моделирование в масштабе всего месторождения.

1.5.3. Эффективность и скорость вычислений.

1.5.4. Возможность постепенного усложнения физических свойств потока.

1.5.5. Поток несжимаемой жидкости и управление скважинами

1.5.6. Новая (специфическая для метода линий тока) информация

1.6. Постановка цели и задач исследований.

2. Методика экспресс-оценки запасов углеводородов по результатам геофизических исследований скважин с применением нечетких деревьев решений.

2.1. Метод классификации, основанный на деревьях решений с вероятностным и возможностным критериями разбиения.

2.2. Метод построения нечетких деревьев решений.

2.3. Оценка начальных запасов нефти и газа на основе объемного метода

2.4. Применение дискретного вейвлет-преобразования для проведения геофизической интерпретации.

2.5. Параметрическая настройка дерева решений для задачи литоло-гического разделения.

2.6. Методика оценки продуктивности скважины.

2.7. Полученные результаты и выводы.

3. Методические аспекты геолого-технологического моделирования нефтегазовых месторождений.

3.1. Укрупненные этапы создания трехмерных геолого-гидродинамических моделей нефтегазовых месторождений.

3.2. Геологическое моделирование.

3.2.1. Методика и результаты интерпретации данных керна и ГИС.

3.3. Построение трехмерной геологической модели месторождений.

3.3.1. Обоснование объёмных сеток параметров модели.

3.3.2. Построение структурной модели.

3.3.3. Построение литологической модели и распределение ФЕС.

3.3.4. Построение модели насыщения пласта флюидами.

3.4. Подсчет запасов нефти.

3.5. Цифровая фильтрационная модель.

3.5.1. Математические модели расчета фильтрационных процессов на месторождении.

3.5.2. Исходные данные для построения цифровой фильтрационной модели.

3.5.3. Требования к точности исходных данных.

3.6. Полученные результаты и выводы.

4. Применение метода линий тока при комплексной интерпретации данных.

4.1. Методика ранжирования геостатистических моделей пласта.

4.1.1. Методика ранжирования.

4.1.2. Рабочий пример месторождения.

4.2. Методика ремасштабирования геологической модели коллектора

4.2.1. Процедура ремасштабирования.

4.2.2. Рабочие примеры месторождений.

4.3. Методики качественной оценки эффективности схемы размещения скважин.

4.3.1. Методика баланса схемы расположения скважин.

4.3.2. Методика оценки эффективности нагнетания.

4.3.3. Методика оценки эффективности добычи.

4.4. Полученные результаты и выводы.

Актуальность темы. Двадцать первый век приносит новые проблемы для мировой экономики. Динамичный глобальный рынок требует изменения существующей парадигмы в нефтяной отрасли, поскольку потребность в нефти продолжает доминировать в общемировой сфере энергопотребления.

Моделирование месторождений является одной из многих современных технологий, используемых при разработке и добыче нефти. Оно используется для сравнения различных механизмов добычи и предоставляет базу для экономического анализа потенциальных сценариев подготовки месторождения. Кроме того, к данному типу моделирования предъявляются все большие требования, т.к. нефтегазовые площади стареют, и процесс добычи становится все более сложным. Успешное, экономически обоснованное использование современных технологий интенсификации добычи нефти и повышения нефтеотдачи обеспечивается путем создания компьютерных цифровых геолого-гидродинамических моделей пластовых систем и протекающих в них процессов. Существующие коммерческие программные пакеты для проведения моделирования представляют широкий набор инженерных средств, обеспечивающих принятие оптимального решения в управлении месторождением. Однако точность выдаваемых ими прогнозов в большой степени зависит от разрешающей способности модели. Из-за существующих вычислительных ограничений, высоко-детализированную сетку геологической модели подвергают осреднению до сетки с сотнями тысяч блоков. Одно из решений усовершенствования симулятора основано на достижениях компьютерного прогресса в области аппаратных средств ЭВМ. Второй подход состоит в том, чтобы непосредственно улучшить эффективность моделирования. При таком решении остается возможность использования стандартных компьютерных средств, но с получением достаточно точных прогнозов за меньшее время.

В сложных условиях залегания углеводородов на больших глубинах в тонких пластах-коллекторах при многокомпонентном литологическом составе и сложной структуре порового пространства возрастают требования к качеству интерпретации результатов геофизических исследований скважин (ГИС). Одним из направлений повышения геологической эффективности и оперативности использования материалов ГИС является автоматизация процессов сбора обработки и интерпретации информации с использованием ЭВМ. При наличии эмпирической базы данных возможно использование методов извлечения знаний из данных и применение обучающихся информационных систем. Так как задачи интерпретации ГИС имеют в своей основе сложные функциональные зависимости, то для их решения нашли применение системы нейронных систем, нечеткой логики. При разработке интеллектуальных компьютерных систем предпочтение отдается методам, допускающим представление знаний в виде набора некоторых понятных человеку правил.

В целом, применение математических методов теории интеллектуальных систем для интерпретации данных ГИС, позволяющее сократить временные затраты и повысить надежность результатов оценки продуктивности скважин, разработка и применение методов непосредственного улучшения компьютерного моделирования месторождений, а также их интегрирования с уже существующими технологиями, являются актуальными задачами.

Объектом исследования является геолого-технологическое моделирование нефтяного пласта, а также данные геофизических исследований скважин, представленные в цифровом виде.

Предметом исследования являются математическое описание алгоритмов и методов интерпретации каротажных диаграмм, определение продуктивных коллекторов и их классификация на основе метода нечетких деревьев решений и вейвлет-преобразования, а также применение MJ1T при комплексной интерпретации данных.

