WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

На правах рукописи

Пьянков Владимир Николаевич МОДЕЛИ И АЛГОРИТМЫ ИНФОРМАЦИОННО-АНАЛИТИЧЕСКИХ СИСТЕМ ДЛЯ ПОДДЕРЖКИ МОНИТОРИНГА РАЗРАБОТКИ НЕФТЯНЫХ МЕСТОРОЖДЕНИЙ Специальность 05.13.18 –

Математическое моделирование, численные методы и комплексы программ

Автореферат диссертации на соискание ученой степени кандидата технических наук

Тюмень – 2004 2

Работа выполнена в Тюменском государственном университете.

Научный консультант: доктор технических наук, доцент Глухих Игорь Николаевич

Официальные оппоненты: доктор технических наук, профессор Туренко Сергей Константинович кандидат физико-математических наук, Ганопольский Родион Михайлович

Ведущая организация: ФГУП «Западно-Сибирский научно исследовательский институт геологии и геофизики», г.Тюмень

Защита состоится 3 июня в 13 час. 00 мин. на заседании диссертационного совета K 212.274.01 при Тюменском государственном университете по адресу: 625003, г.Тюмень, ул. Перекопская, 15а, ауд.217.

С диссертацией можно ознакомится в библиотеке Тюменского государственного университета.

Автореферат разослан “ “ апреля 2004 г.

Учёный секретарь диссертационного совета Бутакова Н.Н.

Актуальность работы.

Реалией любого нефтедобывающего предприятия является мониторинг процесса разработки месторождения. Мониторинг включает в себя сбор и хранение геолого-промысловых данных, анализ и прогноз процессов разработки месторождения, планирование геолого-технологических мероприятий (ГТМ) с целью обеспечения воздействия на залежь. Несмотря на достаточно длительный период развития аппарата математического моделирования при решении задач нефтедобычи, эта тема не исчерпана и требует дополнительной разработки:

• в области двумерного геологического моделирования это связано с характером исходных данных (недостаточное качество, неравномерность покрытия изучаемой площади);

• в области трехмерного геологического моделирования с необходимостью получения новых эффективных алгоритмов учитывающих априорную информацию;

• в области автоматизации мониторинга разработки – математический аппарат для формализации представлений, моделирования, анализа проведенных и планируемых ГТМ, позволяющий отражать не только факт управляющего воздействия (дату, тип ГТМ и т.п.), но так же его структуру, содержание и ситуационный контекст мероприятия.

Мониторинг разработки месторождений предполагает обработку и хранение большого объема предметно-ориентированной информации. Для организации эффективной системы управления разработкой месторождения необходимо наличие в нефтяной компании интегрированной информационно-аналитической системы поддержки мониторинга (ИАС ПМ), которая позволила бы не только автоматизировать работу с этой информацией, но и обеспечила бы её эффективное использование на основе методов моделирования оптимизации и поддержки принятия управленческих решений. Задачи создания математических моделей и алгоритмов таких систем определили содержание диссертационного исследования.

Цель работы: разработка математического и алгоритмического обеспечения, программных средств ИАС ПМ разработки нефтяных месторождений.

Для достижения цели в работе решены следующие задачи:

• проведен анализ предметной области мониторинга нефтяных месторождений, разработаны концептуальные основы построения отраслевой ИАС ПМ;

• разработаны модели представлений ГТМ, обеспечивающие алгоритмизацию задач их анализа средствами ИАС ПМ;

• разработана модель функционала для построения полей геологических параметров используемых при принятии решений в разработке месторождения;

• разработан метод построения цифровых трехмерных геологических моделей в ИАС ПМ с использование двумерных моделей;

• на основе разработанных моделей и алгоритмов реализован интегрированный программный комплекс (ИПК) «Баспро Аналитик 2000».

Научная новизна В работе предлагаются методы решения задач, возникающих в процессе построения отраслевой ИАС ПМ, основанной на использовании постоянно действующей геолого-технологической модели (ПДГТМ). Получены следующие новые результаты:

1. Разработаны математические модели представления ГТМ, обеспечивающие алгоритмизацию и автоматизацию решения задач структурного, параметрического и ситуационного анализа ГТМ.

