автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Модели и комплекс программ многокритериального принятия решений в условиях неопределенности в нефтедобыче

Список используемых сокращений.

Введение.

1. Методы искусственного интеллекта в задачах разработки нефтяных месторождений.

1.1. Основные проблемы разработки нефтяных месторождений.

1.1.1. Разработка нефтяных месторождений, находящихся на поздней стадии разработки.

1.1.2. Планирование и проведение геолого-технических мероприятий на нефтяных месторождениях на поздних стадиях разработки.

1.1.3. Проблема нечеткости в задачах разработки нефтяных месторождений и выбора методов воздействия на залежь.

1.1.4. Анализ основных проблем, возникающих при планировании ГТМ.

1.2. Искусственный интеллект в задачах разработки нефтяных месторождений.

1.2.1. Анализ применения методов искусственного интеллекта в задачах разработки нефтяных месторождений.

1.2.2. Анализ использования методов искусственного интеллекта для решения задачи выработки рекомендаций о назначении ГТМ.

1.3. Общая структура и методология построения экспертных систем.

1.3.1. Структура экспертных систем.

1.3.2. Этапы проектирования экспертных систем и их краткая характеристика.

1.4. Выводы.

2. Нечетко-продукционная модель представления экспертных знаний в задаче выработки рекомендаций о назначении ГТМ на нефтяных скважинах.

2.1. Анализ моделей представления знаний в экспертных системах.

2.2. Формализация нечетких знаний в экспертных системах.

2.3. Нечетко-продукционная модель представления экспертных знаний.

2.3.1. Анализ типов параметров, определяющих критерии применимости ГТМ.

2.3.2. Формализация нечетко-продукционной модели представления экспертных знаний.

2.3.3. Форматы четких и нечетких ограничений на параметры в экспертных правилах.

2.3.4. Формализация критериальных весов.

2.4. Выводы.

3. Структура и функционирование машины логического вывода экспертной системы выработки рекомендаций о назначении ГТМ.

З.Ь Понятиегмашиньг логического вывода.5 8^

3.2. Базовые схемы и стратегии управления логическим выводом.

3.3. Структура машины логического вывода ЭС.

3.4. Функционирование машины логического вывода ЭС.

3.4.1. Виды неопределенностей, обрабатываемых машиной логического вывода ЭС.

3.4.2. Оценки, формируемые машиной логического вывода ЭС.

3.4.3. Алгоритм работы машины логического вывода ЭС.

3.4.4. Блок объяснения результатов логического вывода.

3.5. Методы многокритериального принятия решений.

3.5.1. Ранжирование альтернатив методом анализа иерархий Саати.

3.5.2. Многокритериальное ранжирование критериев в ЭС.

3.5.3. Многокритериальный выбор альтернатив в условиях нечеткости критериев.

3.6. Выводы.

4. Информационно-советующая система поддержки принятия решений о назначении ГТМ на добывающих нефтяных скважинах.

4.1. Конструктор информационно-советующей системы выработки рекомендаций о назначении ГТМ.

4.2. Формирование базы знаний экспертной системы ИСС «ОПШЛе».

4.3. Модули импорта информации из внешних АРМ.

4.4. Апробация экспертной системы ИСС «ОПКи1е» на примере задачи выработки рекомендаций о назначении ГТМ для Феофановского месторождения.

Интенсивное развитие информационных технологий приводит к большой необходимости автоматизации процессов обработки информации в различных проблемных областях человеческой деятельности. При этом во многих из них в настоящее время наблюдается тенденция к повышению интеллектуальности систем обработки информации, организации эффективного человеко-машинного взаимодействия, что обуславливается следующими причинами:

- резким увеличением объемов обрабатываемой информации, переходом от концепции «баз данных» к «горам данных» (data warehouse);

- разнотипностью обрабатываемой информации, ее нечеткостью и качественностью, субъективным характером;

- неполнотой и неточностью обрабатываемой информации;

- отсутствием формальных подходов к решению задач в отдельных предметных областях, эвристичностью приемов, используемых при этом для обработки информации;

- необходимостью решать задачи, свойственные до настоящего времени только человеку;

- многокритериальностью решаемых задач при нечеткости критериев.