Методы исследования. В работе применялись теоретические и экспериментальные методы исследования.

При решении задачи распознавания литологической структуры разреза скважины использовалась модель нечеткого дерева решений. Настройка параметров нечетких деревьев осуществлялась на комбинациях методов каротажа, входящих в состав стандартного набора методов ГИС, снимаемых на скважине. Для получения дополнительной информации о границах коллекторов геофизические сигналы обрабатывались с применением дискретного вейвлет-преобразования. Результаты работы исследовались на предмет адекватности выделенных нефте-газонасыщенных, водонасыщенных и непродуктивных участков разреза скважины экспертным оценкам.

Цифровые геологические модели исследуемых примеров месторождений отстроены на программном продукте IRAP RMS фирмы ROXAR в виде трехмерной детерминированной геологической- модели. При моделировании пластов использовалась трехмерная дискретная сетка геометрии угловой точки (Comer Point) с равной мощностью ячеек по оси Z. Построение гидродинамической модели проводилось с использованием пакета программ расчетного комплекса 3DSL фирмы StreamSim Technologies.

Достоверность и обоснованность полученных в работе результатов и выводов подтверждена сопоставительным анализом разработанных несуществующих математических моделей и методов, а также итогами проведения вычислительного эксперимента.

Математические модели, алгоритмы и прикладные программы, используемые в работе, основаны на положениях теории обычных и нечетких множеств, теоретических основах функционального анализа, теории статистического* анализа, теории информации, теории вероятности, вычислительной гидродинамики, подземной гидромеханики и флюидодинамике, нефтегазовой геологии.

Достоверность экспериментальных результатов обеспечена' использованием большого объема экспериментального материала по ГИС, моделированием фильтраций флюидов в существенно отличающихся по строению пластах при различных начальных и граничных условиях, хорошей согласованностью прогнозируемых и реальных эксплутационных характеристик.

На защиту выносятся результаты разработки и применения эффективных вычислительных технологий для геолого-технологического моделирования и разработки нефтегазовых месторождений, в том числе:

- метод и алгоритм построения деревьев решений с нечеткими условиями и нечетким логическим выводом для решения задач геофизической классификации, аппроксимации и прогнозирования;

- методика экспресс-оценки запасов углеводородов с применением нечетких деревьев решений;

- обоснование для проведения геофизической интерпретации дискретным вейвлет-преобразованием;

- алгоритм методики оценки продуктивности газовых и нефтяных скважин по показаниям геофизических методов;

- методика ранжирования геостатистических моделей пласта на основе применения MJ1T;

- методика ремасштабирования геологической модели коллектора на основе применения MJIT;

- методики качественной оценки эффективности размещения схемы расположения скважин на основе применения MJIT;

- результаты численных расчетов и экспериментов с использованием данных реальных месторождений.

Научная новизна результатов диссертационного исследования, полученных лично автором, заключается в следующем:

- развит алгоритм построения бинарного дерева решений с новым информационным критерием выбора атрибута и условием для ветвления, основанном на возможностной мере нечеткости;

- разработан новый метод классификации и аппроксимации, использующий для генерации правил возможностное дерево решений и нечеткий логический вывод по Сугено;

- создана новая методика определения нефтегазонасыщенности и продуктивности скважин по результатам интерпретации ГИС с совместным применением метода нечетких деревьев и вейвлет-преобразования;

- предложена методика ранжирования геостатистических моделей пласта, базирующаяся на иерархическом принципе учета неопределенностей в исходных данных, в которой критериями ранжирования являются функция коэффициента охвата, вычисляемая с помощью времени пролета вдоль линии тока, и функция первоначального объема нефти при нормальных условиях (STOIIP);

- разработана методика ремасштабирования геологической модели коллектора в вертикальном направлении с сохранением существенных неоднородных особенностей коллектора путем укрупнения слоев с близкими по среднему значению коэффициентами охвата, вычисляемого на основе MJTT-моделирования;

- для качественной оценки эффективности схемы размещения скважин предложены три методики баланса схемы расположения скважин, оценки эффективности нагнетания и оценки эффективности добычи путем расчета с помощью MJIT объема пористого пространства коллектора, ассоциированного с каждой отдельной скважиной.

Практическая значимость работы определяется тем, что применение системы интерпретации ГИС на основе метода нечетких деревьев позволяет существенно сократить временные затраты при решении задачи литологиче-ской классификации. Разработанные в работе методики и алгоритмы экспресс-интерпретации данных ГИС позволяют существенно автоматизировать труд геофизика-интерпретатора с одновременным повышением качества интерпретации. Применение системы повышает уровень достоверности и согласованности данных, используемых в качестве исходных при построении геологических, гидродинамических и других моделей месторождений. Система интерпретации может функционировать на вычислительных средствах с ограниченными возможностями.

Разработанный в диссертации новый подход к генерации и ранжированию геостатистических реализаций коллектора позволяет в рамках комплексной интерпретации данных при геолого-технологическом моделировании определять пессимистические, вероятные и оптимистические сценарии разработки с учетом неопределенностей в будущих прогнозах. Авторская методология выбора оптимальной процедуры вертикального ремасштабирования может быть успешно применена в реальных промысловых исследованиях, что позволит существенно снизить затраты на адаптацию по истории моделей месторождений. Предложенные авторские методики качественной оценки эффективности схемы размещения скважин могут использоваться для оптимизации эксплуатационных характеристик месторождения.