2. Разработана универсальная конструкция функционала для решения задач построения полей геологических параметров.

3. Разработан метод построения трехмерных геолого-математических моделей позволяющий использовать для трехмерного моделирования существующие двумерные модели.

Практическая ценность работы.

Разработанные модели и алгоритмы использовались при создании ИПК «Баспро Аналитик 2000». В настоящее время ИПК успешно используется при реализации процесса мониторинга разработки в геологических подразделениях нефтяной компании ОАО «ТНК-BP». Ряд положений работы вошёл в регламенты «Тюменского нефтяного научного центра», регламентирующих аналитическую деятельность в подразделениях ОАО «ТНК».

Апробация работы Результаты работы докладывались на конференциях и в организациях:

1. IV международная научно-техническая конференция «Математическое моделирование физических, экономических, технических, социальных систем и процессов». Ульяновск, УлГТУ, 2001.

2. II Всероссийской научной конференции «Геология и нефтегазоносность Западно-Сибирского мегабассейна». Тюмень, ТюмГНГУ, 2002.

3. Научно-техническая конференция, посвящённая 90- летию со дня рождения В.И. Муравленко. Тюмень, ТюмГНГУ, 2002.

4. VI научно-практической конференции «Пути реализации нефтегазового потенциала Ханты-Мансийского автономного округа». Ханты Мансийск, ГУП ХМАО «НАЦ РН», 5. III Всероссийской научной конференции «Геология и нефтегазоносность Западно-Сибирского мегабассейна». Тюмень, ТюмГНГУ, Научные и практические результаты работы опубликованы в печатных изданиях, получены свидетельства на регистрацию программ для ЭВМ.

Основные положения, выносимые на защиту 1. Математические модели представления ГТМ.

2. Универсальная конструкция функционала для решения задач построения полей геолого-промысловых параметров.

3. Метод построения двухмерных и трехмерных геолого-математических моделей на основе регуляризационного подхода.

Структура работы Диссертация состоит из введения, четырех глав, заключения и приложений.

Объем диссертации – 145 страниц, включая 26 иллюстраций и список литературы из 54 наименования.

Содержание работы Во введении обоснована актуальность темы диссертации, сформулированы цель работы, научная новизна, практическая значимость работы, основные положения, выносимые на защиту.

В главе 1 проведён анализ рассматриваемой предметной области. В ней выполнен обзор развития нормативной базы, на которой основывается практика мониторинга нефтяных месторождений, а так же анализ применения специальных видов геологических моделей. Цель анализа – определение направлений по развитию методов мониторинга на основе информационно-аналитических моделей. В главе предложена схема движения потоков информации и принятия решений с использованием ИАС ПМ, приведено описание общих принципов организации корпоративного банка данных нефтяной компании для обеспечения поддержки мониторинга разработки месторождений.

В главе 2 описаны разработанные автором формальные конструкции языка, информационные модели, используемые для представления и анализа ГТМ. При выборе оптимальных технологий воздействия на залежь необходим анализ эффективности уже выполненных ГТМ: используемых операций, рецептур агентов воздействия и т.п. Для решения этой задачи предложена система, позволяющая в рамках единого формализованного языка описывать ГТМ с различной степенью детальности, и учитывающая:

• тип проведенного ГТМ по принятой системе классификации, дату проведения, исполнителя ГТМ, успешность мероприятия;

• основные характеристики ГТМ (объем затраченных реагентов, созданные депрессии на пласт и т.п.);

• перечень проведенных операций (в принятой системе классификации), их последовательность, время реализации;

• параметры и ресурс каждой операции.

Первые два пункта относятся к макроуровню описания, последние - к «рецептуре» (микроуровню).

В основе языка лежит обобщенная абстрактная конструкция T:

T = (1) где: K - класс (тип) объекта из универсума классов ;

P – множество параметров описания объекта pi в виде <атрибут:

значение>;

Y – множество компонент объекта уj, которое может быть пустым. В общем случае уj задается в виде (1).

