автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Интеллектуальная система программного и информационного обеспечения процессов контроля и обработки каротажных данных и их интерпретации

кандидата технических наук
Ясовеев, Ильдус Миниахметович
город
Ижевск
год
2006
специальность ВАК РФ
05.13.18
цена
450 рублей
Диссертация по информатике, вычислительной технике и управлению на тему «Интеллектуальная система программного и информационного обеспечения процессов контроля и обработки каротажных данных и их интерпретации»

Автореферат диссертации по теме "Интеллектуальная система программного и информационного обеспечения процессов контроля и обработки каротажных данных и их интерпретации"

На правах рукописи

УДК 681.518.3+550.832

ЯСОВЕЕВ Ильдус Миниахметович

ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА ПРОГРАММНОГО И ИНФОРМАЦИОННОГО ОБЕСПЕЧЕНИЯ ПРОЦЕССОВ КОНТРОЛЯ И ОБРАБОТКИ КАРОТАЖНЫХ ДАННЫХ И ИХ ИНТЕРПРЕТАЦИИ

Специальности:

05.13.18 — Математическое моделирование, численные методы и комплексы программ 05.13.01 — Системный анализ, управление и обработка информации (в машиностроении и вычислительной технике)

Автореферат диссертации на соискание ученой степени кандидата технических наук

Ижевск 2006

Работа выполнена в ГОУ ВПО «Ижевский государственный технический университет» (ИжГТУ).

Научные руководители:

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

заслуженный нефтяник Удмуртской Республики, кандидат технических наук, доцент Немирович Т.Г.

Официальные оппоненты:

доктор технических наук, профессор Миловзоров Г.В.

(Уфимский государственный авиационный технический университет)

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

Ведущая организация:

ГОУ ВПО «Уфимский государственный нефтяной технический университет» (УГНТУ, г. Уфа)

Защита состоится 1 сентября 2006 г. в 14.00 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. Автореферат разослан 24 июля 2006 г.

Ученый секретарь диссертационного совета,

доктор технических наук, профессор Бя Бендерский

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Совершенствование рациональных методов оперативной интерпретации и методов оценки коллекторских свойств пород является весьма актуальным вопросом на современном этапе развития нефтедобывающей промышленности. Необходимость совершенствования этих методов обусловливается задачей скорейшего ввода в разработку нефтяных месторождений на основе достоверных геофизических исследований скважин в минимальные сроки и при минимальных капиталовложениях.

Расчетные методы и соответствующие исследования скважин и пластов должны позволять определять параметры нефтеносных и водоносных пластов и их изменение по мощности и по площади. Без достоверного знания параметров пластов невозможно строить правильный прогноз разработки месторождений, регулировать процесс разработки, находить оптимальные проектные решения и т. д. От точности и скорости решения этой задачи в значительной степени зависят стратегия извлечения запасов нефти и эффективность использования капитальных вложений на обустройство и доразбуривание месторождений.

Неопределенность при разработке месторождений нефти имеет место в основном из-за нечеткости петрофизических понятий «пористость», «мощность» и т.д. как для отдельной скважины, так и для месторождения в целом. Имеются лишь замеры этих параметров в отдельных точках месторождений, а ввиду неоднородности среды эти величины значительно меняются в пространстве. Применение средних и средневзвешенных значений параметров для расчетов может приводить к получению значительно смещенных точечных оценок параметров.

Погрешность различных приборов и датчиков, проводимых исследований, наличие по целому ряду параметров возможности лишь косвенной их оценки приводят к необходимости проведения расчетов при наличии неточно заданных параметров и коэффициентов уравнений. Замена неточно заданных величин на детерминированные (точечные) величины значительно усложняет процедуру расчета, приводит к необходимости их итерационного подбора для получения приемлемых результатов. В этом случае также затруднена оценка погрешности получаемого результата. Очень часто в состав параметров и коэффициентов уравнений входят одновременно величины с различным характером неопределенности: интервальные, нечеткие, стохастические, эвристические (на основе экспертной оценки). Поэтому возникает необходимость представления всей информации на едином, формальном языке теории нечетких множеств с представлением характеристик неточно заданных величин в виде нечетких функций.

Создание автоматизированной системы для оперативной интерпретации, использующей математический аппарат нечеткой логики, интегрированной со сводной геофизической базой данных и с аппаратным комплексом, позволит давать предварительные заключения прямо на каротажной вычислительной станции (КВС), что будет способствовать снижению стоимости разработки и повышению точности анализа геофизической информации при ее последующей сводной интерпретации.

Объектом исследования являются каротажные диаграммы (КД), представленные в цифровом виде; модели нечеткой логики (НЛ) и нейронных сетей

(НС) для решения задач оперативной интерпретации результатов геофизических исследований скважин (ГИС); автоматизированная информационная система интерпретации, обработки и контроля (АСОИК) для комплексного анализа достоверности данных, с возможностью исправления явных ошибок в автоматизированном режиме.

Предметом исследования являются математическое, информационное и программное обеспечение АСОИК, математическое описание алгоритмов обработки КД, оперативной интерпретации, литологического расчленения; разработка структуры хранения и алгоритмов обработки базы правил; структура и лингвистическое обеспечение АСОИК.

Цель работы состоит в получении научно-обоснованных математических моделей и программно-аппаратных средств интеллектуальных систем интерпретации, обработки и контроля ГИС, обеспечивающих повышение надежности выявления нефтенасыщенных коллекторов при использовании различного набора производимых при ГИС методов каротажа на основе разработки эффективных алгоритмов интерпретации, базирующихся на положениях теории НЛ и НС, обучаемых с помощью генетических алгоритмов (ГА), проведение комплексной верификации геолого-геофизической и промысловой информации, ведущее к расширению функциональных возможностей специализированных баз данных, внедрение которых имеет существенное значение в области автоматизации обработки и интерпретации геолого-геофизической информации.

Для реализации поставленной цели необходимо решить следующие задачи:

- выработка научно-обоснованных решений для построения моделей НЛ для распознавания литологической структуры разреза скважины; разработка способа определения информативности методов каротажа при интерпретации результатов ГИС на основе алгоритмов нечеткого вывода;

- выбор и обоснование путем теоретических и экспериментальных исследований структуры АСОИК, принципов построения программного и информационного обеспечения; кодирование отдельных модулей АСОИК;

- формализация задачи качественной интерпретации данных ГИС для ее решения с помощью аппарата НС; разработка правил и методик применения НС для решения задачи литологического расчленения разреза скважины;

- разработать научно-обоснованные решения для выделения продуктивных слоев, выбрать методики оценки петрофизических свойств коллекторов, построить типовые схемы оперативной обработки данных ГИС;

- исследование структуры геолого-геофизической и промысловой информации и на основе ее получение правила контроля достоверности данных; разработка алгоритмических и программных решений для проведения комплексной верификации геолого-геофизических и промысловых данных;

- создание структуры системы контроля, схемы ее работы и инструментов для визуализации результатов работы; выбор и обоснование путем теоретических и экспериментальных исследований структуры АСОИК, принципов построения программного, лингвистического и информационного обеспечения для ввода, хранения, обработки и анализа правил, применяемых в системе комплексного контроля достоверности данных;

- исследование потоков информации, возникающих при построении моделей месторождений; изучение влияния различных ошибочных геолого-геофизических данных на геологические и гидродинамические модели месторождений; интегрирование системы контроля достоверности данных в существующую широкораспространенную базу данных геолого-геофизической информации.

Методы исследования. При решении задач оперативной интерпретации использовалась модели НЛ и НС. Поиск оптимальных значений весовых коэффициентов для методов ГИС осуществлялся с помощью ГА. Для оценки параметров коллекторов применялась теория НЛ, и использовались функции принадлежности треугольной, трапециевидной и произвольной формы. Интерпретация проводилась с использованием пяти методов каротажа, входящих в состав стандартного набора методов ГИС и пяти дополнительных методов. Результаты интерпретации исследовались на предмет соответствия выделенных нефтенасы-щенных участков разреза скважины экспертным оценкам. Предварительное расчленение разреза на пласты не осуществлялось, обработка КД велась поточечно.

Информационная модель АСОИК создана с учетом объектно-ориентированных принципов разработки программных комплексов. База правил разработана с учётом механизмов построения реляционных структур данных. Структурная схема системы спроектирована и реализована с учетом теоретических основ информатики и вычислительной техники.

Программное обеспечение системы реализовано на алгоритмическом языке высокого уровня — Object Pascal, интерфейс пользователя разработан в интегрированной среде Borland Delphi б.О, база данных работает под управлением таких СУБД как Oracle 8 и Microsoft SQl Server 7.0. Часть правил системы используются в виде внешних библиотек (DLL) и реализованы на языке высокого уровня Microsoft Visual С++. Для построения моделей привлекался инструментарий компании Roxar: IRAP RMS и TEMPEST MORE.

Достоверность и обоснованность полученных в работе результатов и выводов подтверждена результатами экспериментальных исследований и опытом практической эксплуатации АСОИК.

Математические модели, алгоритмы и прикладные программы, предложенные в работе, основаны на положениях теории нечетких множеств и нейронных сетей. Предлагаемые методики выделения продуктивных пластов и расчета параметров коллекторов основаны на теории геофизических исследований скважин и алгоритмах интерпретации, включенных в АСОИК.

Достоверность экспериментальных результатов обеспечена использованием утвержденных в ОАО «Башнефтегеофизика» экспертных заключений по скважинам Вятского месторождения, большим объемом экспериментального материала и согласованностью результатов с теоретическими положениями.

На защиту выносятся результаты проведения исследований по определению информативности методов каротажа при распознавании литологической структуры разреза скважины посредством модели НЛ, исследования обучения нейронных сетей без учителя при качественной интерпретации данных ГИС, обеспечивающих возможность получения заключения по наличию нефтенасыщенных коллекторов непосредственно после проведения каротажных работ на скважине, а

также принципы разработки АСОИК, обеспечивающей повышение уровня достоверности и согласованности геолого-геофизической и промысловой информации, снижению затрат на ресурсы, затрачиваемых при использовании этих данных, вследствие раннего обнаружения и исправления ошибок, в том числе:

- разработка моделей НЛ для выделения нефтенасыщенных коллекторов; определение способа оценки качества результатов литологического расчленения разреза по данным ГИС на основе алгоритмов нечеткого вывода;

- применение средств искусственного интеллекта для определения литологического состава разреза скважины по данным каротажа путем обучения на основе анализа соответствия КД имеющемуся экспертному заключению;

- разработка программного, информационного обеспечения и структуры АСОИК; ее реализация на основе модели НЛ для получения реальных результатов литологического расчленения разреза скважин.

- выбор и обоснование правил формализации задачи литологического расчленения разреза скважины с помощью НС; определение корректных оценок для анализа качества представляемости задачи качественной интерпретации с помощью НС;

- реализация разработанных алгоритмических средств и программного комплекса для практического использования и получения реальных результатов экспресс-интерпретации различных скважин;

- применение средств искусственного интеллекта для контроля качества оцифровки КД путем анализа соответствия оцифрованной информации имеющемуся экспертному заключению по скважине, характерных интервалов значений диаграмм и других критериев;

- алгоритмы и программные модули, позволяющие определить мощность коллекторов, а также их количественные параметры (пористость, нефтенасыщен-ность, водонасыщенность, глинистость); состав и структура базы правил системы контроля достоверности информации;

- проектирование и реализация АСОИК, разработка концептуальной структуры объектно-ориентированной системы, принципов построения программного, информационного, математического и лингвистического обеспечения системы.

