WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     ||
|

Основные результаты работы (концепция, методология, модели и алгоритмы) реализованы в настоящее время в промышленном программном пакете «Панда-2000©», владельцем которого является НИИ МОРГЕОфизика Сервис.Ком, а также в исследовательских программных разработках, осуществлявшихся по результатам исследований в рамках гранта АФГИР. К ним относятся, в частности, пилотные версии программ согласованной (региональной) калибровки, декомпозиционных алгоритмов моделирования ФД процессов и ряд других.

По результатам работы получен патент Российской Федерации на изобретение №2321064 «Способ построения обратимой трехмерной гидродинамической модели земли, калибруемой в реальном масштабе времени в процессе бурения».

Основные элементы методологии численного прогнозирования ГФД, включая уточнение прогноза в процессе бурения, были успешно практически апробированы на реальных данных, полученных на территориях нефтегазовых месторождений России и других стран. В том числе:

В 1995-1998 годах. Викинг и Центральный грабен Северного моря.

1997 год. Медынская площадь Тимано-Печорской нефтегазовой провинции (НПГ).

2001-2003 годы. Площадь Ямбургского газового месторождения.

Научные положения, выносимые на защиту:

  1. Концепция построения и общая схема методологии численного прогнозирования характеристик природных динамических систем, базирующиеся на принципах эволюционного развития, эффективного моделирования, минимальной сложности и пространственной локализации.
  2. Численный метод решения обратных задач, основанный на концепции построения так называемых -квазирешений.
  3. Алгоритмическая процедура согласованной (региональной) калибровки прямых задач.
  4. Алгоритмические процедуры определения рационального количества структурных элементов и модельных параметров в используемых при исследовании системы эффективных структурных и математических моделях.
  5. Алгоритмические процедуры формирования и уточнения прогноза значений целевой характеристики системы для заданной пространственной области.
  6. Методология численного прогнозирования ГФД в осадочных бассейнах земли. В том числе:

- выбор эффективной математической модели флюидодинамического процесса и ее декомпозиция;

-постановка и численные методы решения прямых задач.

Апробация работы. Результаты представленных в работе исследований многократно докладывались на российских и международных научных и научно-практических конференциях, в том числе на: международной научно-технической конференции (МНТК) "HPHT - Prediction", Workshop, Stavanger, Norway, 1994; МНТК "57-th EAGE conference", Glasgow, Scotland, 1995; МНТК "SEG, EAGO and EAGE international geophysical conference", St.Petersburg, 1995; МНТК “Compaction and Overpressure Current Research”, Workshop, Institute Francais du Petrole, Paris, 1996; МНТК "NORTHERN UNIVERSITIES", Murmansk, 1997; МНТК “New methods and technologies in petroleum geology, drilling and reservoir engineering”, Workshop, Krakow, Poland, 1997; МНТК «Pressure regimes in sedimentary basins and their prediction», American Association of Drilling Engineers (AADE) Forum, Houston, Texas, USA, 1998; МНТК, посвященной 50-летию МГТУ, Мурманск, 2000; всероссийской научно-технической конференции (ВНТК) "Наука и образование - 2002", Мурманск, 2002; ВНТК "Наука и образование - 2003", Мурманск, 2003; МНТК "Наука и образование - 2005", Мурманск, 2005; МНТК "Наука и образование - 2006", Мурманск, 2006.

Публикации. По теме диссертации опубликована 21 работа, из них – 19 статей (12 статей опубликованы в рецензируемых научных журналах и изданиях, рекомендованных ВАК Минобрнауки России), одно рекламно-техническое описание (РТО) и один патент РФ на изобретение.

Структура и объем диссертации Диссертация состоит из введения, 6-ти глав, заключения, списка литературы, включающего 149 наименований. Основная часть работы изложена на 252 машинописных страницах. Работа содержит 39 рисунков.