Элемент конструкции P определяет параметризацию объекта;

Y предоставляет возможность иерархического описания. Существует, по крайней мере, один из атрибутов, значение которого идентифицирует конкретный объект, описываемый конструкцией T.

Выделено три основных универсума, формирующих структуру ГТМ:

операции (действия) - KP, агенты (оборудование) - KA, среда операции - KS.

Для каждого из классов универсума вводится зависимость K P, позволяющая путем задания класса объекта однозначно определять множество характеризующих его параметров. Использование универсальной конструкции позволяет формировать дерево произвольной глубины. Связь между узлами дерева реализуется через включение в состав конструкции Y.

При этом конечный узел дерева (в приведенных примерах это агент операции) не должен содержать компонент, т.е. его Y=. При описании ГТМ в иерархической структуре, как правило, выделяются следующие четыре уровня: уровень мероприятия, уровень операции, уровень фазы (цикла) операции и уровень агента.

Для решения задач анализа ГТМ предложен набор базовых операций над элементами введенных универсумов, представленных конструкцией (1).

Среди основных операций над объектами можно выделить теоретико множественные операции и операции с последовательностями.

На базе предложенного аппарата сформулированы задачи структурного, параметрического анализа ГТМ и предложены их решения на основе введенных мер (показателей):

- структурного сходства (нечёткого равенства) объектов µS( x1, x2 ) = min {(x1, x2), (x2, x1)}, где: x1, x2 - объекты вида (1);

(x1, x2) – степень нечёткого включения структуры объекта x1 в x2;

- параметрического сходства объектов N µE (P1, P2) = (1 - j), j j= где: P1, P2 - наборы параметров объектов вида (1) из одного класса;

(x1, x2) – степень нечёткого включения структуры объекта x1 в x2;

N j 0 – весовой коэффициент, = 1;

j j= j - параметр, учитывающий попадание j-ых элементов из P1, P в одно или разные подмножества домена значений;

- комплексный показатель для оценки сходства объектов:

µ (x1, x2) = S µS(x1, x2) + E µE(P1, P2), где: S, E - весовые коэффициенты.

В целях учёта ситуационного контекста, на фоне которого выполнялось (планируется) ГТМ, разработаны модели представления ситуаций на гиперграфах. Предметно, в множестве ситуаций выделяются технологическая, геологическая, промысловая ситуации. Введено формальное представление ситуаций Sit набором признаков–атрибутов: Sit = {Ai | i=1,2,3…. }. В зависимости от степени определённости значений Аi, определены: обобщенная, уточненная и конкретная ситуации, а так же ситуация пользователя (анализируемая, текущая). Для отражения связи между ситуациями и ГТМ используются гиперграфы вида:

H (U, X, Г), где: U – множество рёбер, соответствующее множеству подмножеств значений Аi;

X – множество ГТМ;

Г: U->X.

В терминах предложенного аппарата сформулированы задачи:

идентификации ситуации по ГТМ;

поиска ГТМ в базе знаний по описанию ситуации;

сравнения ситуаций и др.

На основе полученных выше результатов излагаются основные принципы создания корпоративной базы знаний нефтяной компании, предназначенной для хранения, развития, использования опыта и эмпирических знаний специалистов.

Третья глава посвящена развитию аппроксимационных методов при построении полей параметров цифровых трехмерных и двумерных геологических моделей с использованием априорной информации, учетом неравноправности исходных данных.

В разделе 3.1 дано краткое описание классических подходов к построению полей геологических свойств и признаков. Как правило, аппроксимационная (интерполяционная) функция P(x,y) заданная в двумерном пространстве находится в виде разложения по некоторому базису k(x,y), k=1,2,3, … P(x, y) = m (5) a m m= неизвестные коэффициенты am определяются из условий минимизации некоторого функционала:

Ф(P) = AP - u = min (6) M где: u – исходные данные (граничные условия), заданные на некотором множестве B;

A – оператор, возвращающий значения P на B;

M – метрика, учитывающая различную значимость исходных данных.