Реализация работы в производственных условиях. Результаты исследования протестированы в ходе верификации геолого-геофизических и промысловых данных, геолого-технологического моделирования и разработки ряда нефтегазовых месторождений Западной Сибири. Работа может быть использована предприятиями нефтегазодобывающей отрасли, организациями, занимающимися построением цифровых моделей на основе геолого-геофизической и промысловой информации.

Апробация работы. Основные положения и результаты диссертации докладывались и обсуждались на: Международных научно-технических конференциях «Информационные технологии в инновационных проектах» (Ижевск, 2003-2004); VI Международный конгресс по математическому моделированию (Нижний Новогород, 2004); Международной конференции «Компьютерное моделирование» (Санкт-Петербург, 2003-2004); 4-м научном симпозиуме «Геоинформационные технологии в нефтепромысловом деле» - секции «А» 6-го международного конгресса нефтегазопромышленников России (Уфа, 2005); Международных симпозиумах «Надежность и качество» (Пенза, 2005-2007); 33-й международной конференции «Информационные технологии в науке, социологии, экономике и бизнесе» (Украина, Крым, Ялта-Гурзуф, 2006); 6th international conference «Vibroengineering 2006» (Каунас, Литва, 2006); 34-й Международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе» (Украина, Крым, Ялта-Гурзуф, 2007); VIII Международной научно-технической конференции «Искусственный интеллект - 2007» (пос. Дивноморское, 2007); Международной научно-технической конференции «Многопроцессорные вычислительные и управляющие системы» (пос. Дивно-морское, 2007).

Публикации. Основные научные результаты по теме диссертации опубликованы в 16 научных работах общим объемом 7,94 п.л. Автор имеет 7 научных трудов в издании, выпускаемом в РФ и рекомендуемом ВАКом для публикации основных результатов диссертаций.

Структура диссертационной работы. Диссертация состоит из введения, 4 глав, заключения, списка литературы и приложения с актом о внедрении и использовании результатов работы, изложенные на 192 стр. машинописного текста. В работу включены 80 рис., 4 табл. и список литературы из 168 наименований.

ЗАКЛЮЧЕНИЕ

В ходе выполнения настоящей работы получены следующие основные выводы и результаты.

1. Компьютерные технологии в области моделирования месторождений в настоящее время имеют тенденцию устойчивого роста интереса со стороны нефтяных компаний по внедрению их на предприятии. Они позволяют обосновывать стратегию разработки нефтяных месторождений, использовать их для решения производственных задач. Моделирование ориентировано изначально на залежи нефти в мощных пластах песчаников, значительных по площади простирания, разбуренных плотной сеткой скважин, при фонде скважин от нескольких сотен до нескольких тысяч скважин. Соответственно информативность исходных данных таких крупных месторождений достаточно высока.

2. В целом, в техническом отношении качество геофизического материала позволяет использовать его для трехмерного геологического моделирования. Детальность масштабов регистрации, скорость записи соответствуют требованиям, предъявляемым к исходным данным для количественной обработки и интерпретации. Комплекс промыслово-геофизических исследований позволил решить следующие геолого-промысловые задачи: провести детальное литологическое расчленение разреза скважин, выделить пласты-коллекторы, оценить их эффективную толщину; определить значения пористости и нефтенасыщенности коллекторов в каждом пластопересечении; определить характер насыщения пластов-коллекторов.

3. Проведенный анализ методов обнаружения знаний в данных показал, что метод деревьев решений в задачах геофизической интерпретации имеет преимущества в наглядности правил и быстроте обработке при высоком качестве классификации.

4. Для применения метода деревьев решений к анализу непрерывных пет-рофизических зависимостей целесообразна его доработка в виде алгоритма нечетких деревьев решений с нечеткими условиями ветвления и с нечетким логическим выводом.

5. Результаты применения метода нечетких деревьев для задач геофизической интерпретации показали его преимущество по сравнению с нейронными сетями, выражающееся в увеличении доли роста правильно распознанных коллекторов с 75% до 79% и снижение ошибки прогнозирования показателей газо и нефтенасыщенности с 6,5% до 4,4%.

6. Получены правила, доступные для понимания интерпретатором, характеризующие зависимость литологических характеристик разреза скважины от показаний геофизических методов.

7. Применение вейвлет-преобразования для сглаживания исходного сигнала и выделения границ коллекторов по виду коэффициентов вейвлетов повысило долю правильно распознаваемых коллекторов до 84%, что соответственно повысило точность прогноза продуктивности скважин.

8. Метод нечетких деревьев решений в совокупности с вейвлет-преобразованием реализован в виде программного комплекса, позволяющего проводить количественную оценку продуктивности скважин непосредственно на месте бурения.

9. Критерий времени пролета вдоль линии тока предоставляет общий и эффективный инструмент для ранжирования геологических моделей, который учитывает взаимодействие между статическими параметрами модели и динамическими режимами потока.

10. Значения коэффициента охвата коллектора совместно с STOIIP могут использоваться для определения пессимистического, оптимистического и вероятного сценариев разработки месторождения.

11. Высокая скорость ранжирования на основе MJIT позволяет исследовать влияние неоднородностей, наблюдаемых в различных статических и динамических параметрах, в реальных промысловых условиях.

12. Коэффициент охвата при известном параметре времени пролета является подходящим критерием для нахождения оптимальных способов вертикального ремасштабирования, при которых сохраняются важные детали неоднородного строения пласта.

13. МЛТ дает прямое и точное решение проблемы качественной оценки эффективности схемы размещения скважин. Линии тока естественным образом позволяют определять распределение потоков между скважинами за счет суммирования объемных расходов через все линии тока, связанные с конкретной скважиной, парой скважин или группой скважин, что позволяет лучше сбалансировать существующую систему разбуренных скважин.

