автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.16, диссертация на тему:Математические и программные средства интеллектуальной информационно-измерительной системы для формирования скан образов и интерпретации каротажных диаграмм

На правах рукописи

СТАРЫГИН Артем Викторович

УДК 681.518.3+681.3.016+519.246.8

МАТЕМАТИЧЕСКИЕ И ПРОГРАММНЫЕ СРЕДСТВА ИНТЕЛЛЕКТУАЛЬНОЙ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНОЙ СИСТЕМЫ Д ЛЯ ФОРМИРОВАНИЯ СКАН ОБРАЗОВ И ИНТЕРПРЕТАЦИИ КАРОТАЖНЫХ ДИАГРАММ

- Специальности:

05.11.16- Информационно-измерительные и управляющие системы {промышленность, научные исследования) 05.13.18 — Математическое моделирование, численные методы и комплексы программ.

Автореферат диссертации на соискание ученой степени кандидата технических наук

Ижевск 2005

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 Нистюк А.И. (ИжГТУ);

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

Ведущее предприятие: Уфимский государственный нефтяной технический университет (УГНТУ) (г. Уфа).

Защита состоится 17 декабря 2005 г. в 13 часов

на заседании диссертационного совета Д 212.065.04

в ИжГТУ по адресу: 426069, г. Ижевск, ул. Студенческая, 7, ауд. 1-4.

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

С диссертацией можно ознакомиться в библиотеке ИжГТУ. Автореферат разослан 10 ноября 2005 г.

Ученый секретарь диссертационного совета,

доктор технических наук, профессор

Бендерский Б.Я.

¿0351 3

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность темы. Современные технологии разработки нефтяных месторождений предполагают компьютеризированную обработку и интерпретацию данных каротажа, а также построение различного рода геологических и математических моделей месторождений. Достоверность и надежность построенных моделей месторождений и залежей оказывают определяющее влияние на эффективность поисково-разведочных работ и выбор обоснованной схемы разработки геофизических исследований скважин (ГИС.) на сегодняшний день являются, фактически, единственной возможностью выделить в разрезе скважины продуктивные нефтяные и газовые пласты, определить их толщины, емкостные и фильтрационные свойства, литологический состав, эксплуатационные характеристики.

С каждым годом все острее стоит проблема воспроизводства минерально-сырьевой базы в России, т.к. большинство месторождений уже давно эксплуатируются и их запасы, практически, исчерпаны. Сложность воспроизводства запасов нефти и газа связана с тем, что новые месторождения отличаются от уже эксплуатируемых сложным геологическим строением, а именно: большими глубинами залегания, небольшой толщиной пластов-коллекторов, многокомпонентным лито-логическим составом, сложной структурой порового пространства. В связи с этим значительно повышается роль ГИС и требования к ее достоверности. В то же время существует обширный банк каротажных диаграмм (КД), хранимых на фотобумаге и в виде их твердых копий на бумажной ленте, сформированный еще до появления цифровых магнитных регистраторов и компьютеризированных программно-аппаратных комплексов для цифровой записи и оперативной предварительной обработки данных ГИС. После оцифровки КД появляется возможность переинтерпретировать информацию по уже разрабатываемым месторождениям. Для новых месторождений оцифровка существующего фонда позволяет не проводить исследования повторно, тем более что проведение комплекса ГИС даже по одной скважине очень затратно. Поэтому перед нефте- и газодобывающими компаниями встает вопрос об оцифровке старых КД существующего фонда скважин.

Повышение точности ввода данных ГИС при оцифровке возможно только при комплексном подходе к решению проблемы - созданию информационно-измерительной интерпретирующей системы (ИИИС), состоящей из аппаратных и программных компонентов и предназначенной для определения, анализа и устранения погрешностей, возникающих при формировании скан образов КД.

Поэтому для автоматизации процесса переинтерпретации и построения более точных математических моделей месторождений для оптимизации процесса добычи нефти необходимы интеллектуальные информационные системы, позволяющие хранить и обрабатывать весь комплекс геолого-геофизической и технологической информации. При наличии некоторой эмпирической базы данных (БД) возможно использование методов извлечения знаний из данных и применение обучающихся информационных систем. Дальнейшим развитием автоматизации интерпретации каротажного материала является разделение на пласты разреза скважин с помощью экспертных оценок, которые существенным образом используются в системах искусственнс вдтядкнгад ЯЯЬЩШ иых на основе теории нечеткой логики (НЛ). В общем с; учае, &р<яЯ$&Ш^истем НЛ целесообразно в тех

¿"та.?:

случаях, когда нет простой и однозначной математической модели объекта или процесса, но экспертные знания об объекте или процессе представимы в форме предикатных правил. Принимая во внимание, что задачи интерпретации ГИС имеют в своей основе сложные функциональные зависимости, поэтому применение системы HJ1 для их решения вполне приемлемо и обоснованно.

Объектом исследования являются ГИС, КД и их скан образы, рулонные сканеры, оцифровка КД, ИИИС дЛя определения погрешностей сканирования КД, программный комплекс для обработки скан образов КД, БД и локальная вычислительная сел. (ЛВС), алгоритм адаптивного выбора подклассов (АВПР) модели HJI для решения задач интерпретации ГИС.

Предметом исследования являются программное, лингвистическое и информационное обеспечение интеллектуальной ИИИС, математическая модель для оценки точности формирования скан образов КД;. разработка правил и структуры экспертной системы для контроля качества оцифровки, методы и алгоритмы интерпретации геофизической информации; алгоритмы распознавания литологии пластов на основе НЛ.

Цель работы - проведение комплексных исследований, направленных на получение научно-обоснованных методических и технических решений, способствующих повышению степени автоматизации обработки и интерпретации ГИС путем создания интеллектуальной ИИИС, обеспечивающей формирование цифровых скан образов КД с ленточных носителей данных, управление геологическими, геофизическими и производственными данными на основе специализированных баз данных и повышение надежности выявления нефтенасыщенных коллекторов путем разработай алгоритмов, базирующихся на положениях теории НЛ; внедрение чего имеет существенное значение для создания экспертных систем экспресс-анализа для обработки и интерпретации геофизической информации.

Для достижения поставленной цели требуется решить следующие задачи:

- создание автоматизированной технологии оцифровки КД с бумажного носителя; разработка математической модели оценки точности формирования скан образов КД, а также аппаратно-программных средств для определения, анализа и устранения погрешностей процесса сканирования КД;

- разработка структуры специализированной БД для обеспечения качества, достоверности и полноты каротажного материала, корректного выделения пластов - коллекторов, определение их фильтрационно-емкостных свойств, построение зависимостей между различными свойствами коллекторов;

- создание ЛВС, обеспечивающей увеличение клиентских мест при обработке КД в ¿/(^-формате, с включением в нее станции Sun в качестве сервера специализированной БД и персональных компьютеров;

- определение таблицы соответствия стандартных мнемоник для обеспечения возможностей работы БД с КД при выполнении операций склейки отрезков кривых или их любой корректировки, при которых возникают проблемы, связанные с различным наименованием кривых;

- разработка методики, позволяющей строить ранговые модели многомерного каротажного сигнала с возможностью добавления различных ограничений, анализировать распределение значений функций, имеющую широкий

набор алгоритмов для расчета количественных показателей и предварительной обработки, адаптированных к особенностям КД;

- выработка обоснованных решений для построения моделей HJI для распознавания литологической структуры разреза скважины и методики определения информативности методов каротажа при интерпретации результатов ГИС на основе алгоритмов HJ1.

Методы исследования. В работе применялись теоретические и экспериментальные методы исследования. При решении задачи распознавания литологической структуры разреза скважины методы ранговой корреляции и теории нечетких множеств. Обучение системы HJI осуществлялось на различных комбинациях методов каротажа. Результаты работы системы НЛ исследовались на предмет адекватности выделенных нефтенасыщенных, водонасыщенных и непродуктивных участков разреза скважины экспертным оценкам.

При разработке математической модели оценки точности формирования -скан образов, а также методики статического анализа процесса сканирования КД применялись методы теории вероятности и теории случайных функций. Экспериментальные исследования базируются на использовании методов динамического анализа параметров и характеристик сканирующего устройства с учетом метрологических характеристик средств измерений. Обработка полученных результатов проводилась с привлечением аппарата математической статистики.

Информационная модель ИИИС создана с учетом объектно-ориентированных принципов разработки программных комплексов. База правил разработана с учетом механизмов построения реляционных структур данных. Программное обеспечение системы реализовано на алгоритмическом языке высокого уровня - Object Pascal, интерфейс пользователя разработан в интегрированной среде Borland Delphi 6.0, БД работает под управлением таких СУБД как Oracle 8 и Microsoft SQL Server 7 0.

Достоверность и обоснованность полученных в работе результатов и выводов подтверждается сопоставительным анализом разработанных и существующих математических моделей и методов, а также итогами практического использования ИИИС. Математические модели, алгоритмы и прикладные программы, используемые в работе, основаны на положениях ранговой корреляции теории нечетких множеств, на теоретических основах функционального анализа, теории статистического анализа КД как временных рядов, а также теории вероятностей, случайных функций и фундаментальных основ построения экспертных систем. Методики расчета параметров коллекторов базируются на широко применяемых при гаС петрофизических зависимостях.

Достоверность экспериментальных результатов обеспечена использованием большого объема экспериментального материала, статистическими методами обработки данных и хорошей воспроизводимостью результатов. Достоверность эталонного материала для обучения моделей НЛ обеспечена использованием утвержденных в ОАО «Башнефтегеофизика» экспертных заключений по обрабатываемым скважинам.

На защиту выносятся результаты исследования компьютеризированной ИИИС, обеспечивающей высокую точность экспресс-интерпретации, определе-

ния, анализа и устранения погрешностей формирования скан образов КД, а также структуры специализированных БД ГИС, в том числе:

- структура и алгоритмы автоматизированной информационно-управляющей системы, предназначенной для оцифровки твердых копий КД на бумажном носителе; технические средства контроля погрешностей сканирования и методики их устранения;

- математическая модель оценки точности формирования скан обрзов КД, содержащая формулы для оценки формы каротажного сигнала, аналитические выражения для определения погрешностей сканирования;

- стандартизация и формализация типов каротажной информации, проектирование мощной и гибкой реляционной БД, позволяющей хранить все типы геолого-геофизических информации и обеспечивать к ним доступ пользователям путем создания ЛВС на базе интерпретационно-вычислительной станции 5ми;

- экспресс-анализ КД, позволяющий определить тин и мощность изучаемых пластов, а также их количественные показатели; распознавание характерных критериальных моделируемых зависимостей;

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

- концептуальные основы программного обеспечения (ПО), принципы построения программного, лингвистического и информационного обеспечения ИИИС, реализуемой на основе АВПР и модели НЛ.

Научная новизна полученных результатов определяется теоретическим обоснованием создания алгоритмических средств и математического аппарата для ИИИС ГИС, обладающей хорошей совместимостью со всеми высокоинтеллектуальными программами обработки и интерпретации каротажных данных, при разработке которой:

- осуществлен выбор структуры и сформирована концепция программно-аппаратных средств для определения, анализа и устранения погрешностей формирования скан образов каротажных кривых;

- разработаны критерии точности ввода данных ГИС при оцифровке, оценки достоверности полученных критериев; построена математическая модель, позволяющая количественно рассчитывать величину и характер погрешностей, определять параметры сканирования, обеспечивающие требуемую точность ввода каротажных данных;

- разработана база каротажных данных для решения задачи комплексной автоматизации обработки результатов ГИС; решены проблемы импорта, хранения и поиска разнородной информации, ее визуализации и вывода на печать; разработаны интерфейсы взаимодействия БД с программами обработки и анализа КД;

- применен ранговый алгоритм адаптивного выбора подклассов для лито-логического расчленения пройденных скважиной пород; разработаны методики формирования классов, сформированы ранговые вектора, характерные для исследуемых скважин карбонатного типа;

- предложена модель нечеткой логики взамен известного вероятностного подхода, не требующая нормального распределения вероятности попадания

значений КД в литологический тип; сформированы лингвистические переменные и правила принятия решения;

- разработана информационно-управляющая система контроля качества оцифровки КД, предложены форматы представления правил, способы формирования зависимостей и механизмы расширения базы знаний системы.