При решении задачи аппроксимации возникают следующие проблемы выбора: вида базисных функций k(x,y);

количества базисных функций;

весовых коэффициентов, определяющих метрику М. В работе рассматривается последняя из перечисленных проблем.

Анализ используемых данных при построении карт параметров позволяет выделить два типа их неравноправия. Первый тип связан с геометрическим неравноправием: исходные данные, приписанные скважинам (точкам пространства), характеризуются неравномерной плотностью распределения по площади месторождения. Учёт такой неравномерности предлагается производить с помощью весовых коэффициентов.

В работе показан следующий способ получения весовых коэффициентов. Зададим функционал (6), определяющий аппроксимацию u(x, y) существующей функции сложной структуры, модельной функцией P(x,y), имеющей более простую структуру в виде:

D Ф(P) = (7) (P(x, y) - u(x, y))2 d где: d - площадной элемент интегрирования.

Пусть значения аппроксимируемого признака в точках с номером l ul = u(xl, yl ) (скважинах) определяются по правилу:, Pl=P(xl,yl). Тогда при численном интегрировании с использованием каких-либо квадратурных формул функционал (7) запишется в виде:

N Ф(P) = - ul )2 (8) (Pl l l= где: l - коэффициенты выбранной квадратурной формулы.

Второй тип неравноправия исходных данных связан с использованием существенно разнородной информации, полученной разными средствами и имеющей разную степень точности (например, данные сейсморазведки и скважинных измерений). Учёт влияния этого факта предполагает введение информационных весовых коэффициентов µl в (8), что придаст ему вид:

N Ф(P) = - ul )2 µl (9) (Pl l l= Функционал внешне напоминает функционал метода наименьших квадратов:

N Ф(P) = - ul )2 l (10) (Pl l= в котором весовые коэффициенты l должны назначаться экспертом на основе эмпирических сведений. В работе предлагается представление этого коэффициента в виде конструкции l = µl, в которой геометрический l весовой коэффициент определяется алгоритмическим путем из квадратурных формул.

Введенная конструкция дает понимание того факта, что использование равных весовых коэффициентов в слагаемых функционала (например равных 1) на практике означает некорректный учет качества исходных данных в функционале (10). Действительно, тождество µl 1 при геометрической l неравнозначности исходных данных, и, как следствие, отличия их геометрических коэффициентов, означает автоматическое включение в выражение (10) информационных коэффициентов µl =.

l Далее, принцип учета геометрической и информационной составляющих расширен на случай задания граничных условий не только в точках, но и на произвольных кривых. В результате, в общем случае функционал (10) принимает универсальный вид:

NV NV M Ф(P) = (Pl - ul )2 = ( m,q - uq,v ) (11) l l a m l=1 l=1 m= где: l - обобщенные весовые коэффициенты, учитывающие геометрическую и информационную составляющие при задании граничных условий на V кривых Pv (представляемых конечным набором точек) и N точек соответствующих скважинам.

Функционал (6) ориентирован на учет граничных условий, какая-либо дополнительная априорная информация в нем не учитывается. В тоже время, зачастую карту геологического признака необходимо построить на достаточно большой области, на которой возможно существование подобластей не содержащих данных. Закономерности поведения поля в этом случае можно задавать с помощью априорно известной региональной составляющей - тренда. Использование тренда становится возможным при добавлении к минимизируемому функционалу (6) слагаемого вида D(P(x, y) - T (x, y)), где T(x,y) – функция тренда, а D – некоторый оператор.

L Функционал, который следует минимизировать будет иметь вид:

N Ф(a1,..,aM,t1.,tM,1,.,N ) = Dn(P(x, y) - T (x, y)) + [P(xl, yl )- ul ] (12) n l L n l= Пусть введенные в функционал переменные al, tm, по которым он минимизируется, входят в представление интерполирующей поверхности следующим образом:

N M P(x, y) = Bl(x, y)+ Tm(x, y) (13) al tm l=1 m= Базисные функции Tm (x, y) покрывают все поле с равномерным и достаточно большим шагом, тогда их носитель может быть достаточно широким, и число коэффициентов tm мало. Базисные функции Bl(x,y) заведомо не покрывают все поле и могут даже не пересекаться.