14. Востребованным на практике является метод, при котором определяется количеством добытой нефти как функции нагнетаемого объема. Это тот самый тип информации, который линии тока предоставляют естественным образом. График зависимости между нагнетаемым объемом воды и количеством добытой нефти для каждой нагнетательной скважины дает четкую картину качества ее работы на всем месторождении.

15. Поскольку линии тока позволяют определять ассоциированный с добывающими скважинами поровый объем (область дренирования), то становится возможным более детальный анализ, при котором строится кросс-плот дебита нефти и средней нефтенасыщенности (и даже объема подвижной нефти в стандартных условиях) для всех эксплутационных скважин. Такой график сразу покажет наиболее эффективные добывающие скважины (высокий темп добычи при низкой нефтенасыщенности ассоциированного порового объема) и наименее эффективные добывающие скважины (низкий дебит и высокая нефтенасыщенность области дренирования).

1. Азиз X., Сеттари Э. Математическое моделирование пластовых систем: Пер. с англ. / Под ред. М.М. Максимова. - Москва-Ижевск: Институт компьютерных исследований, 2004. - 416 с. Репринтное издание. Оригинальное издание: М.: «Недра», 1982 г.

2. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях. Тюмень: Изд-во ТГУ, 2000. - 352 с.

3. Амикс Дж., Басс Д., Уайтинг Р. Физика нефтяного пласта. — М.: Гостоптехиздат, 1962. 572 с.

4. Андерсон Д., Таннехилл Дж, Плетчер Р. Вычислительная гидродинамика и теплообмен: Пер. с англ. Т. 1-2. - М.: «Мир», 1990.

5. Аронов В.И. Об оптимальном размещении разведочных скважин / Математические методы решения задач нефтяной геологии на ЭВМ. М.: ВНИГНИ, 1979. - С. 3 - 13.j

6. Бадабаглы В.А., Изотова Т.С., Карпенко И.В., Кучеров Е.В., Лито-логическая интерпретация геофизических материалов при поисках нефти и газа. М.: Недра, 1998.

7. Баренблатт Г.И., Ентов В.М., Рыжик В.М. Движение жидкостей и газов в природных пластах. М.: «Недра», 1984. — 211 с.

8. Басниев К.С., Дмитриев Н.М., Розенберг Г.Д. Нефтегазовая гидромеханика: Учебное пособие для вузов. М.-Ижевск: Институт компьютерных исследований, 2005. — 544 с.

9. Басниев К.С., Кочина И.Н., Максимов В.М. Подземная гидромеханика: Учебник для вузов. М.: «Недра», 1993. - 416 с.

10. Боганик В.Н., Медведев А.И., Григорьев С.Н., и др. Способы повышения достоверности обработки данных ГИС// НТВ «Каротажник». Тверь: Изд. АИС. 2001. Вып. 86. С. 99-110.

11. Борисов А.Н., Алексеев А.В., Крумберг О.А. Модели принятия решений на основе лингвистической переменной. Рига: Зинатне, 1982. — 256 с.

12. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений на основе нечетких моделей: примеры использования. — Рига: Зинатне, 1990. — 184 с.

13. Брусиловский А.И.-Фазовые превращения при разработке месторождений нефти и газа. -М.: «Грааль», 2002. 575 с.

14. Васильев А.В., Лялин В.Е. Анализ применения трехмерных геолого-гидродинамических моделей нефтяных месторождений // Надежность и качество. Труды международного симпозиума / Под ред. Н.К. Юркова. — Пенза: Изд-во Пенз. гос. ун-та, 2005. С. 201-204.

15. Власов С.П. Предварительная оценка запасов нефти и газа по данным разведочного бурения // Информационные технологии в инновационных проектах. Труды Международной научно-технической конференции. Ижевск: Изд-во ИжГТУ, 2003. - С. 27-33.

16. Власов С.П., Денисов С.В. Адаптированная схема подготовки данных каротажа для их интерпретации с помощью многослойной нейронной сети // Вестник Московской Академии рынка труда и информационных технологий. 2006. -№ 22 (44). - С. 20-27.

17. Власов С.П., Денисов С.В. Предобработка исходных данных для многослойной нейронной сети при интерпретации геофизических исследованийскважин // Ж. АН Украины «Искусственный интеллект» № 4. - Донецк: Изд-во Наука i освгга, 2007 - С. 56-65.

18. Власов С.П., Лялин В.Е. Методы уменьшения обучающей выборки для нейронной сети при интерпретации данных геофизических исследований скважин // Ж. АН Украины «Искусственный интеллект» № 3. - Донецк: Изд-во Наука i освгга, 2007 - С. 509-517.

19. Власов С.П., Лялин В.Е. Минимизация обучающей выборки для интерпретации геофизических исследований скважин с помощью аппарата нейро-информатики // Вестник Московской Академии рынка труда и информационных технологий. 2006. - № 22 (44). - С. 69-78.

20. Власов С.П., Сидельников К.А. Методика ремасштабирования геологической модели коллектора на основе метода линий тока // Вестник Моелковской Академии рынка труда и информационных технологий. — 2006. — № 24 (46).-С. 96-104.

21. Власов С.П., Сидельников К.А. Методики качественной оценки эффективности схемы размещения скважин на основе метода линий тока // Вестник Московской Академии рынка труда и информационных технологий. -2006. № 24 (46). - С. 96-104.

22. Ворончак В.И. Выбор параметров деревьев решений при интерпретации результатов ТИС // Компьютерные и информационные технологии в науке, инженерии и управлении: Материалы Всеросс. НТК Таганрог: Изд-во ТРТУ, 2006. - С.