К таким предметным областям относится медицина, геология, экономика и др.

В таких предметных областях большую актуальность имеет создание интеллектуальных человеко-машинных систем обработки информации, способных решать требуемые задачи в представленных условиях. Большое внимание при этом отводится таким направлениям искусственного интеллекта, как экспертные системы (ЭС), нечеткая логика, нейронные сети, Data Mining и другие.

Нефтяная отрасль является одной из областей, решение многих задач в которой необходимо производить в представленных условиях. Исследованию проблем построения интеллектуальных человеко-машинных систем в этом направлении посвящены работы следующих ученых: H.A. Еремина, А.Е. Алтунина, Л.И. Григорьева, А.Б. Золотухина, Е.Д. Подымова, А.Г. Авербуха, М.В. Семухина, И.Н. Глухих, Г.И. Соломатина, В.И. Гловы, И.В. Аникина и др.

Однако, ряд задач нефтедобычи, решение которых требует автоматизации процессов обработки информации в рамках интеллектуальных человеко-машинных систем, недостаточно исследован в настоящее время. К одной из них относится задача эффективного планирования геолого-технических мероприятий (ГТМ) на нефтяных месторождениях, которая предполагает выбор перечня и последовательности проведения технологий ГТМ. Ее решение специалистами по планированию ГТМ в значительной степени осложняется следующими обстоятельствами.

1. Многокритериальностью решаемой задачи.

2. Субъективностью критериев отбора технологий ГТМ, большой ролью многолетнего личного опыта специалистов-экспертов при выработке. данных критериев.

3. Нечеткостью и качественностью критериев, определяющих условия выбора ГТМ.

4. Большим перечнем известных технологий ГТМ, разработанных к настоящему времени, а также постоянно появляющимися новыми технологиями.

5. Недостаточной информированностью специалистов о новых технологиях ГТМ, критериям их применимости, результатами применения данных технологий на других скважинах и месторождениях.

6. Схожестью критериев выбора технологий ГТМ внутри группы, направленной на достижение поставленной цели (водоограничение, стимуляция и т.д.)

7. Неполнотой, нерегулярностью поступления, неточностью доступной геолого-промысловой информации, хранимой в базах данных нефтегазодобывающих управлений (НГДУ).

Наличие данных сложностей во многом актуализирует проблему разработки математических моделей и реализующих их интеллектуальных систем поддержки принятия решений для специалиста по отбору ГТМ, позволяющих помочь ему в принятии обоснованного, наиболее адекватного для текущих условий решения о выборе технологии ГТМ для проведения на нефтяной залежи. Решению данной проблемы посвящена настоящая диссертация.

Целью работы является повышение эффективности поддержки принятия решений в условиях нечеткости и многокритериалъности выбора на основе моделей и алгоритмов представления и обработки информации в задаче планирования геолого-технических мероприятий для проведения на нефтяных месторождениях.

Достижение поставленной цели требует решения следующих задач:

- анализа эффективности методов искусственного интеллекта для решения задачи планирования ГТМ;

- разработки модели представления экспертных знаний для задачи планирования ГТМ в условиях их субъективности, нечеткости, качественности;

- разработки моделей и алгоритмов многокритериального выбора альтернатив в условиях их нечеткости, в условиях неполноты, нерегулярности поступления, неточности доступной геолого-технической информации;

- разработки основных модулей человеко-машинной системы поддержки принятия решений для автоматизации решения задачи планирования ГТМ.

Методы исследования: методы теории нечетких множеств, искусственного интеллекта и многокритериального принятия решений в условиях нечеткости и неполноты информации.

Научная новизна работы заключается в следующем.

1. Предложена нечетко-продукционная модель для представления экспертных знаний в задаче выработки рекомендаций о назначении ГТМ.

2. Предложен алгоритм многокритериального ранжирования ограничений в условиях нечетко-продукционной модели представления экспертных знаний.