Раздел 3.2 посвящен формализации методов оценки качества трехмерных геологических моделей. Процедуры экспертизы сведены в граф анализа, в котором наряду с принятыми критериями адекватности модели в скважинах, предлагается использовать критерии, основанные на адекватности связанных с ними функциональных распределений. В качестве одного из таких распределений автором предлагается гистограмма значений поля геологического признака, названного «спектром».

В предлагаемом методе оценки адекватности «спектров» множество ячеек модели рассматривается как генеральная совокупность событий - pmodel, множество исходных данных в скважинах, как выборочная pwell совокупность. В качестве критерия, характеризующего степень подобия гистограмм, помимо их визуального сходства, используется величина их среднеквадратичного отклонения:

M wells model CP= pm - pm | где M – число диапазонов спектра.

| m= Высокая степень подобия фактических и модельных данных выражается в малом значении критерия CP, уровень значимости которого устанавливается экспертом.

Раздел 3.3 посвящен разработке методов построения двумерных и трехмерных моделей на основе регуляризационного подхода [Тихонов А.Н., Арсенин В.Я.] и введенного автором принципа эквивалентности. Наиболее распространённый вариант построения трехмерной модели предполагает представление геологического пространства декартовым произведением K независимых двумерных подпространств - слоёв: 3 = k. Геометрия k = каждого слоя Z (x, y) определяется по формуле:

К Zk (x, y) = tk ZКР (x, y) + (1- tk ) Z (x, y), где tk [0,1] параметр, определяющий П границу k-го слоя;

Z (x, y), Z (x, y) - поверхности кровли и подошвы пласта.

КР П Аппроксимирующий функциональный базис m = m (x - xm, y - ym ) [Волков А.М. 1988] при условии совпадения сеток функций и областей их определения образует линейное пространство. Так, в случае суммы двух M M M P1 + P2 =,1m +,2m =,1+am,2 )m. Сумма, как видно, функций:

am am (am m=1 m=1 m= является ассоциативной и коммутативной, а операция над функциями сводится к выполнению операций над их коэффициентами.

В зависимости от способа представления поля распределения коллектора ~ выделяют два типа моделей. Первый тип F (x, y | k) - интерполяционный, при построении моделей которого предполагается, что коллектор распространен ) везде, а область определения - односвязанная. Второй тип F (x, y | k) - идентификационно-интерполяционный, при построении моделей которого ( решается задача идентификации зон отсутствия коллектора Dk 3 (x, y) в ( ( каждом слое, совместно образующих семейство D3 = {Dk 3 (x, y) | k = 1, K}.

Область определения модели этого типа является многосвязанной.

Для сравнения двумерных и трехмерных моделей, последние приводят к двумерному виду G2 (x, y) в результате послойного суммирования с использованием весовых коэффициентов (мощностей слоев или ассоциированных с ними параметров) k (x, y) :

K M G ( x, y ) = ( x, y ) a (14) k k,m m k =1 m = 3 Модель F (x, y | k) считается эквивалентной F (x, y) ( z - эквивалентной), если для полей параметров выполняется равенство функций G2 (x, y) и F (x, y) в области определения D2(x,y).

В результате выводов, z - эквивалентность была установлена для моделей интерполяционного типа, что связано с линейностью преобразований, используемых при их построении. Установленное соотношение позволило автору предложить алгоритмы построения двумерных моделей эквивалентных трехмерным.

Для моделей идентификационно-интерполяционного типа принцип z ) эквивалентности не выполняется: поля параметров моделей F (x, y) и G2 (x, y) не совпадают, и это отличие будет тем сильнее, чем больше неоднородность среды. Данный факт связан с отсутствием свойств линейности преобразований, использованных при построении таких моделей.