Практическая полезность. Созданная ИИИС ГИС позволила решить целый ряд проблем автоматизации ГИС и экспресс-интепретации каротажной информации. Практическую ценность созданной ИИИС ГИС добавляет то, что она построена на базе персональных компьютеров IBM PC/AT типа Notebook, конструкция которых позволяет использовать их в полевых каротажных станциях.

Система ПО ИИИС универсальна, легко модифицируется под конкретные требования, может быть расширена новым комплексом задач и процедур обработки. ПО имеет высокую надежность, защищено от аппаратных сбоев и ошибок пользователя. Информационная модель системы построена в виде базы знаний, содержащей сведения о понятиях, отношениях и ограничениях предметной области. В системе имеются сведения о методах каротажа, параметрах скважинных приборов. Универсальная система диалога позволяет вводить и контролировать данные, используя имеющиеся априорные сведения.

Измерительная информация представлена в виде БД, что позволяет обрабатывать данные по скважинам, методам и измерениям.

Интеграция в единый программный продукт интеллектуальных алгоритмов, средств хранения, предварительной обработки и интерпретации, наличие интерфейсов взаимодействия с другими программными комплексами, использование динамически связываемых библиотек (dll), дающих широкие возможности расширения, позволяет рассматривать созданную ИИИС как многофункциональный инструмент анализа и интерпретации геофизических данных.

Реализация работы в производственных условиях. Полученные в работе результаты использованы при оцифровке КД в Институте математического моделирования разработки нефтяных месторождений ИжГТУ.

Работа выполнялась в соответствии с планами хоздоговорных НИР по заказам ОАО «Белкамнефть» и ОАО «ТНК-ВР»: № ГР 01200 405097 «Верификация геолого-геофизической информации по объектам разработки месторождений Северного НГДП ОАО «Нижневартовск»; № ГР 01200 405096 «Формирование базы данных геолого-технологических мероприятий на скважинах Само-тлорского месторождения»; № ГР 01200 405095 «Оцифровка каротажного материала Каширо-подольского объекта Вятской площади Арланского месторождения»; № ГР 01200 405096 «Создание библиотеки скан образов скважин Само-тлорского месторождения».

Вся работа в целом, а также её отдельные части могут быть использованы предприятиями нефтегазодобывающей отрасли, организациями, занимающимися построением ряда различных моделей на основе геолого-геофизической и промысловой информации.

Апробация работы. Отдельные законченные этапы работы обсуждались на Международной научно-технической конференции «Информационные технологии в инновационных проектах» (Ижевск, 2000-2002); Электронной заочной конференции

«Молодые ученые - первые шаги третьего тысячелетия» (Ижевск, 2000); 32-34 Научно-технической конференции ИжГТУ (Ижевск, 1998,2000-2002); Международном симпозиуме «Надежность и качество 2002» (Пенза, 2002); IV научный симпозиум «Геоинформационные технологии в нефтепромысловом сервисе» (Уфа, 2005).

Публикации. Результаты работы отражены в 14 научных публикациях, в том числе: 2 статьи в сборниках трудов международных научно-технических конференций, 6 отчетов о НИР (63с., 59с., 91с., 35с., 53с., 80с.), 2 депонированные рукописи (объемом 47 и 54с.), 4 статьи в научных изданиях.

Структура и объем работы. Диссертация содержит введение, 4 главы и заключение, изложенные на 189 с. машинописного текста. В работу включены 68 рис., 33 табл., список литературы из 125 наименований и приложение, включающее 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 дан анализ методов разработки и интерпретации результатов ГИС. Представлен обзор методов получения данных о геофизических характеристиках скважин. Определены основные этапы автоматизации процессов сбора, обработки и интерпретации геофизических данных. При этом дан сопоставительный анализ различных методов и алгоритмов интерпретации данных, таких как статистические методы, алгоритм с использованием диагностических кодов, литологическое расчленение с оценкой вероятности, метод нормализации и методы классификации, основанные на петрофизических данных. Описаны характеристики программных средств, предназначенных для автоматизации работ по оцифровке и интерпретации КД.

Во второй главе диссертационной работы рассмотрены информационно-измерительные, программно-алгоритмические средства и математические критерии оценки точности оцифровки твердых копий КД на бумажном носителе.

КД на бумажном носителе (рис. 1,2) представляет собой ленту, на которую нанесены: данные о скважине, времени проведения исследований, использовавшихся приборах и условиях проведения измерений; амплитудные шкалы КД и шкала глубин; одна или несколько КД, содержащих показания различных методов каротажа; пометки оператора, производившего измерения; пометки интерпретатора. Оцифровке подлежат КД с учетом амплитудных шкал и шкалы глубины. Кроме того, по диаграмме необходимо сформировать массив дашгых, содержащий информацию о скважине, измерительных приборах и скважинных условиях измерений.

В данной главе разработан технологический процесс оцифровки КД Укрупненная схема процесса оцифровки КД включает в себя 7 этапов: сканирование КД; выделение на скан образе диаграммы непрерывных линий, представляющих КД и ввод необходимой информации для осуществления процесса векторизации; векторизация кривых с заданным шагом квантования по глубине; контроль качества оцифровки; склейка фрагментов кривых, оцифрованных с различных КД; ввода данных о приборах и условиях проведенных измерений; запись цифровых данных.

J3_ _J4_ 15 16 17

Рис. 7 Каротажная диаграмма (фрагмент):

1 - дополнительная информация (рис.2); 2 - наименование скважинного прибора РК; 3 -масштаб записи HI'K; 4 - коэффициент перехода 11ГК от усл.ед. к имп/мин; 5 - наименование скважинного прибора БК: 6 - альтитуда (высота над уровнем моря) устья скважины; 7 - тип и параметры pací вора, на котором проводились измерения; 8 ~ амплитудная шкала кривой НГК; 9 - амплитудная шкала кривой ГК, 10 - амплитудная шкала кривой БК; 11 -шкала глубин; 12 - нулевая линия диаграммы, 13 - кривая ГК, 14 - кривая НГК; 15 - кривая БК: 16 - кривая ДС; 17 - кривая АК; 18 - амплитудная шкала кривой AIC; 19 - ампли-гудная шкала кривой ДС; 20 - масштаб записи кривой ДС; 21 - наименование скважинного прибора АК и масштаб записи кривой АК; 22 - коэффициент перехода ГК от гаммы к имп/мин; 23 - скорость записи диаграммы (м/час); 24 - масштаб записи кривой ГК; 25 -дата проведения каротажа, 26 - площадь; 27 - номер скважины.

На основе анализа вышеперечисленных положений разработана сруктур-но-технологическая схема информационно- управляющей системы процесса поточной оцифровки КД материалов ГИС большого количества скважин. Задачей системы является автоматизация операций управления потоками информации и обеспечение гибкой среды взаимодействия компонентов, реализующих отдельные стадии процесса.

В систему введены 5 БД, предназначенные да я хранения различных видов

^-ютжлимн

-»•ЭНВ', 1«. Н

Яе-А:!

^ищ „жл

тимт тальм *

сопутствующей и технологической информации: 1. БД проектов оцифровки хранит информацию о типе, количестве и информационном наполнении отсканированных диаграмм, о принадлежности диаграмм той или иной скважине, данные о параметрах геофизических измерительных приборов и зондов, условиях измерений. 2. База скан образов диаграмм предназначена для хранения и поиска растровых изображений отсканированных диаграмм. Хранимая в ней информация используется компонентами выделения линий и контроля качества. 3. БД информации, связанной с процессом оцифровки, содержит информацию, необходимую для функционирования отдельных ее компонентов. Такой информацией являются данные

Рис 2 Дополнительная информация КД:

1 - наименование регистратора; 2 - забой скважины, 3 - диаметр кондуктора; 4 - отношение каналов ГК/НГК регистрации, 5 - начальник каротажной партии; 6 - интерпретатор; 7 - начальник КИП; 8 - масштаб записи диаграммы; 9 - постоянная времени т для радиоактивного каротажа; 10 - диаметр скважины; 11 - длина колонны, о параметрах амплитудных шкал кривых, расстановке шкалы глубин и нулевой линии диаграмм. 4. БД фрагментов КД предназначена для их хранения оцифрованных кривых, полученных с разных КД скважины. Хранимая информация используется компонентами контроля качества и склейки фрагментов кривых. 5. БД каротажной информации Подсистема выделения линий выполняет процедуру выделения на скан образе диаграммы непрерывных линий, представляющих собой КД. Работа подсистемы состоит из трех этапов (рис. 3). На первом этапе выделения производится

предварительная фильтрация, выделение информационного множества скан образа диаграммы, выполняется попытка автоматического построения непрерывной линии между заданными пользователем начальной и конечной точками. На втором Рис 3 Схема работы подсистемы выделения линий этапе пользователь визуально проверяет правильность автоматического выделения. На третьем шаге пользователь задает параметры и положение амплитудных шкал, шкалы глубины и нулевой линии, а также указывает начальный кратный масштаб зарегистрированной кривой, т.е. масштаб кривой в начале интервала оцифровки.

При получении растрового изображения диаграммы путем сканирования неизбежно возникновение дефектов скан образа, связанных с перекосом бумажной ленты и неравномерностью ее транспортирования механизмом сканера. Для того, чтобы устранить влияние погрешностей, вносимых этими дефектами в про-

о

39 -р-в-

I этап_

Фильтрация] подавление 1-» шумов I

Пользователь 1

Утончение

линий, построение скелета

^ 2 | ДМШ1

тг

Установка параметров амплитудных ткал

¡ользователь III этап

Интерактивное редактирование выделенных К Ц

Регуляризация примитивов

Интерполяция кубическими сплайнами

Задание граничных точек КД

ТИТ

Поиск ,оптимальноп пути

I ♦Пользователь!

и___Ц_этап1

и

цесс оцифровки, необходимо ввести соответствующие поправки. Поправки вносятся в подсистеме векторизации, но при этом, в подсистеме выделения линий шкала глубин и нулевая линия должны быть тщательно подогнаны к изображенным на скан образе отметкам. Шкала глубин расставляется по отметкам глубины на скан образе диаграммы, нулевая линия может быть проведена по любой вертикальной линии на диаграмме, но обычно ее проводят по левой границе разграфки.

При формировании скан образов КД учитывались погрешности, возни-каемые в процессе сканирования и обусловленные поперечными перемещениями, перекосами бумажного носителя, разной толщиной бумаги, износом тракта механизма подачи бумаги. Для этого в работе разработаны математические критерии оценки точности формирования скан образов при оцифровке КД.

В работе использован метод среднеинтегральной фильтрации для определение поперечных вибраций движущегося носителя КД. Пусть Y(t) - отклонение каротажного сигнала от оси ОХ (рис. 4) в момент времени t. Тогда Y(t) = T]{t)+s(t), где r¡(t) -значение сигнала в момент времени t, s(t) - попереч-

| 'о +т

ные перемещения носителя в момент времени t. s(t0) = — j[r}(t) + s(t0)] dt,

T 'o

где 0<Г<Г„ T0 = Xju,0<t0<T0-T0.

Длину среднеинтегрального фильтра считаем равной L. Расположение фильтра показано на рис. 4. Введем обозначение Т -Llv, где V - постоянная скорость считывания информации с носителя.

В качестве оценки поперечного перемещения s(t) в момент времени t0 принята

1 '0+Т

перемещение движущегося носителя: величина Щ) = - jWO + «(<o)J dt. В дис-tj - значение каротажной кривой в мо- 1о

мент времени t, s - поперечное пере- сертации рассмотрено два случая, мещение носителя

Случай 1. rj(t) - детерминированный процесс:

А ~ ~ ~ ~

W) ~ — + cosna0t + Вп sin/iüV), гае А„ = В„/пщ, В„=~А„/псо0

(п = 1,2,т), а Ап и В„ - коэффициенты разложения полинома.