3. Предложены способы и алгоритмы оценки соответствия геолого-физических параметров нечетко-продукционной модели.

4. Предложены алгоритмы работы машины логического вывода экспертной системы выработки рекомендаций о назначении ГТМ в случае одного и нескольких нечетких критериев.

Практическая ценность работы заключается в разработке модулей человеко-машинной информационно-советующей системы поддержки принятия решений для задачи планирования ГТМ на нефтяных месторождениях. Комплекс предложен для использования в качестве автоматизированного рабочего места (АРМ) специалиста по планированию ГТМ.

На защиту выносятся следующие результаты:

- нечетко-продукционная модель представления экспертных знаний для задачи выработки рекомендаций о назначении ГТМ;

- алгоритм многокритериального ранжирования ограничений в условиях нечетко-продукционной модели представления экспертных знаний;

- алгоритмы оценки соответствия геолого-физических параметров ограничениям нечетко-продукционной модели;

- алгоритмы работы машины логического вывода экспертной системы выработки рекомендаций о назначении ГТМ в случае одного и нескольких нечетких критериев;

- модули человеко-машинной информационно-советующей системы поддержки принятия решений для задачи планирования ГТМ на нефтяных месторождениях.

Основные результаты диссертационной работы докладывались и обсуждались на следующих конференциях:

- республиканской научно-практической конференции «Интеллектуальные системы и информационные технологии» (Казань, 2001);

- восьмой национальной конференции по искусственному интеллекту с международным участием «КИИ-2002» (Коломна, 2002);

- всероссийской межвузовской научно-технической конференции студентов и аспирантов «Микроэлектроника и информатика-2004» (Зеленоград, 2004).

В первой главе исследуется проблема эффективной разработки нефтяных месторождений на поздней стадии, а также основные задачи, возникающие при ее решении. Показано, что задача эффективного планирования геолого-технических мероприятий на месторождениях является одной из наиболее актуальных. Актуализирована необходимость разработки информационно-советующей системы поддержки принятия решений для задачи планирования ГТМ на месторождениях, а также необходимость ее решения с привлечением технологий разработки экспертных систем.

Во второй главе проведен анализ основных моделей представления знаний в ЭС и обоснован выбор нечетких продукций для формализации экспертных знаний в задаче выработки рекомендаций о назначении ГТМ. Разработана нечетко-продукционная модель представления экспертных знаний для задачи выработки рекомендаций о назначении ГТМ, основанная на нечетком обобщении МГ-продукционных правил, введена типизация параметров множества П , входящих в данную модель, и произведена их математическая формализация, определены форматы ограничений на параметры различных типов.

В третьей главе проведен анализ базовых схем и стратегий управления логическим выводом в ЭС. Разработана структура машины логического вывода для ЭС выработки рекомендаций о назначении ГТМ. Для управления отбором экспертных правил в ЭС был предложен обратный поиск в глубину. Исследуются виды неопределенностей, обрабатываемых машиной логического вывода. Разработаны алгоритмы оценки соответствия геолого-физических параметров ограничениям 2' нечетко-продукционной модели (2.2). Предлагается алгоритм многокритериального ранжирования ограничений в правилах RJ. Предлагаются модели и реализующие их алгоритмы работы машины логического вывода ЭС выработки рекомендаций о назначении ГТМ в случае одного и нескольких нечетких критериев назначения технологий.

В четвертой главе предложена практическая реализация теоретических положений, рассмотренных в главах 1, 2, 3, в виде разработанных автором программных модулей информационно-советующей системы поддержки принятия решений для задачи выработки рекомендаций о назначении ГТМ на добывающих скважинах «ОПКи1е». Базовым модулем данной системы является ЭС выработки рекомендаций о назначении ГТМ.

В заключении сформулированы научные результаты, полученные в ходе выполнения диссертационной работы.

По проблеме диссертации опубликовано 7 печатных работ, перечень которых приведен в списке литературы диссертации. Диссертация выполнения в КГТУ им. А.Н. Туполева (КАИ).