23. Ворончак В.И. Методика экспресс-оценки запасов углеводородов по результатам геофизических исследований скважин // Надежность и качество. Труды междунар. симпозиума. В 2-х томах / Под. ред. Н.К. Юркова Пенза:

24. Изд-во Пенз. гос. ун-та, 2006. Т. 1. - С. 253-255.

25. Ворончак В.И. Решение задач геофизической классификации методом деревьев решений // Известия ТулГУ. Серия. Математика. Механика. Информатика. Т. 11. Вып. 3. Информатика. - Тула: Изд-во ТулГУ, 2005. - С. 36-484.

26. Ворончак В.И., Тененев В.А. Количественная оценка запасов нефти и газа методом нечетких деревьев решений. /Интеллектуальные системы в производстве, №1, 2006.

27. Гиматудинов Ш.К. Физика нефтяного и газового пласта: Учебник для вузов. 2-е изд., перераб. и доп. - М.: «Недра», 1971. - 312 с.

28. Добеши И. Десять лекций по вейвлетам.- Москва — Ижевск:НИЦ «Регулярная и хаотическая динамика», 2004.464с.

29. Долгопольский А. Модель неопределенности // Нефтегазовая вертикаль.-2004.-№14.

30. Ермилов O.M., Ремизов В.В., Ширковский Л.И., Чугунов Л.С. Физика пласта, добыча и хранение газа. — М.: «Наука», 1996. — 541 с.

31. Желтов Ю.П. Механика нефтегазоносного пласта. М.: «Недра», 1975.-216 с.

32. Желтов Ю.П. Разработка нефтяных месторождений: Учебник для вузов. М.: «Недра», 1986. - 332 с.

33. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. -М.: Мир, 1976. — 165 с.

34. Закиров С.Н., Лапук Б. Б. Проектирование и разработка газовых месторождений. М., «Недра», 1974. 376 с.

35. Зверев Г.Н., Халилов Д.Д., Головацкая И.Б. Применение алгоритма распознавания образцов для интерпретации промыслово-геофизических данных в Башкирии. Тр. МИНХиГП, Вып. 62. М.: Недра, 1966.

36. Зувделевич С.М., Сохранов Н.Н. и др. Описание алгоритмов интерпретаций данных электрического каротажа в рамках АСОИГИС/ЕС. — М.: Изд. ВНИИ Геофизики, 1983. 82 с.

37. Ивакин В.Н., Карус Е.В., Кузнецов О.Л Акустический метод исследования скважин. — М.: Недра» 1978,с»

38. Ивахненко А.Г. и Мюллер И.А., Самоорганизация прогнозирующих моделей. Киев, Наукова думка, 1985.

39. Ильинский В.М. Боковой каротаж. М.: Недра, 1971.

40. Итенберг С.С. Интерпретация результатов геофизических исследований разрезов скважин. М.: «Недра», 1972. - 312 с.

41. Каневская Р.Д. Математическое моделирование гидродинамических процессов разработки месторождений углеводородов. — Москва-Ижевск: Институт компьютерных исследований, 2003. — 128 с.

42. Классификация ресурсов и запасов нефти и газа (совершенствование классификации ресурсов и запасов нефти и газа)/ В.А.Двуреченский, Н.Н. Лисовский и др. М.: изд. ГАНГ им. ИМ. Губкина, 1994.

43. Клир Дж. Системология. Автоматизация решения системных задач.- М.:Радио и связь, 1990.-554с.

44. Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. М.: Изд-во МГТУ им. Баумана, 2002. - 320 с.

45. Комплексная интерпретация геофизических параметров функциональными преобразованиями с помощью ЭВМ/ Под. ред. Шапиро О.Г. — Минск, 1981.

46. Концептуальные основы структуры программного обеспечения информационно-измерительной системы для компьютеризированной каротажной станции / Кузнецов В.Б., Оленчикова Т.Ю., Иванов В.А., Лялин В.Е.; ИжГТУ -Ижевск, 1999.-Деп. в ВИНИТИ 1999, №3881-В99.-15с.

47. Корнеев В.В., Гареев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. -М., Нолидж, 2001. 352 с.

48. Коротаев Ю.П. Комплексная разведка и разработка газовых месторождений. М.: Недра, 1968.

49. Корреляция геофизических резервов скважин на ЭВМ/ Ш.А, Гу-берман, Е.Е. Калинина, М.И. Овчинникова, В.Ф. Осипов, Геология нефти и газа, 1981, №2, с. 52-57.

50. Котяхов Ф.И. Физика нефтяных и газовых коллекторов. — М.: «Недра», 1977.-287 с.

51. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982. —432 с.

52. Кравченко Ю.А. Перспективы развития гибридных интеллектуальных систем // Перспективные информационные технологии и интеллектуальные системы. 2002. - № 3. - С. 34-38.

53. Крешер В.М. Поиски и разведка месторождений полезных ископаемых. 2 изд., М, Недра, 1969.

54. Круглов В.В. Адаптивные системы нечеткого вывода // Нейрокомпьютеры: разработка и применение. 2003. - № 3. - С. 15-19.

55. Круглов В.В., Дли М.И., Голу нов Р.Ю. Нечеткая логика и искусственные нейронные сети. М.: Физматлит, 2001. - 224 с.

56. Лапук Б.Б. Теоретические основы разработки месторождений природных газов. Москва-Ижевск: Институт компьютерных исследований, 2002. — 292 с. Репринтное издание. Оригинальное издание: М.-Л.: Гостоптехиздат, 1948.