т 1 'о+Г 7 т í('o)-'Co)= I ~ í I - > гДе

п=-т> г0 ~ 11П(О0

п* О

Cn=(A„-iB„)/2, С„=С.„ (я=1,2„..,;»).

Пусть Sj - средняя мощность разности s(t) - s(t) в интервале [0,Г0]. Тогда

1 Т°А

*2т=у1

Jo о

£ cy""°'(e"*">r -1)

1U 1 -^

/7>иа0

дао

nW0Tl tf «Ч^2

л*0

2

Время фильтрации Г можно определить с таким расчетом, чтобы 8Т достигала наименьшей величины в интервале О <Т<Т0.

Случай 2. ?7(?) - стационарный в широком смысле случайный процесс. Дисперсию разности обозначим через Тогда

а\(1) = Ц$(?0) - ¿'(/0)]~ \Ynit) - т)] Л У ,где О обозначает опера-

Г 'о ]

цию по определению дисперсии, т = Мг]Ц). Очевидно,

а2тЦ) = ^м\ А, °)т2)-т)] '{Ч^,) А, сИг

(. <0 Iо ] 'о '«

где Кп{г) - корреляционная функция стационарного случайного процесса Т](1), Вводим новую переменную г=?2 • Тогда, согласно предыдущему равенству,

1т м

Выполняя интегрирование по , получим (0 = — \ (1 - —)й?г (1).

Т т

Время фильтрации Т определено так, чтобы величина а]- (/) в интервале О < Т < Т0 стала наименьшей. Для этого необходимо найдены все стационарные величины сгу как функции переменной Т в интервале О<Т<Т0. Пусть Ту,Тг,...,Тк - стационарные значения функции в интервале О<Т<,ТЬ.. Продифференцировав уравнение (1) по параметру Т и приравняв полученную производную нулю, получим уравнение для определения стационарных значений г

ТиТ2,...,Тк:. ¡Кп(г) (Т - 2т)с1т = 0 (2). Если я^со) является спектральной

о

плотностью стационарного процесса т/(/) и она известна, то уравнение (2) после целого ряда преобразований принимает вид:

g (а) <1<о = 0.

/

%sm(aT)l2(sm(a>T)/2 фГ J (оТ/2 1 ©772 C°S 2

-<г> \

В качестве примера в работе рассмотрен случай, когда корреляционная функция сигнала ij(t) как стационарного случайного процесса имеет вид

К(т) = а2е~"^ (cos/?|г| + or//?sin/?|г|). (3) Тогда дисперсия п] выражается в виде а2т = (2сг2cos2 <р)I(а2Т2)\2аТ + [е'аТsin(3p + aTtgpj^ls\n<p-[sin3p]/sinp],где <p-arctg{/3/a).

Из-за громоздкости предыдущей формулы для определения а} получена оценка величины о1 сверху. Легко убедиться, что для корреляционной функции (3) имеет место неравенство < (a2 J а2 + /З1 jfi^e"^. Тогда из формулы (1) следует неравенство

или ^¿[la'^Tfil-e'^yafiT.

Так как 1 - е"*7 < 1, то сгт < ^2ст2^а2 + ^(сфТ).

Выведено уравнение для определения стационарных значений дисперсии Of как функции переменной Г в данном случае. Подставив в уравнение (2)

выражение (3) корреляционной функции, получим уравнение т т т т

Т\<Гтсафйт+Щ \e-atsmpTdr-2\re'aTco&prdr-— \те'агsmprdr^.

о Р о о Р О

Проинтегрировав и приведя подобные члены в левой части предыдущего уравнения, после преобразований получено окончательное уравнение Р 7e ^cos(/? Т+<р) + Тае'аТsin(/? Т+<р) + 2T«sinср+2еаТsin(^ Г+ 3<z>)-2sin3^=0, где <p = arctg(/3/a). f

В результате получено соотношение для определения стационарных значений дисперсии aj.

В диссертации описана созданная информационно-измерительная система (ИИС) для измерения и анализа величины погрешностей, возникающих в процессе формирования скан образов КД устранения их влияния на формирование скан образов КД. Для этого в систему встроены специальные механизмы, направленные на устранение выделенных погрешностей. В частности, предложено устройство, для анализа перекосов носителя информации и управления компенсирующими механизмами, в качестве которых предложено использовать линейные видродвигатели, представляющих собой преобразователи высоко частотных электрических колебаний механические перемещения.

Применение видродвигателей позволило добиться повышения точности ощф-ровки КД с бумажного носителя информации. Также в в работе предложены алгоритмы обработки скан образов КД которые устраняют последствия некорректного ввода КД, неустраненные аппаратными уст средствами. Программная реализация алгоритмов на языке программирования Borland С++ используется как завершающий

СКАНЕР Управляющие сигналы

: Устройство ДЛЯ определения перекосов при сканировании

Механизм подачи бумажного носителя (линейные вибродвигатели) БумажныЩноситель

Программный комплекс для обработки скан образов каротажных диаграмм

Оптика сканера, приборы с зарядовой связью

Аналог* вый сигнал

Аналого-цифровой преобразователь

Рис 5 Структура ИИС

этап обработки скан образов в рамках аппаратно-программной ИИС.

Предложенное устройство для определения перекосов, возникающих в ходе сканирования, подключается к выходу аналого-цифрового преобразователя сканера. Оно работает с цифровой информацией - рядом точек (пикселей), считанных сканером с бумажной ленты. Программный комплекс, описанный в работе, предназначен для «финишной» обработки скан образов и устранения мелких перекосов.

В диссертации предложены технические средства для повышения динамической точности движения ленточного носителя, например, методика измерения угла перекоса движущейся бумажной ленты. Количественная оценка величины перекоса может быть выражена углом отклонения, образующимся между линией края области сканирования и краем бумажной ленты.

При расчетах необходимо учитывать то, что формируемый скан образ является дискретным и состоит из элементарных элементов-пикселей. Переход от линейных размеров изображения к пикселям возможен через оптическое раз решение D = [d,o/> х DK;)mJ, задаваемое оператором при сканировании. Предложен способ измерения угла перекоса движущегося ленточного носителя, выразив скорость движения носителя через оптическую плотность, получаем формулу для оценки величины угла перекоса сканируемого ленточного носителя (рис. 6): 6 = sign(M)arctg(Alh), h = 2.54IDKpm, Д/ = (/,-/,J-2.54/D^, (4) где

/, - количество точек (пикселей) от края границы сканирования до края бумажной ленты (сканируемый документ) на г-ом шаге h\ D = {Д^ х Dxpm j -

оптическое разрешение при сканировании, точек на дюйм (dpi), например D - 300 х 600dpi Для устранения перекоса необходимо сместить один из краев бумажной ленты на величину Д=L-ig(S)-L&l/h (5), где L - ширина области сканирования (ширина ленты). Знак угла перекоса в формуле (4) показывает какой край бумажной ленты

необходимо дополнительно перемещать -правый или левый.

Исходя из практики, установлено, что целесообразно принять h = 10... 15% от ширины области сканирова-1 - граница области сканирования; 2 - край бумажной ляпы. ния. То есть, при стандартной ширине области сканирования 21 см, h = 2,1... 3,1 см.

Поскольку на практике при сканировании черно-белых КД обычно применяется оптическое разрешение 100 dpi, значение h = 83... 124 пикселя. Для простоты

кодирования в бинарной системе примем h = 27 = 128.

В этом случае формулы (4-5) принимают следующий вид: 5 = sign(AI)arctg(AI 128), Al = (/, -l,_m), A = L-lg(S) = L-Al/128.

Рис 6. Способ контроля за перекосами сканируемого бумажного носителя:

Рис 7 Блок-схема устройства для определения и устранения помех, возникающих при сканировании лент: 1 - оптические механизмы сканера, 2- приборы с зарядовой связью, 3- аналого-цифровой преобразователь, 4- регистры памяти, 5- операционный блок, 6- линейные вибродвигатели, 7- носитель информации.

ЭТАП 1 Устранение помех, вызванных перекосами бумажного носителя при сканировании Выделение участка скан образа

*

Расчет угла перекосг для выделенного участка

1

Коррекция (поворот выделенного участка

этап:

Устранение поме*, вызванных продольными деформациями носителя

Для аппаратной реализации предложенной методики разработано устройство, (рис. 7). Устройство работает следующим образом.

Сканер считывает один ряд точек с бумажной и приборы с зарядовой связью 2 подают аналоговый сигнал на аналого-цифровой преобразователь 3, цифровой сигнал поступает в регистры памяти 4 и операционный блок 5, одновременно с этим сигнал из регистров памяти 4 поступает в операционный блок 5. Операционный блок 5 производит побитовое сравнение сигналов, рассчитывает величину ленты 7, оптические механизмы 1 перекоса и формирует на одном из выходов импульс, длительность которого равна времени работы вибродвигателя, необходимого для устранения перекоса.

Сигнал поступает на вход одного из вибродвигателей 6. Один из вибродвигателей 6 срабатывает и бумажная лента 7 перемещается, устраняя тем самым возникший перекос.

В заключении второй главы приведены основные этапы обработки скан образов КД (рис. 8) описаны методика измерения коэффициента про-

Рис 8. Основные этапы обработки скан образов КД Д°льных деформаций бумаж ного носителя, алгоритмы обработки скан образов КД, приведены математические модели поворота и масштабирования скан образа и описаны алгоритмов коррекции скан образа.

В третьей главе рассмотрена проблема создания компьютерных геологических и фильтрационных моделей, адекватных реальному строению пласта, которая смыкается с общей проблемой повышения качества и количества информации о пласте. Современные программные средства для обработки и интерпретации ГИС требуют, чтобы каротажный материал поступал в цифровом виде в формате хранения КД LAS [Log ASCII Standart). Для этого КД, записанные в цифровом виде оригинального формата с помощью разработанных при участии автора работы прикладных программ, переводятся в LAS -формат и в таком виде интерпретируются, хранятся в БД Finder, а также используются для геологических построений.

Распознавание контрольных линий на выделенном участке скан

Удаление неинформативных фрагментов скан образа (пол« и пр1

X

ЭТАП 3

Подготовка скан образа для последующей обработки

X

Регулировка яркости/ контрастности, цветовой i-аммы скан

Экспорт в формат PSF (для последующей эбработки в NordSoft ScanDigit)

Расчет коэффициента растяжения 1

Коррекция (масштабирование) выделенного участка

Для работы с большими объемами информации, ее анализа и получения корректных результатов, для интеграции всех данных создана система управления геологическими, геофизическими и производственными данными, которая базируется на системе Finder, использующей мощную и гибкую реляционную БД, что позволяет хранить все типы данных и обеспечивать к ним доступ пользователям. БД является центральным компонентом Finder, а управляет данными реляционная СУБД типа ORACLE.

Finder позволяет г еологам и специалистам, связанным с разведкой и добычей нефти и газа, напрямую работать со своими данными и интерпретацией их. Пользователь имеет авторизированный доступ к данным, может анализировать их в реальном времени, интерпретировать, редактировать, отображать на картах или разрезах, создавать твердые копии графических построений.

БД Finder можно разделить на категории, которые обеспечивают возможности работы различных частей системы (рис.9): Системная категория (SYSTEM ) представляет таблицы и файлы, отвечающие за контроль системных настроек. Такие таблицы содержат объекты БД и исполняемые команды, позволяющие пользователю управлять системой Finder, а также обеспечивающие шбкий инструментарий для распределения системных ресурсов. Кодовая категория ( CODES ) содержит таблицы, ориентированные на контроль и проверку целостности вводимых данных в системную или проектную категории, а также определяет список ключевых слов, являющихся общими для системы. Проектная категория ( PROJECT ) содержит таблицы и файлы, которые предназначены для хранения и управления данными, используемыми специалистами, проводящими индивидуальные работы. Категория анализа ( ANAL YST ) содержит таблицы и файлы, отвечающая за возможность каждого пользователя индивидуально настраивать некоторые параметры отображения данных.