Автор выражает искреннюю благодарность своему научному руководителю — доктору технических наук, профессору Виктору Ивановичу Глова за постоянное внимание и ценные советы, кандидату технических наук, доценту Игорю Вячеславовичу Аникину за консультации при написании диссертации.

Заключение

В ходе диссертационного исследования были решены следующие задачи:

1. Проведен анализ эффективности методов искусственного интеллекта для решения задачи планирования ГТМ. Результаты анализа показали, что при автоматизации процесса выработки рекомендаций по назначению ГТМ наиболее эффективно использование нечетких экспертных систем, которые должны быть основным модулем информационно-советующей системы поддержки принятия решений.

В диссертационной работе предложены и разработаны:

2. Нечетко-продукционная модель для представления экспертных знаний в задаче выработки рекомендаций о назначении ГТМ. Данная модель является нечетким обобщением МГ-продукционных правил с возможностью задания весов нечетких ограничений.

3. Алгоритм многокритериального ранжирования ограничений в условиях нечетко-продукционной модели представления экспертных знаний.

4. Способы и алгоритмы оценки соответствия геолого-физических параметров разработанной нечетко-продукционной модели.

5. Алгоритмы работы машины логического вывода экспертной системы выработки рекомендаций о назначении ГТМ в случае одного и нескольких нечетких критериев.

Разработаны:

6. Основные модули человеко-машинной информационно-советующей системы поддержки принятия решений для задачи планирования ГТМ на нефтяных месторождениях «ОШ1и1е». Комплекс предложен для использования в качестве АРМ специалиста по планированию ГТМ.

1. Аверкин А.Н., Батыршин И.З., Блишун А.Ф. и др. Нечеткие множества в моделях управления и искусственного интеллекта. Под ред. Поспелова. М.: Наука, 1986. -312 с.

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

3. Аникин И.В., Шагиахметов М.Р. Методы нечеткой обработки, распознавания и анализа изображений // Труды 6-й международной конференции «Распознавание образов и анализ изображений. Новые информационные технологии». РОАИ 2002. - В.Новгород, 2002, с. 16-20.

4. Аникин И.В., Шагиахметов М.Р. Нечеткий многокритериальный выбор альтернатив при решении задач нефтедобычи // Труды Казанского городского семинара «Методы моделирования». Выпуск 2. Казань: ФЭН (Наука), 2004, с. 148-165.

5. Аржанов Ф.Г., Гарушев А.Р. и др. Термические воздействия на нефтяные пласты: Справочное пособие. М.: Недра, 1995.

6. Асаи К., Ватада Д., Иваи С. и др./Под ред. Т. Тэрано, К. Асаи, М. Суге-но. Прикладные нечеткие системы. М.: Мир, 1993. - 368 с.

7. Ахметзянов A.B., Кулибанов В.Н., Першин О.Ю., Лавущенко В.П., Тахаутдинов Ш.Ф., Хисамов P.C. Интегрированная компьютерная технология поддержки приятия решений в разработке нефтяных месторождений//Нефтяное хозяйство. 2001. - №11. - с.87-89.

8. Баймухаметов К.С., Еникеев В.Р., Якупов P.M. Геологическое строение и разработка Туймазинского нефтяного месторождения. — Уфа: Китап, 1993.-279 с.

9. Барков A.B. Интеллектуальные системы диагностики вращающегося оборудования // Труды Петербургского энергетического института повышения квалификации. 1999. - № 9.

10. Батыршин И.З. Параметрические классы нечетких конъюнкций в задачах оптимизации нечетких моделей // Исследования по информатике. Выпуск 2, Казань: Отечество, 2000.

11. Берншейн Л.С., Мелехин В.Б. Планирование поведения интеллектуального робота. М: Энергоатомиздат, 1994. - 240 с.

12. Борисов А.Н., Крумберг O.A., Федоров И.П. Принятие решений на основе нечетких моделей. Примеры использования. Рига: Зинатие, 1990. 186 с.

13. Бурже Ж., Сурио П., Комбарну М. Термические методы повышения нефтеотдачи пластов. М.: Недра, 1988. - 412 с.