57. Латышова М.Г. Практическое руководство по интерпретации диаграмм геофизических методов исследования нефтяных и газовых скважин. -М.: Недра, 1996.

58. Латышова М.Г., Венделынтейн Б.Ю., Тузов В.П. Обработка и интерпретация геофизических исследований скважин. М.: Недра, 1990. -312с.

59. Лейбензон Л.С. Движение природных жидкостей и газов в пористой среде. — М.-Л.: ОГИЗ, Государственное издательство технико-теоретической литературы, 1947. 244 с.

60. Лукьянов Э.Е., Нестерова Т.Н. Компьютерная технология проведения геолого-технологических исследований/УНТВ «Каротажник». Тверь: Изд. АИС. 1998. Вып.53. С. 18-29.

61. Лялин В.Е., Власов С.П. Методика экспресс-оценки запасов углеводородов по результатам геофизических исследований скважин // Ж. АН Украины «Искусственный интеллект» № 4. - Донецк: Изд-во Наука i освгга, 2007 —1. С. 99-109.

62. Лялин В.Е., Власов С.П. Применение метода деревьев решений для оценки запасов углеводородов по результатам геофизических исследований скважин // Вестник Московской Академии рынка труда и информационных технологий. 2006. - № 22 (44). - С. 96-104.

63. Лялин В.Е., Сидельников К.А. Концепции математического моделирования пластовых систем на базе метода линий тока // Нефтегазовое дело. Электронный научный журнал. 2005. - www.ogbus.ru.

64. Маскет М. Течение однородных жидкостей в пористой среде: Пер. с англ. М.А. Геймана Москва-Ижевск: НИЦ «Регулярная и хаотическая динамика», 2004. - 628 с. Репринтное издание. Оригинальное издание: М.-Л.: Гос-топтехиздат, 1949.

65. Маскет М. Физические основы технологии добычи нефти: Пер.с англ. М.А. Геймана. Москва-Ижевск: НИЦ «Регулярная и хаотическая динамика», 2004. - 606 с. Репринтное издание. Оригинальное издание: М.-Л.: Гос-топтехиздат, 1953.

66. Математические методы в задачах петрофизики и корреляции/Подред. Вайнбер Я.М. и др. -М.: Наука, 1983.

67. Миловаевский Э.Ю., Сохранов Н.Н. Построение геолого-геофизических моделей разреза нефтяных и газовых скважин при комплексной интерпретации результатов полевой и промысловой геофизики. // НТВ «Каро-тажник». Тверь: Изд. АИС. 2000. Вып. 68. С. 57-62.

68. Мирзаджанзаде А.Х., Хасанов М.М., Бахтизин Р.Н. Моделирование процессов нефтегазодобычи. Нелинейность, неравновесность, неопределенность. — М.-Ижевск: Институт компьютерных исследований, 2004. 368 с.

69. Мищенко И.Т. Скважинная добыча нефти: Учебное пособие для вузов. М.: ФГУП Изд-во «Нефть и газ» РГУ нефти и газа им. И.М. Губкина, 2003.-816 с.

70. Нечеткие множества в моделях управления и искусственного ин- . теллекта / Под ред. Д.А. Поспелова. М.: Наука, 1986. - 311 с.

71. Николаевский В.Н. Геомеханика и флюидодинамика. М.: «Недра», 1996.-447 с.

72. Николаевский В.Н., Басниев К.С., Горбунов А.Т., Зотов Г.А. Механика насыщенных пористых сред. М.: «Недра», 1970. - 339 с.

73. Обработка и интерпретация данных промысловых геофизических исследований на ЭВМ: Справочник / Н.Н. Сохранов, С.М. Аксельрод, С.М. Зунделевич, И.М.Чуринова. -М.: Недра, 1989. 240 с.

74. Оркин Г.К., Кучинский П.К. Физика нефтяного пласта. — М.: Гос- топтехиздат, 1962. — 299 с.

75. Особенности разведки и разработки газовых месторождений Западной Сибири/ О.Ф. Андреев, КС. Басниев, Л.Б. Берман и др. М.: Недра, 1984.

76. Осовский С. Нейронные сети для обработки информации / Пер. спольского И.Д. Рудинского. М.: Финансы и статистика, 2002. - 344 с.

77. Паклин Н.Б., Сенилов М.А., Тененёв В.А. Возможности применения интеллектуальных систем в задачах интерпретации каротажных диаграмм.// Материалы международной юбилейной НТК. Ижевск: Изд. ИжГТУ, 2002, - с. 147-152.

78. Пирвердян A.M. Физика и гидравлика нефтяного пласта. — М.: «Недра», 1982.- 192 с.

79. Пыхачев Г.Б., Исаев Р.Г. Подземная гидравлика: Учебное пособие.- М.: «Недра», 1972. 360 с.

80. Роуч П. Вычислительная гидродинамика: Пер. с англ. / Под ред. П.И.Чушкина. М.: «Мир», 1980. - 616 с.

81. Сенилов М.А., Тененев В.А. Интеллектуальные алгоритмы интерпретации геофизических исследований скважин. СПб: Изд-во СПбГЭТУ «ЛЭ-ТИ»,2004.128с.

82. Сенилов М.А., Тененев В.А., Паклин Н.Б. Модели радиальных нейронных сетей в задачах промышленной геофизики // Труды IV межд. науч.-техн. конференции «Информационные технологии в инновационных проектах».- Ижевск: Изд-во ИжГТУ, 2003. Ч. 2. - С. 85-87.