Использование трехмерных моделей при мониторинге требует расширения возможностей по учёту в них разнородной априорной информации, при минимальных затратах на создание и последующую модификацию. Достижение этой цели видится в использовании регуляризационных методов. Предлагается, что роль стабилизатора, выражающего закономерности изменения свойств по площади и учитываемого в уравнении коэффициентом, будет играть двумерная модель F (x, y) :

2 ~ ~ ~ 3 3 2 (15) (F )= F (x, y | k )- u + G ( x, y ) - F ( x, y ) M L ~ 3 В частности, при построении F (x, y | k) и F (x, y) на основе одних и тех же данных и алгоритмов, стабилизатор, в соответствии с принципом эквивалентности, равен нулю. Влияние стабилизатора на результат будет проявляться лишь в том случае, если F (x, y) содержит существенно иную информацию по сравнению с использованной при построении ЦТАГМ.

Решение задачи (15) сводится к решению системы линейных уравнений, относительно K*M неизвестных коэффициентов a :

m,k K M N N K K ( m,lt,l + mt )i, j ) = ulk + f )i, (16) am,k l ((k lt,l (t j k =0 m l=1 i, j l=1 k =1 i, j k = Здесь t = 1, K * M, а определяется по итерационному алгоритму с использованием информации об установленном уровне погрешности. Задачу построения модели идентификационно-интерполяционного типа в регуляризационной постановке сводится к минимизации функционала:

) ~ 3 3 2 (17) (F )= F (x, y | k )- u + G ( x, y) - G ( x, y) M L ~ 2 Вследствие эквивалентности моделей F (x, y) и F (x, y | k), в стабилизаторе ~ G2 (x, y) вместо F (x, y) можно использовать.

Четвёртая глава посвящена описанию структуры и интерфейсов ИПК «БАСПРО Аналитик 2000» и основным результатам решения задач мониторинга Росташинского месторождения с использованием представленных в работе алгоритмов.

Основные результаты диссертации 1. Предложены математические модели представления и анализа ГТМ;

ситуационные модели для решения задач анализа ГТМ с учётом геологической, технологической и промысловой ситуаций, на фоне которой выполняется ГТМ.

2. Разработана универсальная конструкция функционала для построения полей геологических параметров в случае неравнозначной исходной информации.

3. На основе введенных принципов эквивалентности геологических моделей разработаны алгоритмы построения трехмерных и двумерных моделей.

4. На основе полученных теоретических результатов разработан и внедрён в промышленную эксплуатацию программный комплекс «БАСПРО Аналитик 2000» в ОАО «ТНК».

Основное содержание диссертационной работы изложено в следующих публикациях:

1. Джафаров И.С., Пьянков В.Н. Концепция ОАО «ТНК» в области создания и эксплуатации постоянно-действующих геолого-технологических моделей нефтяных месторождений //Нефтяное хозяйство. - 2002. - №6. - С.23-26.

2. Джафаров И.С., Львов В.И., Пьянков В.Н., Алтунин А.Е. Корпоративный банк данных геолого-промысловой информации Тюменской нефтяной компании// Нефтяное хозяйство. - 2002. - №6. - С. 55-58.

3. Пьянков В.Н. Новые информационные технологии в управлении добычей нефти // Нефтяное хозяйство. - 1997. - №10. - С. 76-78.

4. Глухих И.Н., Пьянков В.Н. Математический аппарат гиперграфов в задачах моделирования ситуаций в нефтедобыче // Математическое моделирование физических, экономических, технических, социальных систем и процессов: Тр. IV международной науч.-техн. конф. – Ульяновск:

УлГТУ, 2001. - С. 52-54.

5. Глухих И.Н., Пьянков В.Н., Заболотнов А.Р. Ситуационные модели в корпоративных базах знаний геолого-технологических мероприятий // Нефтяное хозяйство. - 2002. - №6. - С.45-48.

6. Пьянков В.Н., Глухих И.Н. Математическое моделирование геолого технологических мероприятий // Математическое и информационное моделирование. - Тюмень: ТГУ, 2002. - Вып. 4. - С. 60-68.

7. Глухих И.Н., Пьянков В.Н. Моделирование задач анализа геолого технологических мероприятий // Математическое и информационное моделирование. - Тюмень: ТГУ, 2002. - Вып. 4. - С. 69-78.