14. Вагин В.Н. Дедукция и обобщение в системах принятия решений. — М.: Наука, 1988.-384 с.

15. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2001.-384 с.

16. Гаврилова Т.А., Червинская K.P. Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь, 1992. — 198 с.

17. Гавура В.Е. Геология и разработка нефтяных и газонефтяных месторождений: Избранные труды. М.: ВНИИОЭНГ, 2001. - 340 с.

18. Геловани В.А., Башлыков A.A., Бритков В.Б., Вязилов Е.Д. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды. М., 2001. - 304 с.

19. Глова В.И., Аникин И.В., Аджели М.А. Мягкие вычисления (soft computing) и их приложения: Учебное пособие / Под ред. Глова В.И. Казань: Изд-во Казан, гос. техн. ун-та. - 2000. - 98 с.

20. Глова В.И., Аникин И.В., Шагиахметов М.Р. Методы многокритериального принятия решений в условиях неопределенности в задачах нефтедобычи. Препринт КГТУ им. А.Н. Туполева: 04П2. Казань, 2004. - 31 с.

21. Глова В.И., Аникин ИВ., Шагиахметов М.Р. Система нечеткого моделирования для решения задач повышения нефтедобычи // Вестник КГТУ им. А.Н. Туполева. Казань, 2001. № 3, с. 59-61.

22. Глухих И.Н., Пьянков В.Н., Забалотнов А.Р. Ситуационные модели в корпоративных базах знаний геолого-технических мероприятий // Нефтяное хозяйство. 2002. - №6, с.45—48.

23. Головко В.А. Нейронные сети: обучение, организация и применение. М.: Радиотехника, 2001. — 256 с.

24. Григорьев Л.И., Арабаджи М.С., Гасымов И.Т. Экспертные системы и их применение (на примере нефтегазовой геологии). М.: ИРЦ Газпром, 1993. -69 с.

25. Джексон П. Введение в экспертные системы.: Пер. с англ.: Уч. пос. — М.: Издательский дом «Вильяме», 2001. 624 е.: ил.

26. Еремин H.A. Моделирование месторождений углеводородов методами нечеткой логики. М.: Наука, 1994. - 462 с.

27. Еремин H.A. Создание системы автоматизированного проектирования разработки нефтяных месторождений методом внутрипластового горения: Дис. канд. техн. наук. М., 1986, — 120 с.

28. Заде J1.A. Основы нового подхода к анализу сложных систем и процессов принятия решений. В сборнике «Математика сегодня». М.: Знание, 1974.-55 с.

29. Заде JI.A. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. - 40 с.

30. Зазовский А.Ф., Федоров K.M. О мицеллярно-полимерном заводнении нефтяных пластов. М.: ИПН АН СССР, 1982, - 99 с.

31. Змитрович А.И. Интеллектуальные информационные системы. — Мн.: НТООО «ТетраСистемс», 1997. 368 с.

32. Золотухин А.Б., Еремин H.A., Назарова JI.H. Выбор рационального варианта разработки нефтяной залежи // Тр. МИНГ им. И.М. Губкина. — 1987. -№ 199.-с.17-24.

33. Золотухин А.Б., Еремин H.A., Назарова JI.H. Промышленная оценка нефтяных месторождений на основе системного прогнозирования // Изв. АН АзССР. Сер. наук о Земле. 1988. - № 2.

34. Ибатуллин P.P., Подымов Е.Д., Шутов A.A. Исследование возможностей использования средств искусственного интеллекта при выборе вида воздействия на пласт для увеличения нефтеизвлечения//Интервал. Передовые нефтегазовые технологии. 2001. — № 9. - с.30-32.

35. Ибатуллин P.P., Подымов Е.Д., Шутов A.A., Ибрагимов Н.Г., Хисамов P.C. Использование метода на базе искусственного интеллекта для выбора объекта и технологии увеличения нефтеотдачи пласта // Нефтяное хозяйство — 2002. -№10. -с.52-55.