Finder предоставляет широкие возможности для специалистов. Однако все это становится возможным в случае, когда необходимая информация уже хранится в БД. Поэтому одной из первых проблем, которая решена в работе, является проблема Рис 9 Структура категорий заполнения базы информацией (актуализация базы).

БД Finder Для обеспечения возможности ввода и хране-

ния триллионов бит геологогсофизичесой информации и минимизации количества рабочих мест, построенных на базе станции Sun, являющейся физической основой Finder ЛВС с включением в нее станции Sun и персональных компьютеров (ПК). При этом количество пользователей, одновременно работающих с таблицами БД Finder, без использования технологии SchlumbergerGeoQuest увеличивается путем развертывания ЛВС с использованием рабочей станции Sun в качестве сервера БД и ПК в качестве клиентов. При этом типом используемой сети является Ethernet, поскольку станция Sun предназначена именно для работы с Ethernet. В качестве общего ПО) преложено использовать обычную систему MS Windows. Кроме того, на ПК установлено специальное ПО, необходимое для связи с сервером БД. Топология развернутой сети показана на рис.10.

Системная категори

Кодовая вровень у атегоРия :истемы X-

ПроектншР категория

категория анализа

fi

□

Sun SPARC (ORACLE-сервер) p

п

Тип среды:

- коахсиал,

- витая пара

EnetHubl

□

ПК Pentium 3 (Win98)

□

L

ПК Pentium 3 (Wm9S) j ORACLE

клиент

ПК Pentium 3 (Win98) ORACLE

клиент

Рис 10. Топология сети для реализации модели клиент-сервер в Finder

192 9 20012 192 9 20011 192 9 2002

На некоторых ПК установлено программное обеспечение ORACLE -клиент, позволяющее пользователю работать с таблицами БД Finder.

В его состав входит специализированный сетевой программный продукт SQL* Net V2.0 и утилиты SQL* Plus, SQL * Loader. Все это давало пользователю возможность вводить данные в БД - и просматривать их, используя соответствующие SQL -запросы. - Структура локальной сети

192.9.200 1

Рис 11 Структура ЛВС

экспедиции показана на рис.11.

Загрузка каротажных данных с использованием ЛВС (рис.12) осуществляется следующим образом. Файл с исходными данными (обычный ASCII -файл) переписывается с дискеты в ПК и производится предварительная его проверка. После этого файл передается по сети на рабочую станцию Sun и загружается в Finder с помощью программы - загрузчика ASŒ Well log.

В качестве альтернативы системы Finder была разработана и реализована БД каротажной информации Cbrbon. Цель создания БД

Carbon состоит в построении хранилища данных для каротажной и попутной геофизической информации. При проектировании БД каротажной информации Carbon из всего многообразия исходного каротажного материала для хранения были выбраны следующие виды: документация по скважине, содержащая общие данные о скважине; КД, полученные в результате проведения комплекса исследований различными методами каротажа; данные о приборах и зондах, которыми проводились исследования, их параметры; инклинометрия скважины; экспертное заключение по результатам интерпретации.

В четвертой главе диссертации предложена ранговая модель литологи-ческого расчленения разреза скважин на основе АВПР, обладающего высокой помехоустойчивостью. Алгоритм функционирует в двух режимах: в режиме обучения и режиме распознавания. В режиме обучения по объектам, характеризующим литологические пласты земной коры, формируются ранговые векторы, на основе которых алгоритм АВПР формирует классы и подклассы, для которых строятся эталонные ранговые векторы.

Далее в режиме распознавания класссифицируемый вектор преобразуется в ранговый вектор, который относится к тому или иному подклассу и классу по критерию максимума коэффициента ранговой корреляции Спирмэна.

Применение алгоритма заключается в том, что задача литологического расчленения сводится к двум подзадачам: анализу вхождения значения в определенный интервал и анализу взаимного расположения диаграмм. Первая заключается в разбиении исходной области допустимых значений КД на некоторое количество участков в зависимости от метода каротажа и анализу принадлежности значения диаграммы к одному из них. При анализе взаимного расположения диаграмм рассматривается не только попадание значений КД различных методов в определенные интервалы, но и их условное взаимное расположение.

Предложенный алгоритм также позволяет реализовать такие известные методы, как метод диагностических кодов, анализ литологии с оценкой вероятности, адаптивный неранговый выбор подклассов. Однако наиболее важным достоинством алгоритма АВПР является формирование классов для модели нечеткой логики. Благодаря способности алгоритма оценивать вероятность попадания значений функции в определенный интервал, он используется при формировании лингвистических переменных.

Нечеткое множество (НМ) X = {(x;jw(x))} определяется математически как совокупность упорядоченных пар, составленных из элементов универсального множества X, и соответствующих степеней принадлежности ju(x) или непосредственно в виде fi(x) :Х -> [0,1]. Под функцией принадлежности //(х) понимается некоторое невероятностное субъективное измерение нечеткости или условная вероятность наблюдения события. В задачах теории нечетких множеств в основном используются

IBM PC

Рис 12 Схема ввода каротажных данных в Finder с использованием ЛВС

операторы гшп() и тах(), т.к. они удовлетворяют требованиям ограниченности, монотонности, коммутативности, ассоциативности, дистрибутивности и идемпотентности, нечеткой переменной является тройка < т,Х,Шт) >, где г - название нечеткой переменной, X = {*] - область определения нечеткой переменной, #(г) = {<хеХ - нечеткое подмножество множества X, описывающее ограничения на возможные значения нечеткой переменной г, а лингвистической переменной называется < г},Т{г)),Х,С,М >, где г\ - наименование лингвистической переменой; Т - терм-множество лингвистической переменной ц, т.е. множество наименований лингвистических значений, областью определения которых является множество X; в - синтаксическое правило в форме грамматики, позволяющее оперировать элементами терм-множества Т, в частности генерировать новые осмысленные термы.

В работе при формировании лингвистических переменных предложены следующие подходы: петрофизическая нечеткая модель, где переменными являются значения петрофизических, физических и геофизических параметров, таких как коэффициенты пористости, глинистости, водонасыщения, удельное сопротивление и т.д.; развитие алгоритма диагностических кодов, где производится «размывание» границ «малые»-«средние»-«высокие» в показаниях КД на основании анализа экспериментальных данных; развитие вероятностного алгоритма, когда в качестве переменных для решения задачи литологического расчленения выбираются степени принадлежности показаний КД искомому параметру.

Формирование функции принадлежности производится на основании построения функций отображения для перехода с предметной шкалы на универсальную, в соответствии с распределением значений КД (рис 13). Оценка результатов интерпретации определяется значениями лингвистической переменной <«оценка»; Т; [0,1]>, где интервал [0, 1] представляет собой шкалу оценок. В дальнейшем

0,179 0,196 0,23 0,24 ДС 0,5

Рис 13 Функции отображения для перехода с универсальной шкалы на предметную для метода каротажа - кавернометрия:

<Р\ - степень принадлежности значений ДС коллектору, <Р2 - степень принадлежности значений ДС глинам. (ДС - кавернометрия)

ЗЕшчения лингвистической переменной «оценка» будем обозначать через СТУ. Здесь N - высказывание, определяющее наивысшую степень предпочтительности ситуации, например, «ситуация - в норме» (или просто «норма»); (? - квантификатор, представляющий собой нечеткое понятие, определяющее меру для высказывания N, т.е. в какой мере (степени) выполняется высказывание N. С? принадлежит некоторому множеству квантификаторов {С?}:С?е{(?} = {«характерно...», «приблизительно. ..», «немного отлично от...», «выражено отлично от...», «значительно отличается от...»}. Разработанный алгоритм принятия нечетаого решения состоит из следующей последовательности действий, в процессе которых производится формирование распознающей системы и непосредственно распознавание.

Производится построение функций принадлежности НМ для множества рассматриваемых нечетких параметров < т,Х,К(т)>, терм-множеств лингвистических переменных <rf,T(n),X > для задачи верификации литологических пластов, универсальной шкалы и функции отображения для оцениваемых параметров, в многокритериальной среде формируется совокупность критериев принятия решения dL, осуществляется построение пространства оценок для принятия решения и индивидуальных функций решения - 1{к). Для этого полученные лингвистические правила приводятся к математическим функциям решения: агрега-руется значимость каждого параметра в индивидуальную функцию решения путем использования логической операции конъюнкции над степенями принадлежности по всем параметрам R(k) = &\ßk(х)] и логической операции нечеткого

включения = & (В(к)К, (ЗГ)) = min[1,(1 -B(jc) + RT (*))], где

(if(0.1|) . (xt[0 11)L ''Л

Т ~ [Т^. Здесь 7(к, У) - нечеткое множество в пространстве оценок. Количество нечетких множеств Г(£д) определяется совокупностью правил, используемых для принятия решений. Далее находится общее решение. Общая функция решения ищется путем применения операции конъюнкции ко всем индивидуальным функциям решения: D= & 7(к) = min 7(к). В заключении производится отражение полученного НМ на пространстве оценок и определении наиболее близкой оценочной кривой R{T) к кривой общего решения £>(?). Мерой близости

1

служит евклидово расстояние: d(D,RT) = [^[D(5c)-RT(;с)]2]05, где Т={Т,}. Оце-

к.О

ночная кривая, у которой евклидово расстояние наименьшее, d = min d(D,K1) и

будет окончательным лингвистическим решением.

В работе в качестве объекта исследования и экспериментальных данных использованы скважины Вятской площади, разработанные Арланским УТР ОАО «Башнефтегеофизика». Разработка скважин производилась в 1990-92 годах. Материалы были представлены на бумажных носителях. Заключения по скважинам были получены интерпретаторами ОАО «Башнефтегеофизика» без использования автоматизированных систем.

В эксперименте участвовали скважины с номерами: 13486, 13505, 13506, 13507,13513, 13518, 13603, 13611. Целью эксперимента являлось выделение характерных интервалов в значениях каротажных методов для нефтеносных и водоносных пластов и определение возможности использования данной методологии для решения задач верификации пластов-коллекторов и классификации их по признаку вода-нефть. Статистические выборки подтвердили, что показания КД образуют компактные множества, соответствующие одинаковому литологи-ческому типу; интервальное время пробега продольной волны в показаниях акустического каротажа соответствует карбонатным породам-коллекторам и песчаникам. По результатам выделения характерных интервалов можно сказать, что данная методика позволяет выделять пласты-коллекторы, но для решения задачи разделения нефть-вода нет основательных отличий в показаниях каротажа методом кажущегося сопротивления. В работе определены информативные нормализованные пары методов для решения задачи разделения выделенных коллекторов по признаку нефть-вода. По результатам нормализации бокового каротажа и нейтронного гамма-каротажа можно сказать, что данная зависимость может вы-

ступать в качестве обязательного критерия нефтеносного пласта. Условием нефтеносности пласта является положительность полученной разности. Аналогичные результаты получены и при нормализации методов каротажа методом кажущегося сопротивления и каротажа методом самопроизвольной поляризации.

Проведен анализ значений КД для основных .цитологических типов, рассмотрены распределения значений основных методов каротажа для определения следующих литологических типов: глина, плотная порода, водоносный коллектор, нефтеносный коллектор, используя нормированные интервалы значений.

В диссертации применен алгоритм АВПР для интерпретации КД при этом были проанализированы следующие методики литологического расчленения: система неравномерных интервалов, построенная по распределению значений продуктивных пластов. Заключение формируется по полному совпадению всех ранговых векторов; система неравномерных интервалов, построенных по алгоритму комплексных кодов. Заключение формируется по совпадению ранговых векторов; система равномерных интервалов. Заключение формируется на основе система равномерных интервалов максимуму коэффициента ранговой корреляции Спирмэна.