Содержание работы

Во введении содержится общая характеристика исследуемой проблемы, сформулирована цель работы, дано обоснование ее актуальности, приведено краткое изложение выполненных исследований и их результатов.

В первой главе вводятся необходимые понятия и определения, связанные с природной динамической системой. Приводится формальная постановка задачи прогнозирования характеристик природной динамической системы и осуществляется построение общей схемы методологии ее численного решения.

Вопросы теоретического и численного моделирования сложных динамических систем, в том числе вопросы решения некорректных задач отражены в работах Льюнга Л., Лебедева А.Н., Тихонова А.Н., Лаврентьева М.М., Алифанова О.М., Бакушинского А.Б., Гончарского А.В. и многих других отечественных и зарубежных авторов. Предлагаемая в данной работе методология разрабатывалась исходя из необходимости обеспечения возможности решения задачи прогнозирования характеристик природных динамических систем в реальном масштабе времени, что обеспечивается в результате построения и использования эффективных моделей исследуемых процессов, их целесообразной декомпозиции и рационального упрощения в соответствии с рядом дополнительных концептуальных положений (принципов), положенных в основу разработки общей схемы методологии. Важными составляющими методологии являются процедуры параметрической идентификации эффективных моделей исследуемых процессов, предполагающие постановку и решение обратных задач. В силу некорректности последних для их решения предлагается использовать регуляризирующий подход, ориентированный на построение так называемых -квазирешений. Сложность однозначной интерпретации имеющихся данных, оценки результатов расчетов на различных этапах вычислительного процесса предполагает включение в общую схему методологии проблемно ориентированного человеко-машинного интерфейса.

Рассмотрим идеализированное описание природной динамической системы. Пусть (t) – природная динамическая система заполняет пространственную область (t), которая в любой момент времени t[0,T] может быть представлена как объединение пространственно упорядоченной совокупности конечного числа ограниченных, пространственно протяженных, односвязных и не имеющих общих точек подобластей i(t)(t), i=1,2,…,n(t), n(t)1:

n(t)

(t) = i(t) ; i(t)j(t) = Ж ij, t[0,T]. (1)

i=1

Каждая из подобластей заполнена физически однородной7 материальной средой. Будем называть эти подобласти слоями. Пространственная упорядоченность слоев i(t), i=1,2,…,n(t) определяет структуру исследуемой системы, а их количество и расположение в пространстве в общем случае зависят от времени. Систематизированное описание пространственно упорядоченной совокупности слоев i(t), i=1,2,…,n(t) будем называть структурной моделью системы (t) и обозначать как g(t). В рамках сделанных предположений структурную модель g(t) назовем слоистой. Для простоты будем исходить из того, что слои i(t), i=1,2,…,n(t) не претерпевают структурных нарушений в области (t), а физические свойства материальной среды, как функции пространственных координат, в пределах слоя изменяются незначительно.

Пусть далее на временном отрезке [0,T] от момента зарождения системы (t) до сегодняшнего дня, может быть задана временная сетка:

t = {ti / ti = ti-1+hti, hti>0, i=1,2,…,nt; t0 = 0, tnt = T}.

Узлы сетки t совпадают с моментами изменения внешних условий формирования системы, приводящими к структурным изменениям в ней, которые заключаются, например, либо во включении в нее нового слоя, либо в исключении из нее некоторого конечного количества уже имевшихся в системе слоев. На любом временном интервале Ti=(ti-1,ti), i=1,2,…,nt в системе может происходить формирование только одного нового слоя. Свойства и пространственные границы всех слоев, входящих в систему, могут изменяться во времени.

Зададим для определенности в области (t) декартовую8 систему координат OXYZ. Каждой пространственной точке A(x,y,z)(t), t[0,T] может быть поставлен в соответствие вектор (x,y,z,t)Es - вектор физических характеристик, определяющих локальные свойства системы (t) в этой точке в момент времени t. Здесь и далее Es – s-мерное евклидово пространство. s - количество указанных характеристик, часть из которых определяет свойства структурных элементов материальной среды, а часть - свойства протекающих в системе процессов.