36. Ибатуллин P.P., Хисамов P.C. Концепция развития методов увеличения нефтеотдачи пластов ОАО «Татнефть» // Нефтяное хозяйство. 2000. — №8.

37. Ибрагимов Г.З., Хисамутдинов Н.М. Справочное пособие по применению химических реагентов в добыче нефти. М.: Недра, 1983. - 255 с.

38. Искусственный интеллект: В 3-х кн.: Справочник / Под ред. Захарова В.Н., Хорошевского В.Ф. М.: Радио и связь, 1990. - 368 с.

39. Кирюшин О.В. Автоматизированное построение подсистем принятия решений при управлении процессами нефтедобычи, нефтепереработки и нефтехимии // Диссертация на соискание ученой степени канд. техн. наук. Уфа, 2001.

40. Клацки Р. Память человека: Структура и процессы. М.: Мир, 1978. —319с.

41. Корнеев В.В., Гареев А.Ф., Васютин C.B., Райх В.В. Базы данных. Интеллектуальная обработка информации. — М.: Нолидж, 2000. 352 с.

42. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. — М.: Горячая линия — Телеком, 2001. 382 е.: ил.

43. Кульчинский В.В. Скважина как элемент интеллектуальной системы управления разработкой месторождений углеводородов // Нефтяное хозяйство. — 2002. №2. - с.95-97.

44. Кульчицкий В.В. Интеллектуальные скважинные системы управления разработкой месторождений углеводородов // Интервал. — 2002. — №3. — с.72-76

45. Кутуков С.Е., Бадиков Ф.И., Самигуллин Г.Х. Использование интеллектуальных систем в мониторинге режимов эксплуатации нефтепроводов // Нефтегазовое дело. Электронный научный журнал. — 2001. -№12

46. Ларичев О.И., Мечитов А.И., Мошкович Е.М., Фуремс Е. М. Выявление экспертных знаний. — М.: Наука, 1989. — 128 с.

47. Леоненков A.B. Нечеткое моделирование в среде MATLAB и fuz-zyTECH. СПб.: БХВ-Петербург, 2003. - 736 с.

48. Маренко В.А. Способы представления данных в экспертных системах // Математические структуры и моделирование. 2001. — №8. - с.34—39.

49. Методическое руководство по проектированию применения технологий в разработке нефтяных месторождений. М.: КраснодарНИПИнефть, 1978.

50. Минниханов Р.Н., Нурутдинов Ш.Р., Столов Е.Л. Контроль несанкционированной модификации больших файлов данных // Тезисы докладов международной конференции «Информатизация правоохранительных систем». Часть 2. М.: 1997, с. 68-69.

51. Минский М. Фреймы для представления знаний. — М.: Энергия, 1979. -342 с.

52. Муслимов Р.Х. Планирование дополнительной добычи и оценка эффективности методов увеличения нефтеотдачи пластов. — Казань: Изд-во КГУ, 1999.-280 с.

53. Муслимов Р.Х., Абдулмазитов Р.Г. Совершенствование технологии выработки малоэффективных нефтяных месторождений Татарии. — Казань: Таткнигоиздат, 1989.

54. Муслимов Р.Х., Сулейманов Э.И., Низамов В.В., Землянская С.Г. Определение и анализ эффективности методов увеличения нефтеотдачи пласта. — Альметьевск, 1996.

55. Муслимов Р.Х., Шавалиев A.M., Хисамов Р.Б., Юсупов И.Г. Геология, разработка и эксплуатация Ромашкинского нефтяного месторождения. — М: ВНИИОЭНГ, 1995.

56. Обработка нечеткой информации в системах принятия решений. М.: Радио и связь, 1989. 304 с.

57. Орловский С.А. Проблемы принятия решения при нечеткой исходной информации. М.: Наука, 1981. - 208 с.

58. Осуга С., Саэки Ю. Приобретение знаний. М.: Мир, 1990. — 304 с.

59. Попов Э.В. Экспертные системы. М.: Наука, 1987. — 288 с.

60. Поспелов Д.А. Ситуационное управление: Теория и практика. — М.: Наука, 1986.-288 с.