Научная новизна полученных результатов определяется проведенными комплексными исследованиями, в результате которых вместо применения классических методов интерпретации, использующих решения трансцендентных уравнений петрофизики, в процессе интерпретации КД применен подход, существенно сокращающий количество вычислительных операций и повышающий быстродействие оперативной качественной интерпретации непосредственно на скважине в ходе проведения ГИС путем применения современной математической теории интеллектуальных систем на основе аппарата НЛ и НС, в ходе которых:

- определены принципы построения алгоритмов, применяемых на этапе предварительной обработки КД; осуществлен выбор структуры и создание АСОИК на основе моделей НЛ и НС, произведено создание и обоснование концепции и принципов построения программного и информационного обеспечения;

- разработана база каротажных данных для решения задачи автоматизации обработки результатов ГИС; решены проблемы импорта, хранения и поис-

ка разнородной информации, ее визуализации и вывода на печать; предложены принципы построения интерфейса взаимодействия базы данных с программами обработки и анализа каротажной информации;

- предложена модель НЛ для литологического расчленения пройденных скважиной пород; отработана и апробирована методика построения правил базы знаний; в результате проведения комплекса исследований по экспресс-интерпретации КД и сопоставлении их результатов с экспертными оценками выведены критерии, позволяющие использовать оптимальный набор методов каротажа для выделения нефтенасыщенных коллекторов с заданной точностью при использовании созданных алгоритмов, построенных на основе НЛ;

- предложена методика обучения НС без учителя, не зависящая от количества входных каротажных диаграмм, позволяющая проводить качественную экспресс-интерпретацию даже в тех случаях, когда на скважине проведен неполный набор методов геофизических исследований и решающая проблему точной классификации типа пласта в случае противоречивости данных ГИС;

- разработаны алгоритмы повышения надежности распознавания литоло-гической структуры скважины, являющиеся составной частью интеллектуальной системы и обеспечивающие возможность использования в качестве операторов-пользователей данной системы специалистов среднего уровня; разработана интеллектуальная система на основе НЛ и НС, опирающаяся на проведенный вычислительный эксперимент, позволяющая проводить качественную экспресс-интерпретацию каротажных диаграмм, используя созданную базу знаний с учетом эмпирических данных высококлассных геофизиков-интерпретаторов, даже в процессе проведения ГИС;

- создана АСОИК, обладающая возможностью оценки уровня достоверности геолого-геофизической и промысловой информации, хранящейся как в специально разработанных хранилищах, так и в разрозненных источниках; осуществлен выбор структуры и состава компонентов АСОИК, произведена разработка концепции и принципов построения программного, лингвистического и информационного обеспечения АСОИК, обеспечивающих анализ достоверности геолого-геофизических данных;

- определены принципы построения алгоритмов и программных средств, предназначенных на ранней стадии обработки информации выявлять ошибочные данные с механизмом их автоматического исправления; разработаны научно обоснованные программные решения, направленные на повышение уровня достоверности геолого-геофизических и промысловых данных;

- разработанная система контроля достоверности информации обладает высокой степенью совместимости и мобильности, вследствие чего может быть интегрирована в уже существующие хранилища данных, а также портироваться на сервера различных производителей, поддерживающих реляционную модель данных; разработана единая технология контроля различных по структуре видов данных, обеспечивающая методы интегрированного анализа, применяемых в рамках различных программных решений.

Практическая полезность исследования состоит в том, что в результате комплексных исследований на практике реализована кибернетическая теория

распознавания образов, реализуемая на основе принципов построения и функционирования систем искусственного интеллекта и математической теории информационных систем, позволяющих реализовать теоретические основы экспертных систем с помощью легко внедряемого и доступного при широкой реализации аппарата методов HJI и НС.

Применение АСОИК позволяет существенно сократить временные затраты при решении задачи литологического расчленения скважин за счет реализации современных достижений в области развития систем искусственного интеллекта. Это выражается в том, что найден магистральный путь отхода от решения классических уравнений математической физики, в частности, геофизики, и переходу к применению дискретных многофункциональных систем, использующих базы знаний и базы данных, позволяющих принимать решения на основе применения эмпирически обоснованных экспертных оценок. Данные возможности появились в результате реализации математической теории интеллектуальных систем на основе методов НЛ и НС.

Полученные в работе методики и алгоритмы применения аппарата искусственных нейронных сетей для качественной экспресс-интерпретации данных ГИС позволяют существенно автоматизировать труд геофизика-интерпретатора за счет колоссальных вычислительных возможностей по обработке терабайт геофизической информации интеллектуальными системами на базе как отдельных компьютеров, так и компьютерных сетей, существенно использующих реляционные базы данных таких как «Finden) и др. НС за счет заложенных в них эталонных данных позволяют сократить время, необходимое на проведение качественной экспресс-интерпретации скважин в несколько раз с одновременным повышением качества интерпретации и сокращением ошибок при принятии решений.

Созданная АСОИК позволила решить ряд проблем, возникших при обработке различного рода геолого-геофизической и промысловой информации. Применение системы повышает уровень достоверности и согласованности данных, используемых в качестве исходных при построении геологических, гидродинамических и прочих моделей месторождений, а также обеспечивает реализацию механизма обнаружения ошибок и неточностей на ранних стадиях обработки данных.

Практическую ценность системе придает ее независимость от используемых аппаратных средств персональных компьютеров и слабую зависимость от хранилища данных. Структура разработанной АСОИК легко модифицируется под конкретные требования, обеспечивает возможность добавления новых модулей, а также адаптацию системы к различным правилам проверки данных.

Настоящая работа обеспечивает необходимую базу для дальнейшего развития и совершенствования новых направлений обработки и интерпретации геолого-геофизической информации, построенных на математическом аппарате HJI и НС, с использованием материалов ГИС.

Реализация работы в производственных условиях. При непосредственном участии автора была разработана и реализована АСОИК, построенная на принципах систем искусственного интеллекта и реализованная на математическом аппарате НЛ и НС, в том числе созданы технические и методические средства, направленные на повышение точности ее функционирования и универсаль-

ности. Разработанная система использовалась при работе с перспективной базой данных Finder, где правила системы служат для проверки данных на достоверность и согласованность, а также обеспечивают возможность автоматической корректировки заведомо ошибочной информации.

Работа выполнялась в соответствии с планами хоздоговорных НИР, проводимых ПГО (ГГП) «Удмуртгеология» и Ижевским механическим институтом: № ГР 32-81-78/25 «Разработка и внедрение аппаратуры цифровой записи параметров каротажа для серийных каротажных станций. Разработка конструкторской документации и изготовление опытной партии», № ГР 32-81-78/24 «Опытно-методические работы по освоению и внедрению новых методов ГИС и цифровой записи каротажа», № ГР 32-83-18/35 «Опытно-методические работы по обеспечению эффективности применения цифровой записи параметров каротажа на серийных станциях АКСЛ-7», № ГР 32-90-459 «Освоение персональных ЭВМ, разработка и внедрение проблемных программных средств»; Удмуртским трестом разведочного бурения: № ГР 32-85-35/42 «Опытно-методические работы по внедрению системы цифровой записи и дистанционной передачи параметров каротажа»; Удмуртским производственным геологическим объединение: № ГР 32-87-43/37 «Опытно-методические работы по совершенствованию системы цифровой регистрации параметров каротажа», № ГР 32-89-37/5 «Опытно-методические работы по созданию гибкой производственной системы сбора, преобразования и передачи каротажных данных», № ГР 32-88-38/2 «Разработка автоматизированной системы обработки геологической информации», № ГР 3289-37/6 «Создание и внедрение автоматизированного банка геолого-геофизической информации УПГО «Удм»; ООО «Институт интеллектуальных технологий»: № ГР 01200 405095 «Оцифровка каротажного материала Каширо-подольского объекта Вятской площади Арланского месторождения», № ГР 01200 408505 «Отчет по договору 561 на производство работ по переинтерпретации материалов ГИС Ижевского месторождения ОАО «Удмуртнефть».

Вся работа в целом, а также ее отдельные части могут быть использованы 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 российских и международных научно-технических конференциях и конгрессах: Научно-практической конференции Устиновского механического института (Ижевск, 1986), Республиканской научно-практической конференции «Научно-технический прогресс» (Ижевск, 1987), III Российской университетско-академической научно практической конференции (Ижевск, 1997), конференции International Conference «VIBROENGINEERING-98» (Вильнюс, Литва, 1998), Международных НТК «Информационные технологии в инновационных проектах» (Ижевск, 2002-2004); IV Международной научно-технической конференции «Информационные технологии в инновационных проектах» (Ижевск, 2001, 2003); 4-м научном симпозиуме «Геоинформационные технологии в нефтегазовом сервисе» (Уфа, 2005); Международном симпозиуме «Надежность и качество» (Пенза, 2006); 33 Международной конференции «Информа-

ционные технологии в науке, образовании, телекоммуникации и бизнесе» (Украина, Крым, Ялта-Гурзуф, 2006); Всероссийской НТК «Компьютерные и информационные технологии в науке, инженерии и управлении» (Таганрог, 2006).

Публикации. Основные научные результаты по теме диссертации опубликованы в 19 научных работах, в том числе: 8 отчетов о НИР (64 е., 98 е., 138 е., 150 е., 116с., 45 е., 91 е., 53 е.), 3 тематических отчетов (113 е., 122 е., 133 е.), 1 депонированная рукопись (объемом 57 страниц), 7 статей в журналах и сборниках.

Структура диссертационной работы определяется общими замыслом и логикой проведения исследований.

Диссертация содержит введение, 4 главы и заключение, изложенные на 180 с. машинописного текста. В работу включены 52 рис., 51 табл., список литературы из 137 наименований и приложение, в котором представлен акт об использовании результатов работы.

СОДЕРЖАНИЕ РАБОТЫ

Введение содержит обоснование актуальности темы, формулировку цели и задач работы, основные положения, выносимые на защиту, и определяет содержание и методы выполнения работы.

В первой главе рассмотрены физические основы методов каротажа, особенности их применения для различных литологических структур регионов и условий проведения бурильных работ, приведены параметры регистрации по-' казаний. Рассмотрены особенности интерпретации диаграмм отдельных методов каротажа. Проведен обзор существующих алгоритмов и программных средств обработки КД. Сделан анализ применимости программных средств моделирования и разработки систем НЛ к задаче интерпретации КД.

Во второй главе произведена формализация задачи распознавания лито-логической структуры разреза скважины посредством HJI. Дано описание алгоритмов предварительной обработки исходных данных. Раскрыты предлагаемые автором подходы к построению модели НЛ для интерпретации результатов ГИС, определяются методы построения базы знаний. Предложен способ определения информативности методов каротажа.

Данные каждого метода каротажа представляют собой функцию от глубины х1 = g, (А), где х, — значение г"-го метода каротажа; gt — функция для i -го

метода каротажа; h — глубина; i = \,N; N — количество методов. В этом случае система НЛ, производящая распознавание литологической структуры, должна реализовывать следующее отображение: (xux2,...xN,fi) —> L или (X,h)-> L, где L — классификатор типа литологии; X = (XpX;,...*^) — вектор входных параметров. В задаче интерпретации L е {«Нефтеносный коллектор», «Водоносный коллектор», «Прочее»}.

Предварительная обработка исходных данных включает процедуры увязки кривых по глубине, нормирование и сглаживание исходных кривых, что, в конечном счете, положительно влияет на качество интерпретации. Для увязки кривых по глубине используются алгоритмы увязки методом взаимной корреляции и увязки кривых по этапам.

Алгоритм увязки методом взаимной корреляции определяет средний сдвиг показаний между двумя кривыми, одна из которых принята за опорную, другая — за увязываемую. Увязываемая кривая по отношению к опорной сдвигается целиком как единое целое. Близость увязки оценивается по функции взаимной корреляции.

Увязка кривых по этапам принимает мерой близости увязываемых кривых не квадратичную, а абсолютную характеристику. Квадратичная мера дает более стабильные результаты, но точки с большой амплитудой показаний обладают очень большим весом. Нормирование исходных данных заключается в приведении разнородных областей определения КД к интервалу [0, 1]. Нормирование необходимо для большей унификации исходных данных. Для сглаживания применялся метод скользящего среднего.