По результатам интерпретации можно сказать, что методика на основе система

3 2 1 О

Глубина 1023 1055 1090.6 1124 1200,6 а Экспертная оценка" Результат интерпретации! _

Глубина__1060_

□_Экспертная оценка

1098,4

1132

1225,6

Результат интерпретации 1 _

равномерных интервалов дает наиболее удовлетворительные результаты использования алгоритма АВПР, однозначно определяя нефтеносные пласты и с высокой степенью точности (более 90%) - водоносные. В среднем, погрешность

Рис 14, Интерпретация методом равномерных интервалов:

О - не коллектор, 1 - вода, 2 - нефть, 3 - равновероятное, по мнению эксперта, значение для воды и нефти по глубине составляет 0.2 метра. При этом анализ влияния количества интервалов на точность интерпретации и скорость функционирования показал, что оптимальной является размерность рангового вектора равная 20 (Л^= 20) (рис. 14).

В работе также осуществлено применение нечеткой логики для интерпретации КД. Для решения задачи экспресс-интерпретации исследованы следующие подходы: развитие алгоритма диагностических кодов, где производится «размывание» границ «мальте»-«средние» -«высокие» в показаниях КД на основании анализа экспериментальных данных.

Целью эксперимента являлось построение размытых диапазонов распределения значений КД, имеющих трапецгоадальную форму; развитие вероятностного алгоритма, когда в качестве лингвистических переменных для решения задачи литологиче-

ского расчленения выбираются степени принадлежности показаний КД искомому параметру. Построение модели производится на основе полученных зависимостей.

На рис. 15 показаны результаты интерпретации нечеткой модели диагностических

Глубина 1023___1055 ... 1090,6 1124_1200,6 кодов. По ним

о Экспертная оценка а Результат интерпретации__ видно, что

Рис 15. Результаты нечеткой модели диагностических кодов «размывание»

границ-интервалов значительно повышает точность верификации по признаку нефть- вода и интерпретации в целом.

Несомненным достоинством применения нечеткой логики при интерпретации по сравнению с алгоритмом АВПР, является независимость интервалов и динамическая корректировка границ диапазонов.

ЗАКЛЮЧЕНИЕ

В результате проведения комплексных исследований, направленных на получение научно-обоснованных методических и технических решений, способствующих повышению степени автоматизации обработки и интерпретации ГИС создана ИИИС, внедрение которой имеет существенное значение для создания экспертных систем экспресс- анализа для обработки и интерпретации ГИС.

1. На основе исследования структуры технологического процесса оцифровки КД построена схема автоматизированной информационно-управляющей системы и определены функции ее программных компонентов. Система состоит из 7 подсистем, реализующих различные стадии процесса и БД проектов оцифровки, скан образов КД, информации процесса оцифровки, а также фрагментов КД.

2. Созданная в рамках системы оцифровки подсистема выделения линий КД на скан образах диаграмм обеспечивает предварительную обработку изображения для подавления неинформативных элементов, выделение информационного множества диаграммы, утончение линий и построение скелета изображения, предварительную обработку выделенных примитивов, реконструкцию и восстановление непрерывной кривой.

3. Разработана математическая модель для оценки точности формирования скан образов КД, содержащая формулы и зависимости для оценки формы каротажного сигнала, в том числе, оптимальной оценки. Рассчитаны среднеквадратичные ошибки и оценки дисперсии для всех компонентов математической модели.

4. Сформирована концепция, структура, математическая модель, основные модули и алгоритмы программно-аппаратных средств для оценки, анализа и компенсации помех формирования скан образов КД. Разработаны алгоритмы программного комплекса, осуществляющег о обработку скан образов КД.

5. В состав ИИИС включена система Finder, использующая мощную и гибкую реляционную БД, что позволяет хранить все типы данных и обеспечи-

/

вать к ним доступ пользователям. Управляет данными реляционная СУБД типа ORACLE. Для эффективного хранения каротажных диаграмм и некоторых других данных обычная реляционная БД дополнена векторной базой. Успешно решены технические проблемы, возникшие при интеграции информации в Finder-. перевод информации на новые технические носители; согласование форматов представления данных; использование локальной сети для ввода информации.

6. Для экспресс-интерпретации КД использован АВПР для литологиче-ского расчленения пройденных скважиной пород; разработаны методики формирования классов и алгоритм классификации; предложено использование алгоритма АВПР для формирование лингвистических переменных.

7. Разработан способ определения информативности методов каротажа при распознавании литологической структуры разреза скважины моделью НЛ в зависимости от количества каротажных методов. Проведенные оценки выявили показатели информативности методов каротажа при интерпретации результатов ' ГИС на основе алгоритмов нечеткого вывода

8. Разработаны принципы построения адаптивных систем НЛ для распознавания литологической структуры разреза скважины. Выбраны методы обучения для моделей HJ1. Показана состоятельность подхода к задаче распознавания литологической структуры разреза скважины при помощи обучения систем НЛ. Разработанная система интерпретации результатов ГИС на основе нечеткого логического вывода, обеспечивает литологический экспресс-анализ.

9. 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.

НАУЧНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ:

1. Сенилов М.А., Старыгин A.B. Применение экспертных систем на различных этапах жизненного цикла бурильного инструмента // 31 науч.-техн. конф. ИжГТУ, 15-17 апр. 1998 г.: Тез. докл. - В 2-х ч. - Ч. 1. - Ижевск: Изд-во ИжГТУ, 1998.-С. 4-5.

2. Старыгин A.B., Сенилов М.А. Использование нечетких моделей в САПР геологоразведочных скважин // 31-я научн.-техн. конф. ИжГТУ: Тез. докл. 4.1 - Ижевск: Изд-во ИжГТУ, 1998. - С. 5-6.

3. Сенилов М.А., Старыгин A.B. Применение схемы индуктивного нечеткого вывода в задаче литологического расчленения скважины // Логико-математические методы в технике, экономике и социологии: Мат-лы междунар. науч.-техн. конф. (Пенза, 28-29 окт. 1998 г.). - Пенза, 1998. - С. 34 - 35.

4. Старыгин A.B., Сенилов М.А. Гибридная экспертная система для управления качеством интерпретации ГИС // Информационные технологии в инновационных проектах: Мат-лы докл. междунар. конф. (Ижевск, 20-22 апр. 1999 г.). - Ижевск: Изд-во ИжГТУ, 1999. - С. 34 - 36.

5. Старыгин A.B., Сенилов М.А., Данилов В.А. Применение технологии искусственного интеллекта в управлении качеством интерпретации каротажных данных // XXII науч.- метод, конф. ИжГТУ, 19-23 апр. 1999 г.: Тез. докл. -

Ижевск: Изд-во ИжГТУ, 1999. - С. 49 - 50. Щ 2 2 4 S 0

6. Сенилов М.А., Старыгин A.B. Р--------------------------""

кого вывода при исследовании карота» вые шаги третьего тысячелетия: Тр. эл« во УдГУ, 2000.-С. 77 - 78.

7. Формирование базы данных п скважинах Самотлорского месторожде туальных технологий; Рук. В.Е.Лялин; Старыгин и др. - № ГР 01200 405094 -

8. Оцифровка каротажного матер ской площади Арланского месторожде туальных технологий; Рук. В.Е.Лялин;. Старыгин и др. - № ГР 01200 405095 - Ижевск, 2004,91 с.

9. Создание библиотеки скан-образов скважин Самотлорского месторождения: Отчет о НИР / Институт интеллектуальных технологий; Рук. В.Е.Лялин; Исп. А.П. Щеглов, A.B. Старыгин, М.А. Быстров и др. - № ГР 01200 405096 -Ижевск, 2004,35 с.

10. Верификация геолого-геофизической информации по объектам разработки месторождений Северного НГДП ОАО «ТНК-Нижневартовск»: Отчет о НИР / Институт интеллектуальных технологий; Рук. В.ЕЛялин; Исп. М.А. Сенилов, A.B. Старыгин и др. - № ГР 01200 405097 - Ижевск, 2004,63 с.

11. Формирование базы данных по ОАО «Варьеганнефтегаз»: Отчет о НИР / Институт интеллектуальных технологий; Рук. В.Е.Лялин; Исп. В.В. Васильев, С.П. Бархатов, A.B. Старыгин и др. - ГР 01200 406709 - Ижевск, 2004,80 с.

12. 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, A.B. Старыгин и др. - № ГР 01200 408505 - Ижевск, 2004, 53 с.

13. Литологическое расчленение разреза скважин путем применения теории интеллектуальных систем / Зимин П.В., Старыгин A.B.; Ижевск - ИжГТУ, 2005 - 47 с. - Деп. в ВИНИТИ 2005, № 1354 - В2005.

14. Программно-аппаратные средства и методы интерпретации геофизических исследований скважин / Старыгин A.B.; Ижевск. - ИжГТУ, 2005 - 54 с. -Деп. в ВИНИТИ 2005, №1355 -В2005.

РНБ Русский фонд

2006-4 20357

A.B. Старыгин

Лицензия ЛР №020764 от 29 04 98 г

Подписано в печать 09 11 2005 Формат 60x84 1/16 Отпечатано на ризографе Уч-издл 1,97 Уел печл. 1,39 Тираж 100 экз Заказ № 320/2

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

Используемые обозначения и сокращения.

Введение.

Глава 1. Анализ программно-аппаратных средств и методов интерпретации геофизических исследований скважин.

1.1. Введение.

1.2. Цифровая регистрация.

1.2.1. Преимущества цифровой регистрации.

1.2.2. Программно-управляемые каротажные комплексы.

1.2.3. Управляющие и обрабатывающие каротажные комплексы

1.3. Преобразование КД в цифровую форму.

1.3.1. Подготовка диаграмм к оцифровке.

1.3.2. Преобразователи КД.

1.3.3. Оцифровка диаграмм с помощью преобразователей.

1.3.4. Программное обеспечение для оцифровки КД.

1.3.4.1. Пакет программ NordSoft.

1.3.4.2. Достоинства и недостатки пакета программ t NordSoft.

1.3.4.3. Программа NeuraLog.

1.3.4.4. Достоинства и недостатки программы NeuraLog.

1.4. Предварительная обработка цифровых данных.

1.4.1. Редактирование цифровой информации.

1.4.2. Увязка кривых по глубине.

1.4.3. Приведение геофизических кривых к стандартным скважинным условиям.

1.5. Базы данных ГИС.

1.6. Интерпретация каротажных данных.

1.6.1. Задача интерпретации ГИС

1.6.2. Результаты интерпретации ГИС.

1.6.3. Алгоритмы интерпретации геофизической информации

1.6.3.1. Статистические методы.

1.6.3.2. Алгоритм с использованием диагностических кодов

1.6.3.3. Цитологическое расчленение с оценкой вероятности

1.6.3.4. Метод нормализации.

1.6.3.5. Методы классификации, основанные на петрофизических данных.

1.7. Выводы и постановка цели и задач исследований.

Глава 2. Информационно-измерительные, программно-алгоритмические средства и математические критерии оценки точности оцифровки твердых копий КД на бумажном носителе.

2.1. Введение.

2.2. Программное обеспечение компьютеризированной системы оцифровки КД.

2.2.1. Технологический процесс оцифровки КД.

2.2.2. Структурно-технологическая схема информационно-управляющей системы процесса поточной оцифровки КД.

2.2.3. Программные компоненты технологического процесса оцифровки.

2.3. Математические критерии оценки точности формирования скан образов при оцифровке КД.

2.3.1. Определение формы КД при формировании ее скан образа

2.3.2. Использование метода среднеинтегральной фильтрации для определения поперечных вибраций движущегося носителя КД.

2.3.3. Устранение влияния поперечных перемещений ленточного носителя при формировании скан образа КД.

2.4. ИИИС для повышения динамической точности формирования скан образов КД путем устранения влияния погрешностей движения ленточного носителя

2.4.1. Основные цели ИИИС.

2.4.2. Общая структура ИИИС.

2.4.3. Технические средства для повышения динамической точности движения ленточного носителя.