61. Пьянков В.Н., Сыртланов В.Р., Филев А.И. Экспертная система оценки качества построения геолого-технических месторождений // Нефтяное хозяйство. 2002. - №6. - с.31-34.

62. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993.

63. Саати Т., Керпс К. Аналитическое планирование. Организация систем. М.: Радио и связь, 1991.

64. Соломатин Г.И., Захарян А.З., Ашкарин Н.И. Прогнозирование работы скважин с помощью искусственных нейронных сетей//Нефтяное хозяйство. — 2002. № 10. - с.92-96.

65. Сургучев М.Л., Мамедов Б.Г. Состояние, перспективы и условия применения третичных методов увеличения нефтеотдачи пластов в разных странах. -М.: Наука, 1987.

66. Сургучев М.П. Вторичные и третичные методы увеличения нефтеотдачи пластов. -М.: Недра, 1985.

67. Суровцев И.С., Клюкин В.И., Пивоварова Р.П. Нейронные сети. Воронеж: ВГУ,1994. - 224 с.

68. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ. — М.: Финансы и статистика, 1991. -320 с.

69. Уэно X., Исидзука М. Представление и использование знаний. М.: Мир, 1989.-220 с.

70. Фахретдинов Р.Н., Каледин Ю.А., Житков М.В. Потенциал современных информационных технологий при оценке эффективности методов увеличения нефтеотдачи // Нефтяное хозяйство. 2001. - №10. — с.54-55.

71. Федунов Б.Е. Механизмы вывода в базах знаний бортовых оперативно-советующих экспертных систем // Известия наук. Теория и системы управления, № 4, 2002.

72. Фролов Ю.В. Интеллектуальные системы и управленческие решения. М.: 2000.-294 с.

73. Хисамов Р.С. Особенности геологического строения и разработки многопластовых нефтяных месторождений. — Казань: Мониторинг, 1996.

74. Хисамутдинов Н.И., Тахаутдинов Ш.Ф., Телин А.Г., Зайнетдинов Т.И., Тазиев М.З., Нурмухаметов Р.С. Проблемы извлечения остаточной нефти физико-химическими методами. М.: ВНИИОЭНГ. - 2001. - 184 с.

75. Чапейкин А.О. Использование нечеткой логики в описании предметной области // Вычислительные машины, комплексы и сети: Межвуз. сб. научн. тр. Рязань: РГРТА, 1998. с. 136-140.

76. Частиков А.П. Разработка экспертных систем. Среда CLIPS. СПб.: BHV, 2003.-608 с.

77. Шенк Р., Хантер J1. Познать механизмы мышления / Реальность и прогнозы искусственного интеллекта. -М.: Мир, 1987. с. 15-26.

78. Ярушкина Н.Г. Нечеткие нейронные сети. Часть 2 // Новости искусственного интеллекта, № 4, 2001. с. 23-28.

79. Giarrantano G. Expert systems: Principles and Programming, 3rd Edition. Duxbury, 1998.-624 p.

80. Jang J.R, Sun C.T., Mizutani E. Neuro-Fuzzy and Soft Computing. A Computational Approach to Learning and Machine Intelligence. Prentice Hall, 1997. 640 p.

81. Klarh P, Waterman D. Expert Systems:Techniques, Tools, and Applications. MA: Addison-Wesley, 1986.

82. Richard P. Lippmann, An Introduction to Computing with Neural Nets, IEEE Acoustics, Speech, and Signal Processing Magazine, April 1987. p. 4-22.

83. Zadeh L.A. Fuzzy Sets as a Basis for a Theory of Possibility//Fuzzy Sets and Systems. 1978. - Vol.1. - p.3-28.

84. Zadeh L.A. Fuzzy Sets/ZInformation and Control. 1965. - Vol.8, -p.338

85. Zadeh L.A. Outline of a New Approach to the Analysis of Complex Systems and Decision Processes//IEEE Transactions on Systems, Man and Cybernetics. 1973. - Vol. SMC-3. - p.28-44.