Модель НЛ использует базу знаний, состоящую из предикатных правил вида П, :если (л:, есть Ха) и естьЛ"а)... и (х„ естьХы), то (у есть где х, — имена четких входных переменных; у — имя переменной вывода; Хц и У,— функции принадлежности, определенные соответственно на х] и у; г = 1,К;

} = 1, п; К — количество правил; п — количество входных переменных.

В качестве примененного алгоритма нечеткого вывода использован алгоритм Мамдани, для реализации которого решаемой нами задачи потребовалось применить четыре этапа.

1) Введение нечеткости. Определяются значения функций принадлежности для каждой из четких входных переменных: Xц {х1), где г = 1, К; У = 1, и.

2) Логический вывод. Вычисленное значение истинности для предпосылок каждого правила применяется к заключениям данного правила. Находятся

уровни «отсечения» а/. а, = Р)"=1 Хи {х1), где / = 1 ,К. Операция пересечения п

реализуется с помощью операций минимума или произведения. В соответствии с аг( каждой переменной вывода для каждого правила назначается нечеткое

подмножество У,' : У,'=а, П^, где / = 1, АГ;

3) Композиция. Все нечеткие подмножества, назначенные каждой переменной вывода (во всех правилах), объединяются вместе и формируют общее

нечеткое множество: /и^ = У/. Операция объединения и» реализуется с помощью операций максимума или сложения.

4) Приведение к четкости (дефаззификация) используется для преобразования набора нечетких выводов в четкое число у*. Существует большое число методов дефаззификации, из которых решено применить метод среднего максимума — результирующее четкое значение определяется относительно подмножества элементов й области определения П, на которых достигается максимум результирующего объединения нечетких выводов , по следующей

формуле: у = [}(1У-

Установлено, что результаты работы системы НЛ будут различными при раз-

личных функциях принадлежности входных переменных Хц. Манипулируя параметрами функций принадлежности, добиваемся повышения качества интерпретации.

Для создания базы знаний предложено применять обучающий алгоритм, используя на начальном этапе правила, выработанные случайным образом.

Задача обучения системы НЛ представляется следующим образом: пусть нечеткой системе необходимо реализовать неизвестное отображение у = Ркр{Х) при наличии обучающей выборки {Х1,у1),{Х2,у2),...{Х„,уп). Тогда задача обучения сводится к задаче минимизации функции ошибки:

а)

где у, — экспертные заключения; о1 — результат работы системы НЛ.

В задачах нахождения глобальных экстремумов функций, точные формулы которых неизвестны, слишком сложны или не поддаются аналитическому описанию, прекрасно зарекомендовали себя эволюционные алгоритмы. В данной задаче решено применить генетический алгоритм (ГА), являющийся самым известным на данный момент представителем эволюционных алгоритмов.

В ГА каждый из вариантов решения задачи называется особью. Каждая особь характеризуется своим генотипом (обычно набор 1 и 0) и фенотипом (расшифровка генотипа). Если целевая функция зависит от п параметров, а каждый параметр кодируется набором из к бит, то особь X характеризуется как X = {Н,Р), где Я - генотип Я = (Л,,й^...//„.*), йу ={0,1}, 7=1,п-к, где И; -отдельный ген (значение 0 или 1); Р — фенотип, Р = (рир2...рп), Е (,Р((-1).*+1 > Р(!-\) к*1 • • • Л * ) > '=!»"> Р, ~ параметр целевой функции; g -

функция декодирования генотипа.

Суть работы ГА сводится к нахождению экстремума целевой функции, которой является функция ошибки системы НЛ (1).

Каждый шаг ГА осуществляется за счет выполнения следующих операций:

1) кроссовер — операция обмена части генов двух особей. Пусть имеются

особи X(1) и Х{2): Х(,) =(н{,),Рт}, Х{2) = (я(2),Р(2)), тогда результирующая особь Х{}) будет определяться как Х(3) = (н{7е>,Р(3)}, Р(3) = &(//(3)), Я<3) = (/г,'0, ,...,Л^",А*1*,,/г™2,...,Л™ ), где ¡л — позиция в генотипе, выбираемая случайным образом (//е(1,и-Л));

2) мутация — изменение одного гена особи, выбранного случайным образом. При исходной особи Х{ 1 результирующая особь будет определяться как Х<2> = (я«,Р<2>), Я(2) = (Л?0,А»»,..Л® ,1 - Л®,АЮ„..ЛЙ), Р(2)=?(я«), где ц — также выбирается случайно из интервала (1, л • ;

3) инверсия — циклический сдвиг генов особи. Если исходная особь X®, то *(2>: Х(2)=(я<2>,Р<2>), Я(2) Р™ =я(я(2)).

Отбор наилучших решений в ГА характеризуют следующие положения: 1) приспособленность особи X соответствует значению целевой функции на заданном варианте / (X); 2) чем выше приспособленность особи, тем выше ее шансы участвовать в операции кроссовера.

Работа ГА состоит в выполнении следующих шагов.

1) Выбирается размер п и структура популяции. В первом поколении генерируется популяция особей Х10:1,Х^0\...,Х^0) (случайным образом или на основе априорных данных о предметной области).

2) На каждой итерации ( отбор особей для скрещивания (кроссовера). Обычно вероятность участия особи Х{!)напрямую зависит от /(Л"'1').

3) Кроссовер, мутация (с вероятностью 0,05-0,1), инверсия (с вероятностью 0,05-0,1).

4) Отбор особей с лучшей приспособленностью в новую популяцию

При использовании принципа элитизма лучшие особи переходят в новую популяцию без изменений.

5) При достижении условий завершения алгоритма переход к п. б, иначе переход к п. 2.

6) Особь X с лучшей приспособленностью /(А") является решением.

Условием завершения алгоритма является достижение определенного

значения целевой функции /(ЛГ), или осуществление заданного количества итераций, во время которых значение целевой функции / (X) не улучшалось.

Эффективность работы системы НЛ определяется посредством экзаменационной выборки: (X,,>>2)...(Xк,ук), где у1 — экспертные оценки ли-

тологической структуры; ] = 1 ,К; К — объем экзаменационной выборки.

Экзаменационная выборка содержит пары (Х/>.У,}> не участвовавшие в

обучении системы. В результате экзамена определяется степень достоверности работы системы: 3 = «ош /К, где паш - число ошибок.

Эффективность распознавания литологической структуры посредством НЛ определяется как е/ = (1 - <5) • 100%. Будем считать, что чем выше эффективность распознавания, тем большую информативность имеют методы, участвующие в обучении системы НЛ.

Если количество методов каротажа, на которых обучалась и тестировалась система НЛ, равно единице (N = 1), то за информативность метода принимаем выражение: /, = еД, где /, — единичная информативность метода каротажа; е/] — эффективность работы системы НЛ.

В случае двух или более методов информативность каждого можно выразить по формуле:

< = ^ (2) где 1М — информативность метода с номером г при обучении системы НЛ на

N методах каротажа; efN — эффективность работы системы; 1XJ — единичная информативность метода с номером j; /1( — единичная информативность метода с номером /.

Формула (2) обеспечивает то, что информативность каждого метода пропорциональна единичной информативности метода, а сумма информативности методов равна эффективности системы HJI: efN = ^ •

В третьей главе приведен анализ применения разработанных программ для интерпретации каротажных диаграмм (КД). В качестве объекта исследования и экспериментальных данных выступают скважины Вятской площади, разработанные Арланским УГР ОАО «Башнефтегеофизика». В исследовании принимали участие результаты измерений ГИС по 119 скважинам, на которых снимался набор из десяти методов каротажа (боковой каротаж (ВК), каверно-метрия (DS), акустический каротаж (DT), гамма каротаж (GR), индукционный каротаж (IK), микроградиент-зонд (MGZ), микропотенциал-зонд (MPZ), нейтронный гамма каротаж (NGR), кажущееся сопротивление (PZ), потенциал самопроизвольной поляризации (SP)). Причем сравнивались результаты интерпретации по 5 стандартным методам: ВК, DS, DT, GR, NGR и по всем 10 методам. Рассмотрению подлежали интервалы глубин, в которых КД были записаны в масштабе глубин 1:200. На каждую скважину приходилось от 700 до 900 отсчетов. Так как основной задачей применяемых алгоритмов являлось обнаружение продуктивных слоев, то при оценке эффективности полученной системы принимались во внимание только такие литологические типы как нефтеносный коллектор, и смешанный коллектор (нефть и вода). Перед исследованием все

кривые приводились к стандартным условиям измерений, были нормализованы и сглажены. Вид исследуемых стандартных методов каротажа после проведения предварительной обработки приведен на рис. 1а. Вид исследуемых дополнительных методов каротажа после проведения предварительной обработки приведен на рис. 16. Целью исследования являлась оценка применимости разработанных алгоритмов в составе автоматизированной системы обработки и интерпретации для экспресс-интерпретации результатов ГИС, а именно литологического расчленения алгоритмами классификации и моделью нечеткой логики, оценки петрофизических параметров разреза с использованием мягких вычислений. Задачей эксперимента являлась оценка качества литологического расчленения

а) стандартный набор методов

б) дополнительный набор методов Рис. 1. Кривые методов ГИС

а) боковой и гамма-каротаж

б) боковой каротаж и диаметр скважины

........таг.....■......

алгоритмами классификации и определение оптимального числа классов и весовых коэффициентов методов ГИС на различных наборах методов каротажа для выделения продуктивных пластов. В результате работы алгоритма нечеткой классификации для каждой точки определялась принадлежность ко всем классам. Выигравшим считался класс с максимальной степенью принадлежности. Класс «нефтенасыщенный пласт» идентифицировался по методу ВК: проекция центра класса на ось значений ВК — максимальна.

Экспериментально было установлено, что наилучшие оценки при полном комплексе ГИС (10 методов), в отличие от случая отсутствия весовых коэффициентов, дает разбиение пластов на 5 классов. При наличии только стандартного комплекса измерений (5 методов) наибольший эффект проявляется при разбиении на 4 класса. Кроме этого можно сделать вывод о том, что введение дополнительных методов не дает заметного прироста эффективности, и их можно считать избыточными. Для визуальной оценки качества классификации использовались кросс-плоты и гистограммы распределения значений методов по классам. Кросс-плоты и гистограммы распределения значений методов ГИС для одной из скважин приведены на рис. 2 и рис. 3 соответственно.

Сравнение результатов расчленения разреза с учетом заключений экспертов по стандартному комплексу измерений (5 методов) с применением весовых коэффициентов и без них приведено на рис. 4. В качестве оценки алгоритма приведена принадлежность к классу «нефть», в случае, когда эта принадлежность является максимальной по всем классам. Установлено, что оптимальным набором является набор из стандартных методов каротажа: ВК, ОТ, ОЯ и N01?.. Для выделения нефтеносных коллекторов минимально необходимым количеством классов является N = 4.

Можно сказать, что применяемые в автоматизированной системе обра-

в) боковой и акустический каротаж

г) боковой и нейтронный гамма-каротаж

| и Нефть

1 Центры классов |

Рис. 2. Кросс-плоты при разбиении на 4 класса по 5 методам

ботки и интерпретации алгоритмы могут использоваться для оперативной интерпретации и оценки свойств продуктивных коллекторов.

1

ч

а) без использования весовых коэффициентов

Й'

; 1

D 0.2 0,4 0.6 0.В

в) акустический каротаж

г) гамма-каротаж

11 Класс 1 Д Класс 2 □ Класс 3 И Класс 4 |

Рис. 3. Гистограммы распределений для 4 классов

Вво Í70 9в0 9S0 1010 1020 1030 1М0

б) с использованием весовых коэффициентов

[и— Эксперт аша Г^отоз |

Рис. 4. Результаты выделения продуктивных слоев

В диссертации дан анализ применения алгоритма обучения нейронных сетей без учителя. В качестве объекта исследования и экспериментальных данных выступают скважины Вятской площади, разработанные Арланским УГР ОАО «Башнефтегеофизика». В исследовании принимали участие результаты измерений ГИС по 119 скважинам.