2.4.3.1 Методика измерения угла перекоса движущейся бумажной ленты.

2.4.3.2. Методика измерения коэффициента продольных деформаций бумажного носителя.

2.4.4. Алгоритмы обработки скан образов КД.

2.4.4.1 Математическая модель поворота скан образа.

2.4.4.2. Математическая модель масштабирования скан образа.

2.4.4.3. Описание алгоритмов коррекции скан образа

2.4.4.4. Результаты работы программного комплекса . 85 2.5 Полученные результаты и выводы.

Глава 3. Построение баз данных геолого-геофизической информации и локальных вычислительных сетей для доступа к ним.

3.1. Построение компьютерных геологических и фильтрационных моделей пластов.

3.1.1. Система управления геологическими, геофизическими и производственными данными.

3.1.2. Загрузка данных.

3.1.2.1. Совместимость.

3.1.2.2. Использование загрузчиков.

3.1.3. Построение разрезов.

3.2. Структура БД Finder.

3.3. Структура БД Carbon.

3.3.1. Описание программы.

3.3.2. Организация доступа пользователей к БД.

3.3.3. Отображение КД в графическом виде.

3.3.4. Импорт КД из файла в формате LAS.

3.3.5. Иерархия программных компонентов для обработки хранимой информации.

3.3.6. Попластовая увязка диаграмм.

3.3.7. Увязка по узловым точкам.

3.3.8. Приведение показаний методов к стандартным условиям измерений.

3.3.9. Статистическое эталонирование показаний методов. 132 3.4. Основные результаты и выводы.

Глава 4. Применение теории интеллектуальных систем для литологического расчленения разреза скважин.

4.1. Ранговая модель.

4.1.1. Обоснование выбора рангового алгоритма.

4.1.2. Основные понятия и постановка задачи.

4.1.3. Режим обучения алгоритма АВПР.

4.1.4. Режим классификации алгоритма АВПР.

4.1.5. Применение алгоритма.

4.2. Модель нечеткой логики.

4.2.1. Основные понятия нечеткой логики.

4.2.2. Формирование лингвистических переменных.

4.2.3. Алгоритм принятия нечеткого решения.

4.3. Экспресс-интерпретация каротажных данных.

4.3.1. Объект и цели исследования.

4.3.2. Известные теоретические зависимости.

4.3.3. Анализ экспериментальных данных.

4.3.3.1. Анализ значений КД для продуктивных интервалов

4.3.3.2. Анализ значений КД для основных литологических типов.

4.3.4. Применение алгоритма АВПР для интерпретации КД. . 161 ^ 4.3.4.1. Постановка задачи.

4.3.4.2. Результаты экспериментов.

4.3.5. Применение нечеткой логики для интерпретации КД.

4.3.5.1. Постановка задачи.

4.3.5.2. Результаты эксперимента.

4.3.6. Анализ предварительной обработки.

4.3.7. Алгоритм корректировки границ пластов.

4.4. Результаты экспериментальных исследований.

Актуальность темы. Современные технологии разработки нефтяных месторождений предполагают компьютеризированную обработку и интерпретацию данных каротажа, а также построение различного рода геологических и математических моделей месторождений. Достоверность и надежность построенных моделей месторождений и залежей оказывают определяющее влияние на эффективность поисково-разведочных работ и выбор обоснованной схемы разработки ГИС на сегодняшний день являются, фактически, единственной возможностью выделить в разрезе скважины продуктивные нефтяные и газовые пласты, определить их толщины, емкостные и фильтрационные свойства, литологический состав, эксплуатационные характеристики.

С каждым годом все острее стоит проблема воспроизводства минерально-сырьевой базы в России, т.к. большинство месторождений уже давно эксплуатируются и их запасы, практически, исчерпаны. Сложность воспроизводства запасов нефти и газа связана с тем, что новые месторождения отличаются от уже эксплуатируемых сложным геологическим строением, а именно: большими глубинами залегания, небольшой толщиной пластов-коллекторов, многокомпонентным литологическим составом, сложной структурой порового пространства. В связи с этим значительно повышается роль ГИС и требования к ее достоверности. В то же время существует обширный банк каротажных диаграмм (КД), хранимых на фотобумаге и в виде их твердых копий на бумажной ленте, сформированный еще до появления цифровых магнитных регистраторов и компьютеризированных программно-аппаратных комплексов для цифровой записи и оперативной предварительной обработки данных ГИС. После оцифровки КД появляется возможность переинтерпретировать информацию по уже разрабатываемым месторождениям. Для новых месторождений оцифровка существующего фонда позволяет не проводить исследования повторно, тем более что проведение комплекса ГИС даже по одной скважине очень затратно. Поэтому перед нефте- и газодобывающими компаниями встает вопрос об оцифровке старых КД существующего фонда скважин.

Повышение точности ввода данных ГИС при оцифровке возможно только при комплексном подходе к решению проблемы - созданию ИИИС, состоящей из аппаратных и программных компонентов и предназначенной для определения, анализа и устранения погрешностей, возникающих при формировании скан образов КД.

Поэтому для автоматизации процесса переинтерпретации и построения более точных математических моделей месторождений для оптимизации процесса добычи нефти необходимы интеллектуальные информационные системы, позволяющие хранить и обрабатывать весь комплекс геолого-геофизической и технологической информации. При наличии некоторой эмпирической БД возможно использование методов извлечения знаний из данных и применение обучающихся информационных систем. Дальнейшим развитием автоматизации интерпретации каротажного материала является разделение на пласты разреза скважин с помощью экспертных оценок, которые существенным образом используются в системах искусственного интеллекта, построенных на основе теории ПЛ. В общем случае, применение систем НЛ целесообразно в тех случаях, когда нет простой и однозначной математической модели объекта или процесса, но экспертные знания об объекте или процессе представимы в форме предикатных правил. Принимая во внимание, что задачи интерпретации ГИС имеют в своей основе сложные функциональные зависимости, поэтому применение системы НЛ для их решения вполне приемлемо и обоснованно.

Объектом исследования являются ГИС, КД и их скан образы, рулонные сканеры, оцифровка КД, ИИИС для определения погрешностей сканирования КД, программный комплекс для обработки скан образов КД, БД и локальная вычислительная сеть (ЛВС), алгоритм адаптивного выбора подклассов (АВПР) модели НЛ для решения задач интерпретации ГИС.

Предметом исследования являются программное, лингвистическое и информационное обеспечение интеллектуальной ИИИС, математическая модель для оценки точности формирования скан образов КД;. разработка правил и структуры экспертной системы для контроля качества оцифровки, методы и алгоритмы интерпретации геофизической информации; алгоритмы распознавания литологии пластов на основе НЛ.

Цель работы - проведение комплексных исследований, направленных на получение научно-обоснованных методических и технических решений, способствующих повышению степени автоматизации обработки и интерпретации ГИС путем создания интеллектуальной ИИИС, обеспечивающей формирование цифровых скан образов КД с ленточных носителей данных, управление геологическими, геофизическими и производственными данными на основе специализированных баз данных и повышение надежности выявления нефтенасыщен-ных коллекторов путем разработки алгоритмов, базирующихся на положениях теории HJI; внедрение чего имеет существенное значение для создания экспертных систем экспресс- анализа для обработки и интерпретации геофизической информации.

Для достижения поставленной цели требуется решить следующие задачи:

- создание автоматизированной технологии оцифровки КД с бумажного носителя; разработка математической модели оценки точности формирования скан образов КД, а также аппаратно-программных средств для определения, анализа и устранения погрешностей процесса сканирования КД;

- разработка структуры специализированной БД для обеспечения качества, достоверности и полноты каротажного материала, корректного выделение пластов - коллекторов, определение их фильтрационно-емкостных свойств, построение зависимостей между различными свойствами коллекторов;

- создание ЛВС, обеспечивающей увеличение клиентских мест при обработке КД в LAS-формате, с включением в нее станции Sun в качестве сервера специализированной БД и персональных компьютеров;

- определение таблицы соответствия стандартных мнемоник для обеспечения возможностей работы БД с КД при выполнении операций склейки отрезков кривых или их любой корректировки, при которых возникают проблемы, связанные с различным наименованием кривых,

- разработка методики, позволяющей строить ранговые модели многомерного каротажного сигнала с возможностью добавления различных ограничений, анализировать распределение значений функций, имеющую широкий набор алгоритмов для расчета количественных показателей и предварительной обработки, адаптированных к особенностям КД;

- выработка обоснованных решений для построения моделей HJI для распознавания литологической структуры разреза скважины и методики определения информативности методов каротажа при интерпретации результатов ГИС на основе алгоритмов HJ1.

Методы исследования. В работе применялись теоретические и экспериментальные методы исследования. При решении задачи распознавания литологической структуры разреза скважины методы ранговой корреляции и теории нечетких множеств. Обучение системы HJ1 осуществлялось на различных комбинациях методов каротажа. Результаты работы системы HJ1 исследовались на предмет адекватности выделенных нефтенасыщенных, водонасыщенных и непродуктивных участков разреза скважины экспертным оценкам.

При разработке математической модели оценки точности формирования скан образов, а также методики статического анализа процесса сканирования КД применялись методы теории вероятности и теории случайных функций. Экспериментальные исследования базируются на использовании методов динамического анализа параметров и характеристик сканирующего устройства с учетом метрологических характеристик средств измерений. Обработка полученных результатов проводилась с привлечением аппарата математической статистики.

Информационная модель ИИИС создана с учетом объектно-ориентированных принципов разработки программных комплексов. База правил разработана с учетом механизмов построения реляционных структур данных. Программное обеспечение системы реализовано на алгоритмическом языке высокого уровня - Object Pascal, интерфейс пользователя разработан в интегрированной среде Borland Delphi 6.0, БД работает под управлением таких СУБД как Oracle 8 и Microsoft SQL Server 7.0.

Достоверность и обоснованность полученных в работе результатов и выводов подтверждается сопоставительным анализом разработанных и существующих математических моделей и методов, а также итогами практического использования ИИИС. Математические модели, алгоритмы и прикладные программы, используемые в работе, основаны на положениях ранговой корреляции теории нечетких множеств, на теоретических основах функционального анализа, теории статистического анализа КД как временных рядов, а также теории вероятностей, случайных функций и фундаментальных основ построения экспертных систем. Методики расчета параметров коллекторов базируются на широко применяемых при ГИС петрофизических зависимостях.

Достоверность экспериментальных результатов обеспечена использованием большого объема экспериментального материала, статистическими методами обработки данных и хорошей воспроизводимостью результатов. Достоверность эталонного материала для обучения моделей HJI обеспечена использованием утвержденных в ОАО «Башнефтегеофизика» экспертных заключений по обрабатываемым скважинам.