8. Пьянков В.Н., Медведев Е.А., Чехонин Г.Д. Разработка системы мониторинга геолого-технологических мероприятий // Математическое и информационное моделирование. - Тюмень: ТГУ, 2002. - Вып. 4. - С. 79-84.

9. Пьянков В.Н. Алгоритмы идентификации параметров модели Баклея Леверетта в задачах прогноза добычи нефти // Нефтяное хозяйство. - 1997. - №10. - С. 62-65.

10. Кутрунов В.Н., Пьянков В.Н., Дмитриевский М.В., Каскадные алгоритмы обработки геофизической информации // Вестник Тюменского университета. - Тюмень: ТГУ, 2001. - №2. - С. 190-197.

11. Пьянков В.Н., Кутрунов В.Н., Дмитриевский М.В. Схемы решения аппроксимационных задач при задании граничных условий на кривых // Математическое и информационное моделирование. - Тюмень: ТГУ, 2002. - Вып. 4. - С. 7-17.

12. Пьянков В.Н., Дмитриевский М.В. Универсальная конструкция функционала в задачах аппроксимации полей параметров // Геология и нефтегазоносность Западно-Сибирского мегабассейна: Мат. докл. II Всероссийской науч. конф. Мат. докл. - Ч. 4. – Тюмень, 2002. - С. 80-82.

13. Пьянков В.Н., Дмитриевский М.В. Построение математических моделей месторождений с использованием методов регуляризации // Моделирование технологических процессов нефтедобычи. – Тюмень, Вып. 3, Ч. 1. - С. 74-80.

14. Пьянков В.Н., Дмитриевский М.В. Один способ учёта данных различной информационной значимости в задачах построения интерполяционных и аппроксимационных сплайнов на подпространствах // Нефть и газ: проблемы недропользования, добычи и транспортировки: науч.-техн. конф.

посвящённая 90- летию со дня рождения В.И. Муравленко. Мат. докл. – Тюмень, ТюмГНГУ, 2002. - С. 5-7.

15. Джафаров И.С., Пьянков В.Н., Сыртланов В.Р., Исмагилов Р.Г.

Самотлорское месторождение современные подходы к решению задач разработки // Нефтяное хозяйство. - 2002. - №6. - С. 27-30.

16. Пьянков В.Н., Сыртланов В.Р., Майсюк Д.М. Построение единой геологической модели Самотлорского месторождения // Пути реализации нефтегазового потенциала Ханты-Мансийского автономного округа: VI науч.-практ. конф. Мат. докл. 2002 г. -Ханты-Мансийск, 2003. т.2. С. 152-159.

17. Пьянков В.Н., Сыртланов В.Р., Филев А.И. Экспертная система оценки качества построения геолого-технологическихмоделей месторождений // Нефтяное хозяйство. – 2002. - №6. С. 31-34.

18. Билалов Т.С., Пьянков В.Н. Интегрированный программный комплекс геолого-промыслового анализа «БАСПРО-Аналитик» // Нефтяное хозяйство.

- 1997. - №10. - С. 73-75.

Авторские свидетельства на программные продукты:

1. Свидетельство об официальной регистрации программы для ЭВМ №2001611672 «GTM» Российское агенство по патентам и товарным знакам, М., 2001, (авторы: Пьянков В.Н, Смирнов А.В, Кончичев М.М).

2. Свидетельство об официальной регистрации программы для ЭВМ №2001611676 «Geoline» Российское агенство по патентам и товарным знакам, М., 2003. (авторы: Пьянков В.Н, Сидоров А.В, Сергеева Н.С, Кончичев М.М и др.) 3. Свидетельство об официальной регистрации программы для ЭВМ №2001611674 «Cubista» Российское агенство по патентам и товарным знакам, М., 2001, (авторы: Пьянков В.Н, Цушко В.В, Сергеева Н.С и др.) 4. Свидетельство об официальной регистрации программы для ЭВМ №2001611670 «Charvi» Российское агенство по патентам и товарным знакам, М., 2001, (авторы: Пьянков В.Н, Смирнов А.В, Кончичев М.М и др.)




© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.