Целью исследования являлась оценка применимости разработанных алгоритмов в составе АСОИК для экспресс-интерпретации результатов ГИС, а именно литологического расчленения алгоритмами классификации и моделью нечеткой логики, оценки петрофизических параметров разреза с использованием мягких вычислений.

Задачей эксперимента являлась оценка качества литологического расчленения нейронных сетей (НС), обучаемых по алгоритму Кохонена, на различных наборах методов каротажа для выделения продуктивных пластов. В результате обучения НС для каждой точки определялась принадлежность ко всем классам. Выигравшим считался класс с максимальной степенью принадлежности. Класс «нефти» идентифицировался по методу ВК (боковой каротаж): проекция центра класса на ось значений ВК — максимальна. Весовые коэффициенты в явном виде не использовались.

Общая согласованность распознавания по одной скважине рассчитывалась по формуле: е = аг-(1 — <5)-100%, аг = «т)//Г), б = ппр/К2, где пт — число попаданий, т.е. число точек в которых продуктивный класс, выявленный алгоритмом совпадает с заключением эксперта; А", — количество продуктивных слоев по заключению эксперта; ппр — число промахов, т.е. число точек в которых продуктивный класс, выявленный алгоритмом, не совпадает с заключением

эксперта; К2 — количество продуктивных слоев по заключению НС. По результатам распознавания для различного набора методов ГИС и количества классов можно сделать вывод о том, что наилучшие оценки в обоих случаях дает разбиение пластов на 4 класса. Также можно сказать о том, что средняя эффективность распознавания превышает таковую для метода нечеткой классификации без весовых коэффициентов, а, следовательно, данный алгоритм целесообразно использовать при отсутствии априорных знаний о значимости методов ГИС.

Сравнение результатов расчленения разреза НС с заключениями экспертов по стандартному комплексу измерений (5 методов) приведено на рис. 5.

Также в качестве задачи можно обозначить оценку коэффициента пористости продуктивных коллекторов и точности вычислений с применением треугольных функций принадлежности по сравнению с функциями произвольной формы. Вычисления производились с использованием двух геофизических методов — акустического каротажа и нейронного гамма каротажа и последующим согласованием решения, используя операцию пересечения Заде.

Данные для

Г.

I Эксперт Е^Г^Я Прогноз

расчета были получены в результате обработки результатов ГИС и заключений по определенной скважине с учетом по-

Рис. 5. Результаты выделения продуктивных слоев самообучающейся нейронной сетью грешностей замера каждой переменной. При этом наиболее правдоподобное значение параметра функций принадлежности для рассматриваемого пласта рассчитываются по следующей формуле: х= , где N - количество

измерений метода для текущего пласта. Обычно N = Н/0,2, где Н — мощность пласта. Функции принадлежности могут быть построены более точно с использованием дополнительной информации о методах исследования керна, погрешности соответствующих приборов, данных исследования для всех скважин и т.д. Однако особенности применяемого численного метода позволяют работать с функциями любого вида.

На рис. 6 приведены результаты оценки коэффициента пористости, а также заключения о пористости, полученные интерпретаторами ОАО «Башнефте-геофизика» без использования автоматизированных систем.

К сожалению, в заключениях ОАО «Башнефтегеофизика» по скважинам отсутствуют значения принятого коэффициента пористости, поэтому пользоваться значениями коэффициентов можно лишь для приблизительной оценки корректности вычислений.

Как показывают расчеты, решения, полученные с применением арифметических операций над функциями принадлежности треугольного вида, достаточно точно аппроксимируют результат.

Ошибка, полученная в результате применения операции пересечения Заде, дает разницу в согласованном решении не более 6%. То есть, аппроксима-

ция треугольными функциями дает достаточную точность оценки точки максимума результирующей функции.

Е

-GRuht. |

-GR икт. "I

Рис. 6. Функции принадлежности для коэффициента пористости Поэтому при расчете петрофизических коэффициентов с использованием операций с нечеткими числами можно не применять более сложные аппроксимирующие функции.

Методы нечеткой классификации и НС могут использоваться при отсутствии у исследователя точных знаний о распределении значений методов ГИС по классам «нефть», «вода», «глина» и т.д. Причем применение НС показало лучшие результаты, в случае, когда не используются весовые коэффициенты для методов ГИС. Использование весовых коэффициентов позволяет поднять согласованность решений с заключениями экспертов до 60%. Для поиска оптимальных значений коэффициентов успешно применен генетический алгоритм. Применение теории нечетких множеств для оценивания технологических параметров при наличии в уравнениях неточно заданных величин дает возможность получить количественную характеристику неопределенности оцениваемых параметров и создает основу для принятия обоснованных решений при существовании у исследователя нескольких моделей. Для расчленения разреза при наличии функций принадлежности, задаваемых экспертом, может использоваться модель нечеткой логики.

Четвертая глава посвящена описанию разработанных структуры системы, базы правил, методики работы с базой правил, структурной схемы обработки данных. Приведены применяемые в программной реализации алгоритмы работы с базой правил и системы в целом, а также примеры модулей системы. Разработанная подсистема контроля ориентирована на использование структуры базы данных Finder, компании Schlumberger, а также на структуру базы данных Carbon, в разработке, которой автор принимал непосредственное уча-

стие. Обе эти базы данных по структуре являются реляционными и поддерживают клиент-серверную технологию доступа.

Архитектура реализации программного обеспечения «клиент-сервер» позволяет реализовать многопользовательскую обработку данных. Кроме того, использование выделенных серверов баз данных, таких как Oracle и Microsoft SQL Server, обеспечивает надежность хранения данных и быстрый доступ к огромным массивам информации. Немаловажным аргументом в пользу выбора данной архитектуры является защита информации и поддержка авторизации.

Для хранения геолого-геофизической информации наряду с серверами баз данных используются файлы формата ASCII. Эти файлы обычно формируются специализированными программно-аппаратными комплексами. Их использование, в основном, выгодно для обмена данными, но хранить информацию в текстовых файлах не выгодно, т.к. в таком виде их сложно использовать для анализа и обработки.

Файловые структуры используются, как правило, для хранения данных ГИС, результатов интерпретации, измерению кривизны, заключений по исследованиям и прочее. Формат представления этих данных носит универсальных характер и поэтому позволяет расширять круг геолого-геофизической и промысловой информации, которую можно хранить в файлах.

На современном уровне развития технологий результатом сбора и обработки геолого-геофизической и промысловой информации является построение моделей месторождений. Недостоверность данных может оказать значительное влияние на поведение модели. Например, на качество конечной гидродинамической модели может повлиять ошибка в расчетах коэффициентов пористости.

В одной из рассмотренных моделей исходные коэффициенты пористости были избавлены от ошибок, связанных с обработкой геолого-геофизических данных, а другая осталась без изменений. Часть коэффициентов носила ошибочный характер из-за банальной опечатки оператора, часть — из-за неточности в исходных данных для расчета (рис. 7). Но необходимо отметить, что количество ошибок было небольшим.

В результате построения гидродинамических моделей с использованием достоверных и ошибочных данных была произведена оценка коэффициентов неф-те- и газонасыщенности (рис. 8). Как и ожидалось, ошибочные исходные данные поля пористости привели к ошибочной модели. А именно, оказались частично завышены данные по нефтенасыщенности и занижены по газонасыщенности.

Основным свойством геологической информации является пространственная и временная привязка данных. В соответствии с множеством изучаемых процессов проводится комплекс периодических исследований геологических процессов и явлений на постоянных полигонах и в отдельно взятых точках некоторого региона. Разные процессы имеют разную скорость развития, в связи с чем, некоторые из них рассматриваются как стационарный фон, а другие нуждаются в исследованиях разной (от столетий до долей суток) периодичности. Результаты исследований накапливаются в единой информационной системе для последующей верификации и анализа.

Ц

1,0-d 0,9 0,8 0,7-= 0,6 0,5-= 0,4 -Ё 0,3-= 0,2 0,1-Е

кп действительной модели

кд ошибочной модели

1,0-= 0,9Щ 0,8-= 0,7 0,6-= 0,5 0,4 0,3 —

0,2 "1 0,1-=

^ошибочной модели

I к ¡действительной модели

Рис. 7. Коэффициенты пористости в моделях

Рис. 8. Сравнение коэффициентов нефте- и газонасьпценности в действующей и ошибочной моделях

При разработке системы автор придерживался модульного принципа разбиения задачи на части. В результате этого решения все разработанные подсистемы можно разделить на три основные группы (см. рис. 9):

—¡Управление правилами

Подсистема Подсистема

управления анализа

базой правил правил

к Направление потока обработки

данных ■ Направление потока данных

Работа с данными

ГрафикиНТМиХМС Обработка результатов [—1

Рис. 9. Структура системы контроля достоверности данных

1. Управление правилами.

Обеспечивает хранение, анализ, обработку и управление правилами. Позволяет построить граф обработки правил.

2. Работа с данными. Обеспечивает взаимодействие с системой хранения данных, а

также анализ данных до и после проверки. Подсистема обработки правил контролирует процесс управления правилами. Эта группа предоставляет ключевые аналитические возможности для работы системы в целом.

3. Обработка результатов. Содержит ряд подсистем, позволяющих в удобном пользователю виде предоставить результаты работы системы проверки данных (Microsoft Excel, HTML, XML и пр.). Последующим вероятным шагом потока обработки данных является использование верифицированных данных для построения различных типов моделей.

В разработанной структуре базы правил (см. рис. 10) явно выделяются три группы таблиц:

Dictionary

PK Id

grp

Name

Code

Status

Parent

Rule

PK IdRule

Name

Status

Severity

FK2 Area

Stat RuleDescriptor

FK1 Descriptor PK Descriptor

FreqUsed FreqErr FK1 IdRule Type

| Описание правил]

1. Описание правил. Состоит из таблиц, носящих описательный характер правил, входящих в базу.

2. Правила. В этой группе описываются сами правила и формат их использования. Правила базы подразделяются на внутренние и внешние.

3. Схема обработки правил. Правила выполняются согласно построенной схеме проверки.

Описанные три группы позволяют управлять процессом обработки данных, создавая графы обхода правил проверки, использовать как внутренние, так и внешние библиотеки проверки данных. В процессе проверки данных ведётся сбор статистических параметров работы правил. Собранная статистика позволяет улучшать логику работы правил.

RuleText

FK1 Descriptor

Text VB Result

RuleLib

FK1

Descriptor

FileName

Function

Params

Result

DLL

Правила

Schema SchernaSteps

PK IdSchema FK1 idSchema

Name Info nStep Name nStepSuccess nStepError

SchemaStat

FK1 idSchema nStep

Status Time

-) Схема обработки правигГ

Рис. 10. Структура базы правил

ЗАКЛЮЧЕНИЕ

В результате проведенного исследования получены следующие выводы.

1. В работе получены научно-обоснованные математические модели и программно-аппаратные средства интеллектуальных систем интерпретации ГИС, обеспечивающих повышение надежности выявления нефтенасыщенных коллекторов при оптимизации использования количества производимых при ГИС методов каротажа на основе разработки эффективных алгоритмов интерпретации ГИС, реализованных в виде адаптивных систем нечеткого вывода и многослойных НС, обучающихся с помощью генетических алгоритмов, проведение комплексной верификации геолого-геофизической и промысловой информации, ведущее к расширению функциональных возможностей специализированных баз данных.

2. Разработаны принципы построения адаптивных систем НЛ для распознавания литологической структуры разреза скважины. Выбраны методы обучения для моделей НЛ. Показана состоятельность подхода к задаче распознавания литологической структуры разреза скважины при помощи обучения систем НЛ. Разработанная система интерпретации результатов ГИС на основе нечеткого ло-

гического вывода, обученная генетическим алгоритмом, обеспечивает литологи-ческий экспресс-анализ.

3. Разработаны принципы построения программного комплекса, реализующего интерпретацию результатов ГИС на основе моделей НЛ. Создана интеллектуальная система для интерпретации результатов ГИС на основе НЛ с возможностью, как ручной настройки правил, так и обучения по обучающей выборке, имеющая удобный интерфейс и возможность интегрирования с другими программными средствами за счет динамически связываемых библиотек (DLL).