На защиту выносятся результаты исследования компьютеризированной ИИИС, обеспечивающей высокую точность экспресс-интерпретации, определения, анализа и устранения погрешностей формирования скан образов КД, а также структуры специализированных БД ГИС, в том числе:

- структура и алгоритмы автоматизированной информационно-управляющей системы, предназначенной для оцифровки твердых копий КД на бумажном носителе; технические средства контроля погрешностей сканирования и методики их устранения;

- математическая модель оценки точности формирования скан обрзов КД, содержащая формулы для оценки формы каротажного сигнала, аналитические выражения для определения погрешностей сканирования;

- стандартизация и формализация типов каротажной информации, проектирование мощной и гибкой реляционной БД, позволяющей хранить все типы геолого-геофизических информации и обеспечивать к ним доступ пользователям путем создания ЛВС на базе интерпретационно-вычислительной станции Sun;

- экспресс-анализ КД, позволяющий определить тип и мощность изучаемых пластов, а также их количественные показатели; распознавание характерных критериальных моделируемых зависимостей;

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

-концептуальные основы программного обеспечения (ПО), принципы построения программного, лингвистического и информационного обеспечения ИИИС, реализуемой на основе АВПР и модели HJI;

Научная новизна полученных результатов определяется теоретическим обоснованием создания алгоритмических средств и математического аппарата для ИИИС ГИС, обладающей хорошей совместимостью со всеми высокоинтеллектуальными программами обработки и интерпретации каротажных данных, при разработке которой:

-осуществлен выбор структуры и сформирована концепция программно-аппаратных средств для определения, анализа и устранения погрешностей формирования скан образов каротажных кривых;

- разработаны критерии точности ввода данных ГИС при оцифровке, оценки достоверности полученных критериев; построена математическая модель, позволяющая количественно рассчитывать величину и характер погрешностей, определять параметры сканирования, обеспечивающие требуемую точность ввода каротажных данных;

- разработана база каротажных данных для решения задачи комплексной автоматизации обработки результатов ГИС; решены проблемы импорта, хранения и поиска разнородной информации, ее визуализации и вывода на печать; разработаны интерфейсы взаимодействия БД с программами обработки и анализа КД;

- применен ранговый алгоритм адаптивного выбора подклассов для лито-логического расчленения пройденных скважиной пород; разработаны методики формирования классов, сформированы ранговые вектора, характерные для исследуемых скважин карбонатного типа;

- предложена модель нечеткой логики взамен известного вероятностного подхода, не требующая нормального распределения вероятности попадания значений КД в литологический тип; сформированы лингвистические переменные и правила принятия решения;

- разработана информационно-управляющая система контроля качества оцифровки КД, предложены форматы представления правил, способы формирования зависимостей и механизмы расширения базы знаний системы;

Практическая полезность. Созданная ИИИС ГИС позволила решить целый ряд проблем автоматизации ГИС и экспресс-интепретации каротажной информации. Практическую ценность созданной ИИС ГИС добавляет то, что она построена на базе персональных компьютеров IBM PC/AT типа Notebook, конструкция которых позволяет использовать их в полевых каротажных станциях.

Система ПО ИИИС универсальна, легко модифицируется под конкретные требования, может быть расширена новым комплексом задач и процедур обработки. ПО имеет высокую надежность, защищено от аппаратных сбоев и ошибок пользователя. Информационная модель системы построена в виде базы знаний, содержащей сведения о понятиях, отношениях и ограничениях предметной области. В системе имеются сведения о методах каротажа, параметрах скважинных приборов. Универсальная система диалога позволяет вводить и контролировать данные, используя имеющиеся априорные сведения.

Измерительная информация представлена в виде БД, что позволяет обрабатывать данные по скважинам, методам и измерениям.

Интеграция в единый программный продукт интеллектуальных алгоритмов, средств хранения, предварительной обработки и интерпретации, наличие интерфейсов взаимодействия с другими программными комплексами, использование динамически связываемых библиотек (dll), дающих широкие возможности расширения, позволяет рассматривать созданную ИИИС как многофункциональный инструмент анализа и интерпретации геофизических данных.

Реализация работы в производственных условиях. Полученные в работе результаты использованы при оцифровке КД в Институте математического моделирования разработки нефтяных месторождений ИжГТУ.

Работа выполнялась в соответствии с планами хоздоговорных НИР по заказам ОАО «Белкамнефть» и ОАО «ТНК-ВР»: № ГР 01200 405097 «Верификация геолого-геофизической информации по объектам разработки месторождений Северного НГДП ОАО «Нижневартовск»; № ГР 01200 405096 «Формирование базы данных геолого-технологических мероприятий на скважинах Само-тлорского месторождения»; № ГР 01200 405095 «Оцифровка каротажного материала Каширо-подольского объекта Вятской площади Арланского месторождения»; № ГР 01200 405096 «Создание библиотеки скан образов скважин Само-тлорского месторождения».

Вся работа в целом, а также её отдельные части могут быть использованы предприятиями нефтегазодобывающей отрасли, организациями, занимающимися построением ряда различных моделей на основе геолого-геофизической и промысловой информации.

Апробация работы. Отдельные законченные этапы работы обсуждались на Международной научно-технической конференции «Информационные технологии в инновационных проектах» (Ижевск, 2000-2002), Электронной заочной конференции «Молодые ученые - первые шаги третьего тысячелетия» (Ижевск, 2000), 32-34 Научно-технической конференции ИжГТУ (Ижевск, 1998, 2000-2002), Международном симпозиуме «Надежность и качество 2002» (Пенза, 2002), IV научный симпозиум «Геоинформационные технологии в нефтепромысловом сервисе» (Уфа, 2005).

Публикации. Результаты работы отражены в 14 научных публикациях, в том числе: 2 статьи в сборниках трудов международных научно-технических конференций, 6 отчетов о НИР (63с., 59с., 91с., 35с., 53с., 80с.), 2 статьи депонировано в ВИНИТИ (47 и 54с.), 4 статьи в научных изданиях.

Структура и объем работы. Диссертация содержит введение, 4 главы и заключение, изложенные на 189 с. машинописного текста. В работу включены 68 рис., 33 табл., список литературы из 125 наименований и приложение, включающее акт об использовании результатов работы.

ЗАКЛЮЧЕНИЕ

В результате проведения комплексных исследований, направленных на получение научно-обоснованных методических и технических решений, способствующих повышению степени автоматизации обработки и интерпретации ГИС создана ИИИС, внедрение которой имеет существенное значение для создания экспертных систем экспресс- анализа для обработки и интерпретации ГИС.

1. На основе исследования структуры технологического процесса оцифровки КД построена схема автоматизированной информационно-управляющей системы и определены функции ее программных компонентов. Система состоит из 7 подсистем, реализующих различные стадии процесса и БД проектов оцифровки, скан образов КД, информации процесса оцифровки, а также фрагментов КД.

2. Созданная в рамках системы оцифровки подсистема выделения линий КД на скан образах диаграмм обеспечивает предварительную обработку изображения для подавления неинформативных элементов, выделение информационного множества диаграммы, утончение линий и построение скелета изображения, предварительную обработку выделенных примитивов, реконструкцию и восстановление непрерывной кривой.

3. Разработана математическая модель для оценки точности формирования скан образов КД, содержащая формулы и зависимости для оценки формы каротажного сигнала, в том числе, оптимальной оценки. Рассчитаны среднеквадратичные ошибки и оценки дисперсии для всех компонентов математической модели.

4. Сформирована концепция, структура, математическая модель, основные модули и алгоритмы программно-аппаратных средств для оценки, анализа и компенсации помех формирования скан образов КД. Разработаны алгоритмы программного комплекса, осуществляющего обработку скан образов КД.

5. В состав ИИИС включена система Finder, использующая мощную и гибкую реляционную БД, что позволяет хранить все типы данных и обеспечивать к ним доступ пользователям. Управляет данными реляционная СУБД типа ORACLE. Для эффективного хранения каротажных диаграмм и некоторых других данных обычная реляционная БД дополнена векторной базой. Успешно решены технические проблемы, возникшие при интеграции информации в Finder: перевод информации на новые технические носители; согласование форматов представления данных; использование локальной сети для ввода информации.

6. Для экспресс-интерпретации КД использован АВПР для литологического расчленения пройденных скважиной пород; разработаны методики формирования классов и алгоритм классификации; предложено использование алгоритма АВПР для формирование лингвистических переменных.

7. Разработан способ определения информативности методов каротажа при распознавании литологической структуры разреза скважины моделью HJI в зависимости от количества каротажных методов. Проведенные оценки выявили показатели информативности методов каротажа при интерпретации результатов ГИС на основе алгоритмов нечеткого вывода

8. Разработаны принципы построения адаптивных систем HJ1 для распознавания литологической структуры разреза скважины. Выбраны методы обучения для моделей HJ1. Показана состоятельность подхода к задаче распознавания литологической структуры разреза скважины при помощи обучения систем HJ1. Разработанная система интерпретации результатов ГИС на основе нечеткого логического вывода, обеспечивает литологический экспресс-анализ.

9. Разработаны принципы построения программного комплекса, реализующего интерпретацию результатов ГИС на основе моделей HJ1. Создана интеллектуальная система для интерпретации результатов ГИС на основе HJI 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.

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

2. Автоматизация обработки каротажных сигналов / Нистюк Т.Ю., Наймушина А.Г., Нистюк А.И. Устинов, мех. ин-т- Устинов, 1987.- 27 с.-Рус.- Деп. в ВИНИТИ 15.06.87, №4331-В87

3. Алгоритм раскодирования глубины с самокоррекцией интервалов кодов глубины / Гурьянов А.В., Нистюк А.И.; Вестник ИжГТУ. Ижевск: Изд-во ИжГТУ, 2002. - Вып. 3. - 68с.

4. Ахо А., Хопкрофт Дж., Ульман. Построение и анализ вычислительных алгоритмов. М.: Мир, 1979.

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

6. Бансевичюс Р.Ю., Рагульскис К.М., Улозас Р.К. О применении высокочастотных вибрационных преобразователей для протягивания бумажной ленты. Научн. тр. вузов ЛитССР. Вибротехника, 1978, т. 2(23), с. 145-151.

7. Бендат Дж., Пирсол А. Прикладной анализ данных. М.: Мир, 1989.

8. Бескровный Н.И., Кулигин Е.А. Система сбора/регистрации данных каротажа в реальном времени. НТВ Каротажник. №78. - С. 62-68.

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

10. Боганик В.Н., Медведев А.И., и др. Способы повышения достоверности обработки данных ГИС. НТВ Каротажник. №86. - С. 99-110

11. Борисов А.Н. и др. Модели принятия решений на основе лингвистической переменной. Рига: Зинатне, 1982. 256 с.

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

13. Венделыптейн Б.Ю., Резванов РА. Геофизические методы определения параметров нефтеносных коллекторов, М,: Недра, 1978, - 317 с,

14. Вендров A.M. CASE-технологии. Современные методы и средствапроектирования информационных систем. М., Финансы и статистика, 1998.

15. Виленкин С.Я. Статистические методы исследования стационарных процессов и систем автоматического регулирования. М., "Советское радио", 1967.

16. Вирт Н. Алгоритмы и структуры данных. М.: Мир, 1989.

17. Восстановление геофизического сигнала по нескольким его реализациям с одновременным переходом к равномерному шагу по глубине / Гурьянов А.В., Нистюк А.И.; Вестник ИжГТУ. Ижевск: Изд-во ИжГТУ, 2002. - Вып. 3. - 68с.

18. Горбачев Ю.И. Геофизические исследования скважин. М.: Недра, 1990. 398с.

19. Григорьев А.И., Тульчинский В.Г. Практическое применение пакета программ "Геопоиск" для обработки данных ГИС. НТВ Каротажник. №77. - С. 60-69.

20. Дамаскин М.М., Семенов П.В., Васильев В.Ю. Опыт внедрения программного обеспечения ГТИ в зарубежных компаниях. НТВ Каротажник. -№70. С. 54-60.

21. Девид Чеппел. Технологии ActiveX и OLE. М.: Издательский отдел «Русская редакция», 1997

22. Дейл Роджерсон. Основы СОМ. М.: Издательский отдел .Русская редакция, 1997.

23. Дж. Вейскас. Эффективная работа с Microsoft Access 2000. СПб.: Питер, 2001.

24. Дженкинс Г., Ватте В. Спектральный анализ и его приложения. Пер. с англ.-М.: Мир, 1971, вып. 1.— 316с.; 1972-вып. 2.-287с.

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

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

27. Еремин Н.А. Моделирование месторождений углеводородов методами нечеткой логики. М.: Наука, 1994. - 462 с.

28. Ечикова И.В., Поспелов Д.А. Принятие решений при нечетких основаниях. I. Универсальная шкала //Изв. АН СССР. Техн. кибернетика. 1977. № 6. С. 3-11.

29. Заде Л. Понятие лингвистической переменной и ее применение кпринятию приближенных решений. М.: Мир, 1976.

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

31. ЗигмундА. Тригонометрические ряды. Т. 1. М., "Мир", 1965.