83. Сидельников К.А., Васильев В.В. Анализ применений математического моделирования пластовых систем на базе метода линий тока // Нефтегазовое дело. Электронный научный журнал. 2005. — www.ogbus.ru.

84. Сидельников К.А., Власов С.П. Методика ранжирования геостатистических моделей пласта на основе метода линий тока // Вестник Московской Академии рынка труда и информационных технологий. — 2006. — № 24 (46). С. 96-104.

85. Сидельников К.А., Власов С.П. Теоретические аспекты гидродинамического моделирования месторождений на основе метода линий тока // Вестник Московской Академии рынка труда и информационных технологий. — 2006. № 24 (46). - С. 96-104.

86. Сохранов Н.Н. Машинные методы обработки и интерпретации результатов геофизических исследований скважин. М., Недра, 1973.

87. Сохранов Н.Н., Акселърод С.М. Обработка и интерпретация с помощью ЭВМ результатов геофизических исследований нефтяных и газовых скважин, — М.; Недра, 1984.

88. Справочное руководство по проектированию разработки и эксплуатации нефтяных месторождений. Добыча нефти. / Под общ. ред. Ш.К. Гимату-динова. -М.: «Недра», 1983.-455 с.

89. Стрижов И.Н., Ходанович И.Е. Добыча газа. Москва-Ижевск: Институт компьютерных исследований, 2003. - 376 с. Репринтное издание. Оригинальное издание: M.-JI.: Гостоптехиздат, 1946.

90. Тененев В.А., Ворончак В.И. Решение задач классификации и аппроксимации с применением нечетких деревьев решений. /Интеллектуальные системы в производстве, №2, 2005.

91. Теоретические основы и методы поисков и разведки скоплений нефти и газа М., Недра, 1968.

92. Тришин Ф.В. Реальность виртуальная, польза реальная // Нефть и жизнь. 2004. -№ 1. - С. 22-24.

93. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. Пер. с англ. М., Мир, 1992.

94. Хасанов М.М., Булгакова Г.Т. Нелинейные и неравновесные эффекты в релогически сложных средах. Москва-Ижевск: Институт компьютерных исследований, 2003. — 288 с.

95. Хургин Я.И. Проблемы неопределенности в задачах нефти и газа. — Москва Ижевск: Институт компьютерных исследований. 2004. 320с.

96. Чарный И.А. Подземная гидрогазодинамика: Учебное пособие для вузов. — М.: Гостотехиздат, 1963. 397 с.

97. Чекалин JI.M., Мельников И.Г., Кожевников С.В. Геолого-технические исследования как составная часть компьютеризированной технологии поисково-разведочных работ// НТВ «Каротажник». Тверь: Изд. АИС2000. Вып. 71. С. 51-58.

98. Швидлер М.И. Статистическая гидродинамика пористых сред. — М.: «Недра», 1985.-288 с.

99. Щелкачев В.Н. Отечественная и мировая нефтедобыча — история развития, современное состояние и прогнозы: Монография. М.: ГУП Изд-во «Нефть и газ» РГУ нефти и газа им. Губкина, 2001. - 128 с.

100. Щелкачев В.Н., Лапук Б.Б. Подземная гидравлика: Учебное пособие для студентов нефтегазовых специальностей университетов. Ижевск: НИЦ «Регулярная и хаотическая динамика», 2001. - 736 с.

101. Abou-Kassem, J.H., Farouq Ali, S.M. and M.R. Islam, Petroleum reservoir simulation: a basic approach, Gulf, Houston, 2006.

102. Ahmed, Т., Reservoir engineering handbook, 2nd ed.,Gulf, Houston,2001.

103. Al-Sunaidi, H.A., Advanced reservoir simulation technology for effective management of Saudi Arabian oil fields. www.worldenergy.org/wecgeis/ pub-lications/default/techpapers/17thcongress/ l227.asp.

104. Anderson, J.D., Jr., Computational fluid dynamics: The basics with application, McGraw-Hill, New-York, 1995.

105. Applied petroleum reservoir engineering / B.C. Craft and M.F. Hawkins, 2nd ed., Prentice-Hall, New York, 1991.

106. Ask, A.K., Dahle, H.K., Karlsen, K.H. and H.F. Nordhaud, A local streamline eulerian-lagrangian method for two-phase flow // Dept. of Mathematics, University of Bergen, Norway.

107. Ates, H., Use of streamline simulations for integrated reservoir modeling, Ph.D. Thesis, The University of Tulsa, 2005.

108. Baker, R., Streamline Technology: Reservoir History Matching and Forecasting = Its Success, Limitations, and Future // Journal of Canadian Petroleum Technology, 2001. Vol. 40. -№4. - P. 23-27.

109. Batycky, R.P., A three-dimensional two-phase field scale streamline simulator, Ph.D. Thesis. Stanford University, 1997.

110. Batycky, R.P., Thiele, M.R. and M.J. Blunt, A streamline simulator to model field scale three-dimensional flow // 5th European Conference on the Mathematics of Oil Recovery, 3-6 September 1996. -Leoben, Austria.

111. Batycky, R.P., Thiele, M.R. and M.J. Blunt, A streamline-based reservoir simulation of the House Mountain waterflood // SCRF, 1997. — Stanford Univer-sity-SUPRiC Research Group.

112. Bear, J., Dynamics of fluids in porous media, Dover, New York, 2005. Reprint. Originally published: American Elsevier, New York, 1972.

113. Berenblyum, R.A., Shapiro, A.A. and E.H. Stenby Reservoir streamline simulation accounting for effects of capillarity and wettabilty // 9th European Conference on the Mathematics of Oil Recovery, 30 August 2 September 2004. - Cannes, France.