4. В результате анализа применимости НС для распознавания литологи-ческой структуры скважины доказана возможность применения аппарата НС для качественной интерпретации данных ГИС, что позволяет автоматизировать качественную интерпретацию непосредственно на скважине с достаточно высокой степенью надежности. .

5. Методы нечеткой классификации и НС могут использоваться при отсутствии у исследователя точных знаний о распределении значений методов ГИС по классам «нефть», «вода», «глина» и т.д. Причем применение НС показало лучшие результаты, в случае когда не используются весовые коэффициенты для методов ГИС.

6. Для решения задачи классификации пластов нефтяных скважин рассмотрена возможность применения алгоритмов обучения без учителя (самоорганизующиеся карты Кохонена). Этот метод дает дополнительную информацию о структуре разреза скважин, повышающую достоверность интерпретации.

7. Созданная система позволяет проводить комплексную верификацию промысловой информации, как в специализированных хранилищах, так и использоваться в качестве интегрированного инструмента контроля достоверности данных, применяемого в рамках программных решений сторонних разработчиков.

8. Произведена оценка влияния ошибочных данных при проведении геологического и гидродинамического моделирования. Практическим путем выработаны критерии построения подобного рода комплексов. Разработана гибкая система хранения правил контроля, а также алгоритмы их обработки. Система правил имеет возможности расширения за счет использования внешних (DLL) библиотечных модулей, что позволяет производить настройку правил системы под конкретные требования.

НАУЧНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ:

1. Разработка и внедрение аппаратуры цифровой записи параметров каротажа для серийных каротажных станций. Разработка конструкторской документации и изготовление опытной партии: Отчет о НИР / ПГО «Удмуртгеология»; Ижевский механический ин-т; Рук. Лялин В.Е.; Исп. Лялин В.Е., Немирович Т.Г., Ясовеев И.М. и др.-№ ГР 32-81-78/25; Инв. № 17Ю.-Ижевск,1982.- 64 с.

2. Опытно-методические работы по освоению и внедрению новых методов ГИС и цифровой записи каротажа: Отчет о НИР / ПГО «Удмуртгеология»; Ижевский механический ин-т; Рук. Лялин В.Е.; Исп. Немирович Т.Г., Ясовеев И.М., Гараев P.M. и др.-№ ГР 32-81-78/24; Инв. № 1745.- Ижевск, 1983,- 98 с.

3. Опытно-методические работы по обеспечению эффективности примене-

ния цифровой записи параметров каротажа на серийных станциях АКСЛ-7: Отчет о НИР / ПГО «Удмуртгеология», Устиновский механический ин-т; Рук. Лялин В.Е.; Исп. Лялин В.Е., Ясовеев И.М., Вахрушев И.А. и др. - № ГР 32-8318/35; Инв. № 1853. - Устинов, 1985. - 138 с.

4. Опытно-методические работы по внедрению системы цифровой записи и дистанционной передачи параметров каротажа: Отчет о НИР / Удмуртский трест разведочного бурения; Рук. Лялин В.Е.; Исп. Лялин В.Е., Немирович Т.Г., Ясовеев И.М. и др. - № ГР 32-85-45/42; Инв. № 1937. - Устинов, 1987. - 150 с.

5. Опытно-методические работы по совершенствованию системы цифровой регистрации параметров каротажа: Отчет о НИР / Удмуртское производственное геологическое объединение; Рук. Лялин В.Е.; Исп. Лялин В.Е., Бондарчук П.К., Ясовеев И.М. и др. - № ГР 32-87-43/37; Инв. № 2032. - Ижевск, 1987. - 116 с.

6. Опытно-методические работы по созданию гибкой производственной системы сбора, преобразования и передачи каротажных данных: Отчет о НИР / Удмуртское производственное геологическое объединение; Рук. Лялин В.Е.; Исп. Бондарчук П.К., Межов А.П., Ясовеев И.М. и др. - № ГР 32-89-37/5; Инв. №2139.-Ижевск, 1987.-45 с.

7. Освоение персональных ЭВМ, разработка и внедрение проблемных программных средств: Тематический отчет / ГГП «Удмуртгеология»; Рук. Межов А.П.; Исп. Межов А.П., Ясовеев И.М., Нисткж Т.Ю. и др. - № ГР 32-90-459; Инв. № 2168.- Ижевск, 1988. - 113 с.

8. Разработка автоматизированной системы обработки геологической информации: Тематический отчет / Удмуртское производственное геологическое объединение; Рук. Межов А.П.; Исп. Межов А.П., Ясовеев И.М., Маслова И.С. и др. - № ГР 32-88-38/2; Инв. № 2140. - Ижевск, 1988. - 122 с.

9. Создание и внедрение автоматизированного банка геолого-геофизической информации УПГО «Удм»: Тематический отчет / Удмуртское производственное геологическое объединение; Рук. Межов А.П.; Исп. Межов А.П., Ясовеев И.М., Наговицина Н.В. и др. - № ГР 32-89-37/6; Инв. № 2137. - Ижевск, 1988. - 133 с.

10. Оцифровка каротажного материала Каширо-подольского объекта Вятской площади Арланского месторождения: Отчет о НИР / Институт интеллектуальных технологий; Рук. В.ЕЛялин; Исп. А.П. Щеглов, И.М. Ясовеев, А.В.Гурьянов и др. - № ГР 01200 405095 - Ижевск, 2004,91 с.

11. Отчет по договору 561 на производство работ по переинтерпретации материалов ГИС Ижевского месторождения ОАО «Удмуртнефть»: Отчет о НИР/ Институт интеллектуальных технологий Рук. В.Е. Лялин; Исп. Т.Г. Немирович, В.П. Цепелев, И.М. Ясовеев и др. - № ГР 01200 408505 - Ижевск, 2004, 53 с.

12. Лусников Р.Г., Ясовеев И.М. Применение алгоритма нечеткой классификации для литологического расчленения скважины // Известия ТулГУ. Серия. Математика. Механика. Информатика. — Т. 11. Вып. 3. Информатика. — Тула: Изд-во ТулГУ, 2005. - С. 72-86.

13. Немирович Т.Г., Ясовеев И.М. Определение коэффициента пористости нефтепродуктивных коллекторов с применением треугольных функций

принадлежности // Известия ТулГУ. Серия. Математика. Механика. Информа-тика.-Т. 11. Вып. 3. Информатика. - Тула: Изд-во ТулГУ, 2005. - С. 151-157.

14. Ясовеез И.М. Структура программного комплекса интеллектуальной системы интерпретации геофизических исследований скважин // Известия ТулГУ. Серия. Математика. Механика. Информатика. - Т. 11. Вып. 3. Информатика. - Тула: Изд-во ТулГУ, 2005. - С. 230-239.

15. Анализ степени автоматизации геофизических исследований скважин / Ясовеев И.М.; ИжГТУ - Ижевск, 2006. - Деп. в ВИНИТИ 2006, № 199-В2006. -57 с.

16. Ясовеев И.М., Лялин В.Е. Применение алгоритма нечеткой классификации для интерпретации данных геофизических исследований скважин // Информационные технологии в науке, образовании, телекоммуникации и бизнесе: Материалы 33 Междунар. конф. — Украина, Крым, Ялта-Гурзуф: Прилож. к журн. «Открытое образование», 2006. — С. 210-211.

17. Ясовеев И.М., Лусников Р.Г. Применение алгоритма обучения нейронных сетей без учителя для интерпретации данных геофизических исследований скважин II Информационные технологии в науке, образовании, телекоммуникации и бизнесе: Материалы 33 Междунар. конф. — Украина, Крым, Ялта-Гурзуф: Прилож. к журн. «Открытое образование», 2006. — С. .208-209.

18. Лялин В.Е., Ясовеев И.М. Применение нечеткой логики и нейронных сетей для литологического расчленения разреза скважины // Надежность и качество. Труды междунар. симпозиума. В 2-х томах / Под. ред. Н.К. Юркова -Пенза: Изд-во Пенз. гос. ун-та, 2006. - Т. 1. - С. 44-48.

19. Лусников Р.Г., Ясовеев И.М. Оценка петрофизических параметров нефтяных коллекторов с помощью нечетких множеств // Надежность и качество. Труды междунар. симпозиума. В 2-х томах / Под. ред. Н.К. Юркова - Пенза: Изд-во Пенз. гос. ун-та, 2006. - Т. 1. - С. 248-252.

И.М. Ясовеев

Лицензия ЛР № 020764 от 29.04.98

Подписано в печать 19.07.2006. Формат 60x84 1/16. Отпечатано на ризографе. Уч.-изд.л. 1,97. Усл. печ. л. 1,39. Тираж 100 экз. Заказ № 504/2.

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

Оглавление автор диссертации — кандидата технических наук Ясовеев, Ильдус Миниахметович

Введение.

1. Анализ степени автоматизации ГИС.

1.1. Разведка нефтянных месторождений.

1.2. Геофизические исследования геологоразведочных скважин

1.3. Методы каротажа.

1.3.1. Использование методов каротажа.

1.3.2. Электрические методы каротажа.

1.3.3. Акустический каротаж.

1.3.4. Радиоактивные методы каротажа.

1.3.5. Кавернометрия.

1.4. Автоматизация обработки и интерпретации результатов ГИС

1.5. Интерпретация каротажных данных.

1.6. Анализ алгоритмов интерпретации геофизической информации.

1.6.1. Статистические методы.

1.6.2. Алгоритм с использованием диагностических кодов

1.6.3. Цитологическое расчленение с оценкой вероятности.

1.6.4. Метод нормализации.

1.6.5. Методы классификации, основанные на петрофизиче-ских данных.

1.7. Основные модели нечеткой логики.

1.8. Анализ программных средств.

1.8.1. Программы для оцифровки каротажных диаграмм.

1.8.2. Программы интерпретации каротажных диаграмм.

1.9. Результаты анализа.

1.10. Постановка цели и задач исследований.

2. Интерпретация результатов ГИС на основе применения интеллектуальных алгоритмов.

2.1. Развитие адаптивных систем нечеткого вывода.

2.2. Адаптивные нечеткие модели для решения задач прогнозирования в сложных системах.

2.2.1. Математическая теория нечетких мноэюеств.

2.2.2. Нечеткие правила.

2.3. Модели нечеткого вывода.

2.3.1. Нечеткий вывод по способу Мамдани (Матс1ат).

2.3.2. Нечеткий вывод по Сугено (Sugeno).

2.3.3. Эволюционный подход к построению систем нечеткого вывода.

2.3.3.1. Теория эволюционных алгоритмов.

2.3.3.2. Генетический алгоритм.

2.4. Программные средства для разработки систем нечеткой логики

2.5. Определение продуктивных коллекторов методом нечеткого логического вывода.

2.6. Полученные результаты и выводы.

3. Применение алгоритмов для интерпретации данных ГИС.

3.1. Объект и цели исследования.

3.2. Применение алгоритма нечеткой классификации.

3.2.1. Определение оптимального количества классов.

3.2.2. Определение весовых коэффициентов методов ГИС.

3.3. Применение алгоритма обучения нейронных сетей без учителя

3.4. Определение коэффициента пористости.

3.5. Результаты экспериментальных исследований.

4. Разработка программных модулей АСОИК.

4.1. Введение.

4.2. Проверка достоверности устьевых координат скважин.

4.2.1. Условия построения модели расположения скважин.

4.2.2. Результаты построения моделей скважин.

4.3. Оценка влияния недостоверных данных на результаты моделирования.

4.3.1. Условия построения моделей.

4.3.2. Результаты обработки построенных моделей.

4.4. Результаты анализа моделей.

4.5. Описание структур баз данных.

4.5.1. База данных Finder.

4.6. Файловые структуры данных.

4.6.1. Файловая структура описания инклинометрии.

4.6.2. Файловая структура описания кривых ГИС.