32. Зимин П.В., Сенилов М.А. Применение рангового алгоритма адаптивного выбора подклассов для верификации каротажных диаграмм.//Тез. докл. Научно-технической конференции ИжГТУ. Ижевск: ИжГТУ, 2001.

33. Ингерман В.Г. Автоматизированная интерпретация результатов геофизических исследований скважин. М.: Недра, 1981. - 224с.

34. Итенберг С.С. Интерпретация результатов геофизических исследований скважин. М.: Недра, 1987. - 375с.

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

36. Карпов Б.И. Delphi: специальный справочник. СПб: Питер-пресс, 2002.688с.

37. Киммел П. Borland С++5. С.-Пб.: BHV-Санкт-Петербург, 1999.

38. Кнеллер JI.E., Гайфуллин Я.С., Потапов А.П. и др. Некоторые вопросы теории и интерпретации материалов геофизических исследований скважин//НТВ "Каротажник". Тверь: Изд. АИС. 2001. Вып. 82. С. 188-205.

39. Кнеллер Л.Е., Гайфуллин Я.С., Рындин В.Н. Автоматизированное определение коллекторских свойств, нефтегазонасыщенности по данным каротажа (петрофизические модели и методы)// Обзор. М: ВИЭМС 1990 72 с.

40. Кнеллер Л.Е., Рындин В.Н., Плохотников А.Н. Оценка проницаемости пород и дебитов нефтегазовых скважин в условиях сложных коллекторов по данным ГИС// Обзор. Сер. Разведочная геофизика. М.: ВИЭМС МГП Теоинформмарк*. 1991. 65 с.

41. Комплекс программ для оперативной предварительной обработки каротажных сигналов / Гурьянов А.В., Нистюк А.И., Лялин В.Е.; Вестник ИжГТУ. Ижевск: Изд-во ИжГТУ, 2002. - Вып. 3. - 68с.

42. 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.

43. Ланцош К. Практические методы прикладного анализа. М.: Физматгиз, 1961.

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

45. Левин Б.Р. Теоретические основы статистической радиотехники. Кн. 1. М., "Советское радио", 1969.

46. Литологическое расчленение разреза скважин путем применения теории интеллектуальных систем / Зимин П.В., Старыгин А.В.; Ижевск ИжГТУ, 2005 -47 с. - Деп. в ВИНИТИ 2005, № 1354 - В2005.

47. Макс Ж. Методы и техника обработки сигналов при физических измерениях. Пер. с франц. М.: Мир, т.1. Основные принципы и классические методы, 1983. - 312 е.; т.2. Техника обработки сигналов. Применение. Новые методы, 1983. - 256 с.

48. Математические критерии оценки точности формирования скан-образов при оцифровке каротажных кривых / Щеглов А.П., Рагульскис К.М.; ИжГТУ, 2002. 43с. - Деп. в ВИНИТИ 11.04.2002, № 668-В2002.

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

50. Миронова Р.С. Инженерная графика. М.: Высшая школа, 2001.

51. Ненахов А.Н., Бернштейн Л.С., Коровин С.Я. Ситуационные системы с нечеткой логикой. М.: Наука, 1990. 272 с.

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

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

54. Нистюк А.И. Структурно-формационный интерпретатор геофизическихданных. Тезисы научно-технической конференции "Ученые ижевского механического института производству, ИМИ, Ижевск, 1992.- С.25

55. Ньюмен У., Спрулл Р. Основы интерактивной машинной графики. Пер. с англ. М.: Мир, 1976.

56. B.М. и др. № ГР 70-98-1/3; Инв. № 2455. - Ижевск, 1998. - 72 с.

57. Обработка и интерпретация данных промысловых геофизических исследований на ЭВМ. Справочник / Сохранов Н.Н., Аксельрод С.М., Зунделевич

58. C.М., Чуринова И.М.; Под. ред. Сохранова Н.Н. М.: Недра, 1989. - 240с.

59. Освоение персональных ЭВМ, разработка и внедрение проблемных программных средств: Тематический отчет / ГГП «Удмуртгеология»; Рук. Межов А.П.; Исп. Межов А.П., Наймушина А.Г., Нистюк Т.Ю. и др. № ГР 32-90-459; Инв. № 2168.- Ижевск, 1991. - 113 с.

60. 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.

61. Померанц Л.И., Белоконь Д.В., Козяр В.Ф. Аппаратура и оборудование геофизических методов исследования скважин. М.: Недра, 1985. - 271с.

62. Попов Э. В. Экспертные системы. Решение неформализованных задач в диалоге с ЭВМ. М.: Наука, 1987.

63. Поспелов Д.А. Моделирование рассуждений: опыт анализа мыслительных актов. М.: Радио и связь, 1989. 184 с.

64. Представление и использование знаний: Пер. с япон./Под ред. X. Уэно, Ш. Исидзуки. М.: Мир, 1989. 220 с.

65. Принятие решений на основе нечетких моделей: Примеры использования. Рига: Зинатне, 1990.186 с.

66. Программно-аппаратные средства и методы интерпретации геофизических исследований скважин / Старыгин А.В.; Ижевск. ИжГТУ, 2005 -54 с. - Деп. в ВИНИТИ 2005, №1355 - В2005.

67. Прэтг У. Цифровая обработка изображений: Пер. с англ. М.: Мир, 1982.

68. Ракитин М.В. Проблемы внедрения цифровых технологий ГИС и ГТИ. НТВ Каротажник. №81. - С. 93-98.

69. Роджерс Д. Алгоритмические основы машинной графики. Пер. с англ. -М.: Мир, 1989.-512 с.

70. Розенфельд А. Распознавание образов и обработка изображений. М.: Мир, 1972.-236 с.

71. Розов Е.А., Нестерова Т.Н. Принципы построения системы сбора и обработки геолого-технологической информации в реальном времени. НТВ Каротажник. №70. - С. 5-19.

72. Рудов И.В., Городнов А.В. и др. Объектно-ориентированная база данных интегрированной системы мониторинга месторождений. НТВ Каротажник. №33. - С. 58-68.

73. Руководство пользователя программы NordSoft DigitControl.

74. Руководство пользователя программы NordSoft LASEdit.

75. Руководство пользователя программы NordSoft ScanDigit.

76. Свешников А.А. Прикладные методы теории случайных функций. М. «Наука», 1968.

77. Сенилов М. А. Проблемно-ориентированный язык с фреймовой структурой для представления знаний и описания нечетких понятий // Управлениепри наличии расплывчатых категорий: Тез. III науч.-техн. семинара. — Пермь, 1980.

78. Сенилов М. А. Ранговый алгоритм адаптивного выделения кластеров // Теория адаптивных систем и ее применения: Сб. тез. докл. и сообщений Всесоюзн. конф. М.-Л.: Изд-во ЛЭТИ, 1983. - с.76-78.

79. Сенилов М. А., Лугачев П. П. Алгоритм построения конечноэлементных моделей // Методы вычислительного эксперимента в инженерной практике. Вып. 3.-Ижевск, 1992.

80. Сенилов М. А., Лугачев П. П. Математическая модель для оценки зависимости параметров систем по данным экспертного опроса // Математическое моделирование в инженерной практике: Тез. докл. зональной науч.-техн. конф. -Ижевск, 1988.

81. Сенилов М. А., Лугачев П. П. Методика поддержки средствами искусственного интеллекта системы управления качеством товаров // Диагностика, информатика, метрология, экология, безопасность 96 (ДИМЭБ-96): Тез. докл. науч.-техн. конф. - СПб., 1996.

82. Сенилов М. А., Лугачев П. П. Методы построения и оптимизации конечноэлементных сеток // Ученые Ижевского механического института -производству: Тез. докл. науч.-техн. конф. Ижевск, 1990.

83. Сенилов М. А., Лугачев П. П. Модели нечеткой логики в управлении организациями при совершенной конкуренции // Непрерывная и смежные логики в технике, экономике, социологии: Мат-лы междунар. науч.-техн. конф. Пенза, 1996.

84. Сенилов М. А., Лугачев П. П. Программное обеспечение и основанная на нем методика бизнес-планирования // XXXI науч.-техн. конф. ИжГТУ, 15-17 апр. 1998 г.: Тез. докл. В 2-х ч. - Ч. 1. - Ижевск: Изд-во ИжГТУ, 1998. - С. 8.

85. Старыгин А.В., Сенилов М.А. Использование нечетких моделей в САПР геологоразведочных скважин // 31-я научн.-техн. конф. ИжГТУ: Тез. докл. 4.1 -Ижевск: Изд-во ИжГТУ, 1998. С. 5-6

86. Сенилов М.А., Старыгин А.В., Данилов В.А. Применение технологии искусственного интеллекта в управлении качеством интерпретации каротажных данных // XXII науч.- метод, конф. ИжГТУ, 19-23 апр. 1999 г.: Тез. докл. Ижевск: Изд-во ИжГТУ, 1999. - С. 49 - 50.

87. Сенилов М.А., Старыгин А.В. Применение схемы индуктивного нечеткого вывода при исследовании каротажных диаграмм // Молодые ученые -первые шаги третьего тысячелетия: Тр. электронной заочной конф. Ижевск: Изд-во УдГУ, 2000. - С. 77 - 78.

88. Сенилов М.А., Старыгин А.В. Применение экспертных систем на различных этапах жизненного цикла бурильного инструмента //31 науч.-техн. конф. ИжГТУ, 15-17 апр. 1998 г.: Тез. докл. В 2-х ч. - Ч. 1. - Ижевск: Изд-во ИжГТУ, 1998.-С. 4-5.

89. Сенилов М.А. Математическая модель адаптивного выбора подклассов на основе ранговых корреляций. Методы вычислительного эксперимента в инженерной практике. - Ижевск: ИМИ, 1992.

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

91. Служаев В.Н. Состояние и перспективы НИОКР в ОАО НПФ

92. Геофизика". НТВ Каротажник. №88. - С. 106-115.

93. Создание библиотеки скан-образов скважин Самотлорского месторождения: Отчет о НИР / Институт интеллектуальных технологий; Рук. В.Е.Лялин; Исп. А.П. Шеглов, А.В. Старыгин, М.А. Быстрое и др. № ГР 01200 405096 - Ижевск, 2004, 35 с.

94. Сохранов Н.Н., Аксельрод С.М. Обработка и интерпретация с помощью ЭВМ результатов геофизических исследований нефряных и газовых скважин. -М.: Недра, 1984.-255с.

95. Спецификация формата LAS. http://www.geotec.ru/fLAS.php3., 18.02.2002.

96. Формирование базы данных по ОАО «Варьеганнефтегаз»: Отчет о НИР / Институт интеллектуальных технологий; Рук. В.Е.Лялин; Исп. В.В. Васильев, С.П. Бархатов, А.В. Старыгин и др. ГР 01200 406709 - Ижевск, 2004, 80 с.

97. Фролов Ю.В. Интеллектуальные системы и управленческие решения. М.: МГПУ, 2000.-294с.

98. Чуринова И.М., Сержантов Р.Б., и др. Интегрированная система "Гемма" и ее применение при моделировании залежей углеводородов. НТВ Каротажник. №80. - С. 108-120.

99. Щеглов А.П. Методика контрольных измерений погрешностей процесса сканирования каротажных диаграмм. Препринт. Ижевск: УдГУ. 2002.

100. Элланский М.М., Холин А.И., Зверев Г.Н., Петров А.П. Математические методы в газонефтяной геологии и геофизике. М.: Недра, 1972.

101. Finder User's Reference, Version 8.0.1, Schlumberger GeoQuest, revised 15.09.97.

102. Finder. Система управления данными. Обзор возможностей. М.: Компания SIS, 2002.

103. Hajek J. On linear statistical problems in stohastic processes. «Czech. Math. Journal», vol 12(87), No 3,1962.

104. NeuraLog user manual, NeuraLog Inc.

105. New computer equipment is more economical and convenient in exploration. Mining Equipm. Int., 1981, №5, p. 38-39.

106. Parzen E. An approach to time series analysis. "Ann. Math. Stat.", vol. 32, No 4,1961