114. Bigus J.P. Data mining with Neural Networks: Solving Business Problems From Application Development to Decision Support. New York, McGraw-Hill, 1996.

115. Brennen, C.E., Fundamentals of multiphase flows, CUP, Pasadena,2005.

116. Bretti, G., Modeling and numerics for porous media and traffic flow, Ph.D. Thesis, Universit? degli Studi di Roma "La Sapienza", 2003/2004.

117. Casillas J., Cordon O., Herrera F. Learning cooperative fuzzy linguistic rules using ant colony optimization algorithms // Technical Report DECSAI-00119, Dept. of Computer Science A.I., University of Granada, October 2000. 29 p.

118. Castellini, A., Flow based grids for reservoir simulation: M.S. Thesis,

119. Stanford university, 2001.

120. Christie, M., Subbey, S., Sambridge, M. and M. Thiele, Quantifying prediction uncertainty in reservoir modeling using streamline simulation // 15th ASCE Engineering Mechanics Conference, 2-5 June 2002. Columbia University, New York, NY.

121. Chung, T.J., Computational fluid dynamics, CUP, Cambridge, 2002.

122. Dake, L., Fundamentals of reservoir engineering, Elsevier, New York,1978.

123. Fanchi, J.R., Principles of applied reservoir simulation, 2nd ed., Gulf, Houston, 2001.

124. Farlow, S.J. (ed.) Self-organizing Method in Modelling: GMDH Type Algorithms. Statistics: Textbooks and Monographs, 54, 1984.

125. Ferziger, J.H. and M. Peric, Computational Methods for fluid dynamics, 3rd, rev ed., Springer, Berlin, 2002.

126. Holland J.H. Adaptation in Natural and Artificial Systems. University of Michigan Press, Ann.Arbor, MI, 1975.

127. Hopfield J.J. Neural networks and physical systems with emergent collective computation abilities. Proc.Nat.Acad.Sci. USA. 1982, v.79, pp.2554-2558.

128. Juanes, R., Displacement theory and multiscale numerical modeling of three-phase flow in porous media, Ph.D. Thesis, University of California, 2003.

129. Kosko B. Fuzzy systems as universal approximators // IEEE Transactions on Computers, vol. 43, No. 11, November 1994. P. 1329-1333.

130. Kosko B. Fuzzy systems as universal approximators // IEEE Transactions on Computers, vol. 43, No. 11, November 1994. P. 1329-1333.

131. Lomax, H., Pulliam, Т.Н. and D.W. Zingg, Fundamentals of computational fluid dynamics, 1999.

132. Lyalin V.E., Tenenev V.A., Senilov M.A., Paklin N.B. Neuronet and fuzzy modeling of interpretation of data of geophysical well logging // 5 International congress of mathematical modeling. Book of abstracts, V. 2 M.: «JANUS-К», 2002 -P. 156.

133. Lyalin, V.E., and K.A. Sidelnikov, Modeling tracer displacement using streamlines // Proceedings of the 6th international conference "Vibroengineering 2006". Kaunas, Lithuania: Kaunas University of Technology, 2006. - P. 191-194.

134. McNeill D. and P. Freiberger. Fuzzy Logic. Simon & Schuster, New York, 1993, 320

135. Orr, F.M. Jr., Theory of gas injection processes, Stanford University, Stanford, 2005.

136. Prevost, M., The streamline method for unstructured grid, M.S. Thesis, Stanford University, 2000.

137. Schuermann J. and W. Doster. A decision-theoretic approach in hierarchical classifier design. Pattern Recognition, 17:359-369, 1984.

138. Stuben, K., Delaney, P., and S. Chmakov, Algebraic Multigrid (AMG) for Ground Water Flow and Oil Reservoir Simulation. www.scai.fraun-hofer.de/fileadmin/download/samg/PaperModflow.pdf.

139. Thiele, M.R. Streamline simulation // 6th International Forum on Reservoir Simulation, 3-7 September 2001. Schloss Fuschl, Austria.

140. Thiele, M.R., Batycky, R.P. and L.K. Thomas, Miscible WAG simulations using streamlines // 8th European Conference on the Mathematics of Oil Recovery, 3-6 September 2002. Freiberg, Germany.

141. Thiele, M.R., Batycky, R.P. and M.J. Blunt, A streamline-based 3D filed scale compositional reservoir simulator// SPE Reservoir Engineering, Oct. 5-8 1997. San Antonio, Texas, U.S.A.

142. Thiele, M.R., Modeling multiphase flow in heterogeneous media using streamtubes, Ph.D. Thesis, Stanford University, 1994.

143. Tureyen, O.I., Karacali, О., and J.A. Caers, Parallel, Multiscale Approach to Reservoir Modeling // 9th European Conference on the Mathematics of Oil Recovery, 30 August — 2 September 2004. Cannes, France.

144. Versteeg, H.K. and W. Malalasekera, An introduction to computational fluid dynamics: The finite volume method, Longman, New York, 1995.

145. Vora, H.K., Capillary number dependent streamline simulations, M.S. Thesis, University of Oklahoma, 2002.

146. Wang Q. R. and C. Y. Suen. Large tree classifier with heuristic search and global training. IEEE Transactions on Pattern Analysis and Machine Intelligence, 9(1):91-102, 1987.

147. Wang Q. R. and C. Y. Suen. Large tree classifier with heuristic search and global training. IEEE Transactions on Pattern Analysis and Machine Intelligence, 9(1):91-102, 1987.

148. Wesseling, P., Principles of computational fluid dynamics, Springer, Berlin, 2001.