4.6.3. Файловая структура описания РИГИС.

4.7. Разработка структуры системы контроля достоверности данных.

4.7.1. Разработка структуры системы.

4.7.2. Разработка структуры базы правил.

4.7.3. Структурная схема обработки данных.

4.8. Разработка программных средств контроля данных.

4.8.1. Алгоритм контроля данных.

4.8.2. Алгоритм обработки правил контроля.

4.8.3. Программная реализация модулей системы контроля данных.

4.9. Полученные результаты и выводы.

Введение 2006 год, диссертация по информатике, вычислительной технике и управлению, Ясовеев, Ильдус Миниахметович

Актуальность темы. Совершенствование рациональных методов оперативной интерпретации и методов оценки коллекторских свойств пород является весьма актуальным вопросом на современном этапе развития нефтедобывающей промышленности. Необходимость совершенствования этих методов обусловливается задачей скорейшего ввода в разработку нефтяных месторождений на основе достоверных геофизических исследований скважин в минимальные сроки и при минимальных капиталовложениях.

Расчетные методы и соответствующие исследования скважин и пластов должны позволять определять параметры нефтеносных и водоносных пластов и их изменение по мощности и по площади. Без достоверного знания параметров пластов невозможно строить правильный прогноз разработки месторождений, регулировать процесс разработки, находить оптимальные проектные решения и т. д. От точности и скорости решения этой задачи в значительной степени зависят стратегия извлечения запасов нефти и эффективность использования капитальных вложений на обустройство и доразбуривание месторождений.

Неопределенность при разработке месторождений нефти имеет место в основном из-за нечеткости петрофизических понятий «пористость», «мощность» и т.д. как для отдельной скважины, так и для месторождения в целом. Имеются лишь замеры этих параметров в отдельных точках месторождений, а ввиду неоднородности среды эти величины значительно меняются в пространстве. Применение средних и средневзвешенных значений параметров для расчетов может приводить к получению значительно смещенных точечных оценок параметров.

Погрешность различных приборов и датчиков, проводимых исследований, наличие по целому ряду параметров возможности лишь косвенной их оценки приводят к необходимости проведения расчетов при наличии неточно заданных параметров и коэффициентов уравнений. Замена неточно заданных величин на детерминированные (точечные) величины значительно усложняет процедуру расчета, приводит к необходимости их итерационного подбора для получения приемлемых результатов. В этом случае также затруднена оценка погрешности получаемого результата. Очень часто в состав параметров и коэффициентов уравнений входят одновременно величины с различным характером неопределенности: интервальные, нечеткие, стохастические, эвристические (на основе экспертной оценки). Поэтому возникает необходимость представления всей информации на едином, формальном языке теории нечетких множеств с представлением характеристик неточно заданных величин в виде нечетких функций.

Создание автоматизированной системы для оперативной интерпретации, использующей математический аппарат нечеткой логики, интегрированной со сводной геофизической базой данных и с аппаратным комплексом, позволит давать предварительные заключения прямо на каротажной вычислительной станции (КВС), что будет способствовать снижению стоимости разработки и повышению точности анализа геофизической информации при ее последующей сводной интерпретации.

Объектом исследования являются каротажные диаграммы (КД), представленные в цифровом виде; модели нечеткой логики (НЛ) и нейронных сетей (НС) для решения задач оперативной интерпретации результатов геофизических исследований скважин (ГИС); автоматизированная информационная система интерпретации, обработки и контроля (АСОИК) для комплексного анализа достоверности данных, с возможностью исправления явных ошибок в автоматизированном режиме.

Предметом исследования являются математическое, информационное и программное обеспечение АСОИК, математическое описание алгоритмов обработки КД, оперативной интерпретации, литологического расчленения; разработка структуры хранения и алгоритмов обработки базы правил; структура и лингвистическое обеспечение АСОИК.

Цель работы состоит в получении научно-обоснованных математических моделей и программно-аппаратных средств интеллектуальных систем интерпретации, обработки и контроля ГИС, обеспечивающих повышение надежности выявления нефтенасыщенных коллекторов при использовании различного набора производимых при ГИС методов каротажа на основе разработки эффективных алгоритмов интерпретации, базирующихся на положениях теории НЛ и НС, обучаемых с помощью генетических алгоритмов (ГА), проведение комплексной верификации геолого-геофизической и промысловой информации, ведущее к расширению функциональных возможностей специализированных баз данных, внедрение которых имеет существенное значение в области автоматизации обработки и интерпретации геолого-геофизической информации.

Для реализации поставленной цели необходимо решить следующие задачи:

- выработка научно-обоснованных решений для построения моделей НЛ для распознавания литологической структуры разреза скважины; разработка способа определения информативности методов каротажа при интерпретации результатов ГИС на основе алгоритмов нечеткого вывода;

- выбор и обоснование путем теоретических и экспериментальных исследований структуры АСОИК, принципов построения программного и информационного обеспечения; кодирование отдельных модулей АСОИК;

- формализация задачи качественной интерпретации данных ГИС для ее решения с помощью аппарата НС; разработка правил и методик применения НС для решения задачи литологического расчленения разреза скважины;

- разработать научно-обоснованные решения для выделения продуктивных слоев, выбрать методики оценки петрофизических свойств коллекторов, построить типовые схемы оперативной обработки данных ГИС;

- исследование структуры геолого-геофизической и промысловой информации и на основе ее получение правила контроля достоверности данных; разработка алгоритмических и программных решений для проведения комплексной верификации геолого-геофизических и промысловых данных;

- создание структуры системы контроля, схемы ее работы и инструментов для визуализации результатов работы; выбор и обоснование путем теоретических и экспериментальных исследований структуры АСОИК, принципов построения программного, лингвистического и информационного обеспечения для ввода, хранения, обработки и анализа правил, применяемых в системе комплексного контроля достоверности данных;

- исследование потоков информации, возникающих при построении моделей месторождений; изучение влияния различных ошибочных геолого-геофизических данных на геологические и гидродинамические модели месторождений; интегрирование системы контроля достоверности данных в существующую широкораспространенную базу данных геолого-геофизической информации.

Методы исследования. При решении задач оперативной интерпретации использовалась модели HJT и НС. Поиск оптимальных значений весовых коэффициентов для методов ГИС осуществлялся с помощью ГА. Для оценки параметров коллекторов применялась теория HJI, и использовались функции принадлежности треугольной, трапециевидной и произвольной формы. Интерпретация проводилась с использованием пяти методов каротажа, входящих в состав стандартного набора методов ГИС и пяти дополнительных методов. Результаты интерпретации исследовались на предмет соответствия выделенных нефтенасы-щенных участков разреза скважины экспертным оценкам. Предварительное расчленение разреза на пласты не осуществлялось, обработка КД велась поточечно.

Информационная модель АСОИК создана с учетом объектно-ориентированных принципов разработки программных комплексов. База правил разработана с учётом механизмов построения реляционных структур данных. Структурная схема системы спроектирована и реализована с учетом теоретических основ информатики и вычислительной техники.

Программное обеспечение системы реализовано на алгоритмическом языке высокого уровня - Object Pascal, интерфейс пользователя разработан в интегрированной среде Borland Delphi 6.0, база данных работает под управлением таких СУБД как Oracle 8 и Microsoft SQl Server 7.0. Часть правил системы используются в виде внешних библиотек {DLL) и реализованы на языке высокого уровня Microsoft Visual С++. Для построения моделей привлекался инструментарий компании Roxar: IRAP RMS и ТЕМРEST MORE.

Достоверность и обоснованность полученных в работе результатов и выводов подтверждена результатами экспериментальных исследований и опытом практической эксплуатации АСОИК.

Математические модели, алгоритмы и прикладные программы, предложенные в работе, основаны на положениях теории нечетких множеств и нейронных сетей. Предлагаемые методики выделения продуктивных пластов и расчета параметров коллекторов основаны на теории геофизических исследований скважин и алгоритмах интерпретации, включенных в АСОИК.

Достоверность экспериментальных результатов обеспечена использованием утвержденных в ОАО «Башнефтегеофизика» экспертных заключений по скважинам Вятского месторождения, большим объемом экспериментального материала и согласованностью результатов с теоретическими положениями.

На занцпу выносятся результаты проведения исследований по определению информативности методов каротажа при распознавании литологической структуры разреза скважины посредством модели HJ1, исследования обучения нейронных сетей без учителя при качественной интерпретации данных ГИС, обеспечивающих возможность получения заключения по наличию нефтенасыщенных коллекторов непосредственно после проведения каротажных работ на скважине, а также принципы разработки АСОИК, обеспечивающей повышение уровня достоверности и согласованности геолого-геофизической и промысловой информации, снижению затрат на ресурсы, затрачиваемых при использовании этих данных, вследствие раннего обнаружения и исправления ошибок, в том числе:

- разработка моделей HJI для выделения нефтенасыщенных коллекторов; определение способа оценки качества результатов литологического расчленения разреза по данным ГИС на основе алгоритмов нечеткого вывода;

- применение средств искусственного интеллекта для определения литологического состава разреза скважины по данным каротажа путем обучения на и основе анализа соответствия КД имеющемуся экспертному заключению;

- разработка программного, информационного обеспечения и структуры АСОИК; ее реализация на основе модели НЛ для получения реальных результатов литологического расчленения разреза скважин.

- выбор и обоснование правил формализации задачи литологического расчленения разреза скважины с помощью НС; определение корректных оценок для анализа качества представляемости задачи качественной интерпретации с помощью НС;

- реализация разработанных алгоритмических средств и программного комплекса для практического использования и получения реальных результатов экспресс-интерпретации различных скважин;

- применение средств искусственного интеллекта для контроля качества оцифровки КД путем анализа соответствия оцифрованной информации имеющемуся экспертному заключению по скважине, характерных интервалов значений диаграмм и других критериев;

- алгоритмы и программные модули, позволяющие определить мощность коллекторов, а также их количественные параметры (пористость, нефтенасьнцен-ность, водонасыщенность, глинистость); состав и структура базы правил системы контроля достоверности информации;

- проектирование и реализация АСОИК, разработка концептуальной структуры объектно-ориентированной системы, принципов построения программного, информационного, математического и лингвистического обеспечения системы.

Научная новизна полученных результатов определяется проведенными комплексными исследованиями, в результате которых вместо применения классических методов интерпретации, использующих решения трансцендентных уравнений петрофизики, в процессе интерпретации КД применен подход, существенно сокращающий количество вычислительных операций и повышающий быстродействие оперативной качественной интерпретации непосредственно на скважине в ходе проведения ГИС путем применения современной математической теории интеллектуальных систем на основе аппарата НЛ и НС, в ходе которых:

- определены принципы построения алгоритмов, применяемых на этапе предварительной обработки КД; осуществлен выбор структуры и создание АСО-ИК на основе моделей НЛ и НС, произведено создание и обоснование концепции и принципов построения программного и информационного обеспечения;

- разработана база каротажных данных для решения задачи автоматизации обработки результатов ГИС; решены проблемы импорта, хранения и поиска разнородной информации, ее визуализации и вывода на печать; предложены принципы построения интерфейса взаимодействия базы данных с программами обработки и анализа каротажной информации;

- предложена модель НЛ для литологического расчленения пройденных скважиной пород; отработана и апробирована методика построения правил базы знаний; в результате проведения комплекса исследований по экспресс-интерпретации КД и сопоставлении их результатов с экспертными оценками выведены критерии, позволяющие использовать оптимальный набор методов каротажа для выделения нефтенасьнценных коллекторов с заданной точностью при использовании созданных алгоритмов, построенных на основе НЛ;

- предложена методика обучения НС без учителя, не зависящая от количества входных каротажных диаграмм, позволяющая проводить качественную экспресс-интерпретацию даже в тех случаях, когда на скважине проведен неполный набор методов геофизических исследований и решающая проблему точной классификации типа пласта в случае противоречивости данных ГИС;

- разработаны алгоритмы повышения надежности распознавания литоло-гической структуры скважины, являющиеся составной частью интеллектуальной системы и обеспечивающие возможность использования в качестве операторов-пользователей данной системы специалистов среднего уровня; разработана интеллектуальная система на основе НЛ и НС, опирающаяся на проведенный вычислительный эксперимент, позволяющая проводить качественную экспресс-интерпретацию каротажных диаграмм, используя созданную базу знаний с учетом эмпирических данных высококлассных геофизиков-интерпретаторов, даже в процессе проведения ГИС;

- создана АСОИК, обладающая возможностью оценки уровня достоверности геолого-геофизической и промысловой информации, хранящейся как в специально разработанных хранилищах, так и в разрозненных источниках; осуществлен выбор структуры и состава компонентов АСОИК, произведена разработка концепции и принципов построения программного, лингвистического и информационного обеспечения АСОИК, обеспечивающих анализ достоверности геолого-геофизических данных;

- определены принципы построения алгоритмов и программных средств, предназначенных на ранней стадии обработки информации выявлять ошибочные данные с механизмом их автоматического исправления; разработаны научно обоснованные программные решения, направленные на повышение уровня достоверности геолого-геофизических и промысловых данных;

- разработанная система контроля достоверности информации обладает высокой степенью совместимости и мобильности, вследствие чего может быть интегрирована в уже существующие хранилища данных, а также портироваться на сервера различных производителей, поддерживающих реляционную модель данных; разработана единая технология контроля различных по структуре видов данных, обеспечивающая методы интегрированного анализа, применяемых в рамках различных программных решений.

Практическая полезность исследования состоит в том, что в результате комплексных исследований на практике реализована кибернетическая теория распознавания образов, реализуемая на основе принципов построения и функционирования систем искусственного интеллекта и математической теории информационных систем, позволяющих реализовать теоретические основы экспертных систем с помощью легко внедряемого и доступного при широкой реализации аппарата методов НЛ и НС.

Применение АСОИК позволяет существенно сократить временные затраты при решении задачи литологического расчленения скважин за счет реализации современных достижений в области развития систем искусственного интеллекта. Это выражается в том, что найден магистральный путь отхода от решения классических уравнений математической физики, в частности, геофизики, и переходу к применению дискретных многофункциональных систем, использующих базы знаний и базы данных, позволяющих принимать решения на основе применения эмпирически обоснованных экспертных оценок. Данные возможности появились в результате реализации математической теории интеллектуальных систем на основе методов HJI и НС.

Полученные в работе методики и алгоритмы применения аппарата искусственных нейронных сетей для качественной экспресс-интерпретации данных ГИС позволяют существенно автоматизировать труд геофизика-интерпретатора за счет колоссальных вычислительных возможностей по обработке терабайт геофизической информации интеллектуальными системами на базе как отдельных компьютеров, так и компьютерных сетей, существенно использующих реляционные базы данных таких как «Finder» и др. НС за счет заложенных в них эталонных данных позволяют сократить время, необходимое на проведение качественной экспресс-интерпретации скважин в несколько раз с одновременным повышением качества интерпретации и сокращением ошибок при принятии решений.

Созданная АСОИК позволила решить ряд проблем, возникших при обработке различного рода геолого-геофизической и промысловой информации. Применение системы повышает уровень достоверности и согласованности данных, используемых в качестве исходных при построении геологических, гидродинамических и прочих моделей месторождений, а также обеспечивает реализацию механизма обнаружения ошибок и неточностей на ранних стадиях обработки данных.

Практическую ценность системе придает ее независимость от используемых аппаратных средств персональных компьютеров и слабую зависимость от хранилища данных. Структура разработанной АСОИК легко модифицируется под конкретные требования, обеспечивает возможность добавления новых модулей, а также адаптацию системы к различным правилам проверки данных.

Настоящая работа обеспечивает необходимую базу для дальнейшего развития и совершенствования новых направлений обработки и интерпретации геолого-геофизической информации, построенных на математическом аппарате HJI и НС, с использованием материалов ГИС.

Реализация работы в производственных условиях. При непосредственном участии автора была разработана и реализована АСОИК, построенная на принципах систем искусственного интеллекта и реализованная на математическом аппарате HJI и НС, в том числе созданы технические и методические средства, направленные па повышение точности ее функционирования и универсальности. Разработанная система использовалась при работе с перспективной базой данных Finder, где правила системы служат для проверки данных на достоверность и согласованность, а также обеспечивают возможность автоматической корректировки заведомо ошибочной информации.

Работа выполнялась в соответствии с планами хоздоговорных НИР, проводимых ПГО (ГГП) «Удмуртгеология», Ижевский механический институт: № ГР 32-81-78/25 «Разработка и внедрение аппаратуры цифровой записи параметров каротажа для серийных каротажных станций. Разработка конструкторской документации и изготовление опытной партии», № ГР 32-81-78/24 «Опытно-методические работы по освоению и внедрению новых методов ГИС и цифровой записи каротажа», № ГР 32-83-18/35 «Опытно-методические работы по обеспечению эффективности применения цифровой записи параметров каротажа на серийных станциях AKCJI-7», № ГР 32-90-459 «Освоение персональных ЭВМ, разработка и внедрение проблемных программных средств»; Удмуртским трестом разведочного бурения: № ГР 32-85-35/42 «Опытно-методические работы по внедрению системы цифровой записи и дистанционной передачи параметров каротажа»; Удмуртским производственным геологическим объединение: № ГР 32-87-43/37 «Опытно-методические работы по совершенствованию системы цифровой регистрации параметров каротажа», № ГР 32-89-37/5

Опытно-методические работы по созданию гибкой производственной системы сбора, преобразования и передачи каротажных данных», № ГР 32-88-38/2 «Разработка автоматизированной системы обработки геологической информации», № ГР 32-89-37/6 «Создание и внедрение автоматизированного банка геолого-геофизической информации УПГО «Удм»; ООО «Институт интеллектуальных технологий»: № ГР 01200 405095 «Оцифровка каротажного материала Каширо-подольского объекта Вятской площади Арланского месторождения», № ГР 01200 408505 «Отчет по договору 561 на производство работ по переинтерпретации материалов ГИС Ижевского месторождения ОАО «Удмуртнефть».

Вся работа в целом, а также ее отдельные части могут быть использованы 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 российских и международных научно-технических конференциях и конгрессах: Научно-практической конференции Устиновского механического института (Ижевск, 1986), Республиканской научно-практической конференции «Научно-технический прогресс» (Ижевск, 1987), III Российской университетско-академической научно практической конференции (Ижевск, 1997), конференции International Conference «VIBROENGINEERING-98» (Вильнюс, Литва, 1998), Международных НТК «Информационные технологии в инновационных проектах» (Ижевск, 2002-2004); IV Международной научно-технической конференции «Информационные технологии в инновационных проектах» (Ижевск, 2001, 2003); 4-м научном симпозиуме «Геоинформационные технологии в нефтегазовом сервисе» (Уфа, 2005); Международном симпозиуме «Надежность и качество» (Пенза, 2006); 33 Международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе» (Украина, Крым, Ялта-Гурзуф, 2006); Всероссийской НТК «Компьютерные и информационные технологии в науке, инженерии и управлении» (Таганрог, 2006).

Публикации. Основные научные результаты по теме диссертации опубликованы в 19 научных работах, в том числе: 8 отчетов о НИР (64 е., 98 е., 138 е., 150 е., 116с., 45 е., 91 е., 53 е.), 3 тематических отчетов (113 с., 122 е., 133 с.) 1 депонированная рукопись (объемом 57 страниц), 7 статей в журналах и сборниках.

Структура диссертационной работы определяется общими замыслом и логикой проведения исследований.

Диссертация содержит введение, 4 главы и заключение, изложенные на 180 с. машинописного текста. В работу включены 52 рис., 51 табл., список литературы из 137 наименований и приложение, в котором представлен акт об использовании результатов работы.

Заключение диссертация на тему "Интеллектуальная система программного и информационного обеспечения процессов контроля и обработки каротажных данных и их интерпретации"

Результаты работы алгоритма для различного набора методов ГИС и количества классов приведены в табл. 3.5 и табл. 3.6. Результат является усредненным по всем скважинам, участвовавшим в эксперименте.

ЗАКЛЮЧЕНИЕ

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

1. Разработаны модели НЛ для выделения нефтенасыщенных коллекторов; определение способа оценки качества результатов литологического расчленения разреза по данным ГИС на основе алгоритмов нечеткого вывода.

2. Применены средства искусственного интеллекта для определения литологического состава разреза скважины по данным каротажа путем обучения на основе анализа соответствия КД имеющемуся экспертному заключению.

3. Разработаны программное информационное обеспечение и структура АСОИК на основе модели НЛ для получения реальных результатов литологического расчленения разреза скважин.

4. Выбраны и обоснованы правила формализации задачи литологического расчленения разреза скважины с помощью НС; определены корректные оценки для анализа качества представляемости задачи качественной интерпретации с помощью НС.

5. Реализованы алгоритмические средства и программный комплекс для практического использования и получения реальных результатов экспресс-интерпретации различных скважин.

6. Применены средства искусственного интеллекта для контроля качества оцифровки КД путем анализа соответствия оцифрованной информации имеющемуся экспертному заключению по скважине, характерных интервалов значений диаграмм и других критериев.

7. Созданы алгоритмы и программные модули, позволяющие определить мощность коллекторов, а также их количественные параметры (пористость, неф-тенасыщенность, водонасыщенность, глинистость); определены состав и структура базы правил системы контроля достоверности информации;

8. Спроектирована и реализована АСОИК на базе концептуальной структуры объектно-ориентированной системы, принципах построения программного, информационного, математического и лингвистического обеспечения системы.

9. В работе получены научно-обоснованные математические модели и программно-аппаратные средства интеллектуальных систем интерпретации ГИС, обеспечивающих повышение надежности выявления нефтенасыщенных коллекторов при оптимизации использования количества производимых при ГИС методов каротажа на основе разработки эффективных алгоритмов интерпретации ГИС, реализованных в виде адаптивных систем нечеткого вывода и многослойных НС, обучающихся с помощью генетических алгоритмов, проведение комплексной верификации геолого-геофизической и промысловой информации, ведущее к расширению функциональных возможностей специализированных баз данных.

10. Разработаны принципы построения адаптивных систем HJ1 для распознавания литологической структуры разреза скважины. Выбраны методы обучения для моделей HJI. Показана состоятельность подхода к задаче распознавания литологической структуры разреза скважины при помощи обучения систем HJT. Разработанная система интерпретации результатов ГИС на основе нечеткого логического вывода, обученная генетическим алгоритмом, обеспечивает литологи-ческий экспресс-анализ.

11. Разработаны принципы построения программного комплекса, реализующего интерпретацию результатов ГИС на основе моделей HJT. Создана интеллектуальная система для интерпретации результатов ГИС на основе HJT с возможностью, как ручной настройки правил, так и обучения по обучающей выборке, имеющая удобный интерфейс и возможность интегрирования с другими программными средствами за счет динамически связываемых библиотек (DLL).

12. В результате анализа применимости НС для распознавания литологической структуры скважины доказана возможность применения аппарата НС для качественной интерпретации данных ГИС, что позволяет автоматизировать качественную интерпретацию непосредственно на скважине с достаточно высокой степенью надежности.

13. Методы нечеткой классификации и НС могут использоваться при отсутствии у исследователя точных знаний о распределении значений методов ГИС по классам «нефть», «вода», «глина» и т.д. Причем применение НС показало лучшие результаты, в случае когда не используются весовые коэффициенты для методов ГИС.

14. Для решения задачи классификации пластов нефтяных скважин рассмотрена возможность применения алгоритмов обучения без учителя (самоорганизующиеся карты Кохонена). Этот метод дает дополнительную информацию о структуре разреза скважин, повышающую достоверность интерпретации.

15. Созданная система позволяет проводить комплексную верификацию промысловой информации как в специализированных хранилищах, так и использоваться в качестве интегрированного инструмента контроля достоверности данных, применяемого в рамках программных решений сторонних разработчиков.

19. Произведена оценка влияния ошибочных данных при проведении геологического и гидродинамического моделирования. Практическим путем выработаны критерии построения подобного рода комплексов. Разработана гибкая система хранения правил контроля, а также алгоритмы их обработки. Система правил имеет возможности расширения за счет использования внешних (DLL) библиотечных модулей, что позволяет производить настройку правил системы под конкретные требования.

Библиография Ясовеев, Ильдус Миниахметович, диссертация по теме Математическое моделирование, численные методы и комплексы программ

1. Абрамов И. В., Клековкин В. С., Сенилов М. А. Управление показателями качества машиностроительных изделий // Вестник ИжГТУ. - Ижевск: Изд-во ИжГТУ, 1998. - Вып. 1. - С. 29 - 33.

2. Аверкин А.Н. и др. Нечеткие множества в моделях управления и искусственного интеллекта/Под. ред. O.A. Поспелова. М: Наука, 1986. 312с.

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

4. Альбом палеток и номограмм для интерпретации промысловогеофизи-ческих данных. -М.: Недра, 1984.

5. Андрейчиков A.B., Андрейчикова О.Н. Анализ, синтез и планирование решений в экономике. М.: Финансы и статистика, 2000. - 363 с.

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

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

8. Батищев Д.И. Генетические алгоритмы решения экстремальных задач / Под ред. Львовича Я.Е.: Учеб. пособие. Воронеж, 1995.

9. Бенамеур Л., Минаев Ю.Н., Филимонова О.Ю., Методы и алгоритмы решения задач идентификации и прогнозирования в условиях неопределенности в нейросетевом логическом базисе. М: Горячая линия - Телеком, 2003.

10. Бендат Дж., Пирсол А. Прикладной анализ данных. М.: Мир, 1989.540 с.

11. Бобровский С.И. Delphi 5: учебный курс. СПб: Питер-пресс, 2002.

12. Борисов А.Н., Алексеев A.B., Крумберг O.A. Модели принятия решений на основе лингвистической переменной. Рига: Зинатне, 1982. - 256 с.

13. Борисов А.Н., Крумберг O.A., Федоров И.П. Принятие решений на основе нечетких моделей: примеры использования. Рига: Зинатне, 1990. - 184 с.

14. Бродский П.А., Фионов А.И., Тальнов В.Б. Опробование пластов приборами на кабеле. М.: Недра, 1974.

15. Буч Г. Объектно-ориентированный анализ и проектирование с примерами приложений на С++. 2-е изд. М., Издательство Бином, СПб., Невский диалект, 1999.

16. Васильков В.И., Горшков Л.Ф., Свириденко В.А. Методы и средства организации каналов передачи данных./Под ред. В.И.Васильева.-М.: Радио и связь, 1982.-152 с.

17. Вахитова Г.Р., Валиуллин P.A., Ремеев И.С. Экспертная система обработки данных ГИС//НТВ "Каротажник". Тверь: Изд. АИС. 2000. Вып.72. С. 93101.

18. Вендельштейн Б.Ю., Резванов P.A. Геофизические методы определения параметров нефтеносных коллекторов. М.: Недра, 1978. - 317 с.

19. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Вороновский Г.К., Махотило К.В., Петрашев С.Н., Сергеев С.А. Харьков: Основа, 1997. - 112 с.

20. Геолого-технологические исследования в процессе бурения//РД 390147716-102-87. Уфа: ВНИИнефтепромгеофизика. 1987. 273 с.

21. Геолого-технологические исследования скважин/ JIM. Чекалин, A.C. Моисеенко, А.Ф. Шакиров и др. М.: Недра. 1993. 240 с.

22. Геофизические методы исследования скважин. Справочник геофизика. Под ред. В.М.Запорожца. М., Недра, 1983.

23. Герман О. В. Введение в теорию экспертных систем и обработку знаний. Минск: ДизайнПРО, 1995.

24. Губерман Ш.А., Извекова М. Л., Хургин Я. И. Применение методов распознавания образов при интерпретации геофизических данных. М.: Самообучающиеся автоматические системы, 1966.

25. Гурьянов A.B., Нистюк А.И., Лялин В.Е. Комплекс программ для оперативной предварительной обработки каротажных сигналов//НТЖ "Вестник ИжГТУ". Ижевск: Изд. ИжГТУ, 2002. Вып.З. С. 93-101.

26. Дахнов В.Н. Геофизические методы определения коллекторских свойств и нефтегазонасыщения горных пород. М., «Недра», 1975. С. 268-272.

27. Дахнов В.Н. Интерпретация результатов геофизических исследований резервов скважин. М., Недра, 1982. - 448с.

28. Дахнов В.Н. Электрические и магнитные методы исследования скважин. М., Недра, 1980.

29. Дебранд Р. Теория и интерпретация результатов геофизических методов исследования скважин. М.: Недра, 1972

30. Добрынин В.М. Каротаж // БСЭ: В 30 т. / Гл. ред. А.М.Прохоров. 3-е изд. - М.: СЭ, 1975. Т. 11: Италия - Кваркуш. - С. 450-451.

31. Дьяконов Д.И., Леонтьев Е.И., Кузнецов Г.С. Общий курс геофизических исследований скважин. М.: Недра, 1984. - 432 с.

32. Дьяконова Т.Ф. Применение ЭВМ при интерпретации данных геофизических исследований скважин. М.: Недра, 1991. 220с.

33. Дюк В. Самойленко A. Data Mining. СПб.: Питер, 2001. - 368 с.

34. 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.

35. Зупделевич С.М., Сохранов H.H. и др. Описание алгоритмов интерпретации данных электрического каротажа в рамках АСОИГИС/ЕС. М.: Изд. ВНИИГеофизики, 1983. - 82 с.

36. Ивакин В.Н., Карус Е.В., Кузнецов O.JI. Акустический метод исследования скважин. М.: Недра, 1978.

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

38. Инструкция (временное методическое руководство) по исследованию нефтегазовых скважин аппаратурой СПАК-4. М.: Недра, 1979.

39. Исаченко В.Х. Система контроля за траекторией ствола скважины за рубежом. Обзорная информация ВНИИОЭНГ. Сер. Бурение. 1981.

40. Итенберг С.С. Интерпретация результатов геофизических исследований скважин. М.: Недра, 1987.

41. Итенберг С.С. Интерпретация результатов каротажа скважин. М.: Недра, 1978.

42. Итенберг С.С., Шнурман Г.А. Интерпретация результатов каротажа сложных коллекторов. -М.: Недра, 1984.

43. Кабанов В.М., Красильников С.Н, Драцов В.Г. Компьютеризированная обработка данных геолого-геофизических исследований скважин. НТВ Ка-ротажник. №92. - С. 75-85.

44. Комарцова Л.Г., Максимов A.B. Нейрокомпьютеры. M.: Изд-во

45. МГТУ им. Баумана, 2002. 320 с.

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

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

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

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

50. Крейтер В.М. Поиски и разведка месторождений полезных ископаемых. 2 изд., М., Недра, 1969.

51. Круглов В. В., Дли М. И. Голунов Р. 10. Нечеткая логика и искусственные нейронные сети: Учебное пособие — М.: Издательство Физико-математической литературы, 2001.

52. Круглов В.В. Адаптивные системы нечеткого вывода // Нейрокомпьi ютеры: разработка и применение. 2003. - № 3. - С. 15-19.

53. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия - Телеком, 2002.

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

55. Курейчик В.М. Генетические алгоритмы // Перспективные информационные технологии и интеллектуальные системы. 2000. - № 1. - С. 18-22.

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

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

58. Ломтадзе В.В. Программное и информационное обеспечение геофизических исследований. М.: Недра, 1993.

59. Лукьянов Э.Е., Нестерова Т.Н. Компьютерная технология проведения геолого-технологических исследований//НТВ "Каротажник". Тверь: Изд. АИС. 1998. Вып.53. С. 18-29.

60. Лукьянов Э.Е., Стрельченко В.В. Геолого-технологические исследования скважин в процессе бурения. М.: Нефть и газ. 1997. 679 с.

61. Математические методы в задачах петрофизики и корреляции/Под ред. Вайнбер Я.М. и др. М.: Наука, 1983.

62. Ненахов А.Н., Бернштейн J1.C., Коровин СЛ. Ситуационные системы с нечеткой логикой. М.: Наука, 1990. 272 с.

63. Нестерова Т.Н. Состояние и перспективы развития программного обеспечения геолого-технологических исследований. НТВ Каротажник. №69. - С. 20-30.

64. Нечеткая логика в задачах управления. М.: Наука, 1987. 236 с.

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

66. 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.

67. Подсчет запасов месторождений полезных ископаемых. М., Недра,1960.

68. Померанц Л.И., Чуркин В.Т. Аппаратура и оборудование для геофизических исследований скважин. М., Недра, 1978.

69. Прикладные нечеткие системы / Под ред. Т. Тэрано. М.: Мир, 1993. -512с.

70. Программно-аппаратный комплекс ScanDigit 4.4. Дубна: НТП "Норд Софт", 2000.

71. Сенилов М. А. Применение логической схемы индуктивного нечеткого вывода в интеллектуальном пакете прикладных программ // Логическое управление в промышленности: Материалы VII симпозиума. Ижевск, 1984.

72. Сенилов М. А. Применение нечетких логико-лингвистических моделей при оценке степени предпочтительности ситуации // Управление при наличии расплывчатых категорий: Тез. VI науч.-техн. семинара. Пермь: Изд-во ППУ, 1983.

73. Сенилов М. А. Применение нечетких логических моделей в инженерных расчетах // Непрерывная логика и ее применение в технике, экономике и социологии: Тез. докл. I Всерос. науч. конф. (Пенза, 22-23 септ. 1994 г.). -Пенза, 1994.-С. 118.

74. Сенилов М. А., Цепелев В. П. Распознавание литологической структуры разреза скважины посредством нечеткой логики // Математическое моделирование и интеллектуальные системы: Сб. науч. тр. ИжГТУ. Ижевск: Изд-во ИжГТУ, 2003. -№ 1.-С. 47-55.

75. Сохрапов H.H. Машинные методы обработки и интерпретации результатов геофизических исследований скважин. М., Недра, 1973.

76. Сохранов H.H. XX Век некоторые вехи биографии нашего карота-жа//НТВ "Каротажник". Тверь: Изд. АИС. 2000. Вып.76. С. 30-54.

77. Сохранов H.H., Аксельрод С.М. Обработка и интерпретация с помощью ЭВМ результатов геофизических исследований нефтяных и газовых скважин.-М.: Недра, 1984.

78. Спецификация формата LAS. http://www.geotec.ru/fLAS.php3

79. Тененев В.А., Якимович Б.А., Сенилов М.А., Паклин Н.Б. Интеллектуальные системы интерпретации данных геофизических исследований скважин // Искусственный интеллект. Донецк: Наука i освгта, 2002. - № 3. - С. 439-447.

80. Швецова J1.E. О качестве и достоверности ГИС в связи с автоматизированной обработкой данных ГИС-контроль. НТВ Каротажник. №95. - С. 94100.

81. Шерстнев С.Н. Аппаратное обеспечение компьютеризированной технологии геолого-геохимических исследований скважин в процессе буре-ния//НТВ "Каротажник". Тверь: Изд. АИС. 2000. Вып.73. С. 47-68.

82. Элланский М.М. Использование современных достижений петрофи-зики и физики пласта при решении задач нефтегазовой геологии по скважин-ным данным. М.: РГУ нефти и газа, 1999.

83. Элланский М.М., Еникеев Б.Н. Использование многомерных связей в нефтегазовой геологии.-М.: Недра, 1991.

84. Элланский М.М., Еникеев Б.Н. Компьютерное моделирование и современные компьютерные технологии в нефтегазовой геологии: Учебное пособие для вузов. РГУ нефти и газа, 1999.i