Будем считать справедливыми следующие утверждения:

  1. Скорость формирования системы (t) и скорости протекающих в ней процессов очень малы по сравнению с процессами, проходящими в масштабе реального времени. Как следствие, временной промежуток [0,T] слишком велик для того, чтобы имелась возможность непосредственно наблюдать весь жизненный цикл системы от ее зарождения до настоящего времени. Можно считать, что система (t) потенциально доступна для непосредственного комплексного изучения (посредством прямых измерений) лишь в настоящий момент времени9 (при t=T).
  2. Значения компонент вектора (x,y,z,T), как правило, недоступны для прямых измерений во всей области (T). Такие измерения возможны лишь для отдельных характеристик и лишь, вообще говоря, для конечного множества точек A(x,y,z)(T).
  3. Существуют комплексные косвенные методы исследования, позволяющие с определенной точностью определить временной отрезок [0,T], задать временную сетку t, и восстановить на сетке t внешние условия и историю формирования системы (t). Как следствие " t[0,T] имеется возможность построить структурную модель системы g(t) и определить для временных интервалов Ti=(ti-1,ti), i=1,2,…,nt возможные свойства слоя i(t), i=1,2,…,n(t) при вхождении его в систему.
  4. Процессы, протекающие в исследуемой системе, в достаточной мере изучены, что позволяет при необходимости использовать ряд упрощенных эмпирических законов, количественно описывающих изменение ее свойств с течением времени.

Для определенности будем считать, не умаляя общности, что пространственная область (t) здесь и далее задается в каждый момент времени t[0,T] условиями10:

xminx xmax,

yminx ymax, (2)

0 z zmax(x, y, t).

Перейдем к формулировке основной задачи. Предположим, что g(t) – структурная модель исследуемой системы известна для любого t[0,T]. Пусть имеется конечное множество пространственно локализованных подобластей Vk(T), k=0,1,2,…,nV, каждая из которых пересекается с одним и тем же множеством слоев структурной модели g(T). Для определенности будем считать, что подобласти Vk представляют собой вертикальные одномерные разрезы области (T).

Vk = { (xk,yk,,z)(T) / 0 z zmax(Vk,T)}, k=0,1,2,…,nV.

Для каждого вертикального разреза Vk определена одномерная сетка:

kz = {zk,i / zk,i = zk,i-1+hzk,i, hzk,i>0, i=1,2,…,nzk; zk,0 = 0, zk,nzk zmax(Vk,T)}.

Вертикальные разрезы Vk(T), k=1,2,…,nV, будем называть экспериментальными. Для них в узлах zk,i соответствующей сетки kz известны (в результате прямых или косвенных измерений) значения P*(xk,yk,zk,i,T) – значения целевой характеристики в настоящее время. Эти значения будем называть полевыми данными, а совокупность значений P*(xk,yk,zk,i,T), i=1,2,…,nzk обозначать как P*k(z) и называть полевым дискретным распределением целевой характеристики для разреза Vk.

Вертикальный разрез V0(T) будем называть прогнозным. Для этого разреза полевые данные не заданы.

Основная задача, может быть теперь сформулирована следующим образом.

Задача P

Пусть для каждого вертикального разреза Vk(T), k=1,2,…,nV известно полевое дискретное распределение P*k(z) целевой характеристики, заданное в узлах соответствующей сеткиkz.

Для заданного вертикального разреза V0(T) требуется определить дискретное распределение P0(z) в узлах сетки

0,z = {z0,i / z0,i = z0,i-1+hz0,i, hz0,i>0, i=1,2,…,nz,0; z0,0 = 0, z0,nz0 zmax(V0,T)}.

При разработке методологии решения Задачи P будем исходить из следующих предположений.

  1. Получение требуемого результата посредством интерполяции известных полевых распределений P*k(z), k=1,2,…,nV целевой характеристики в прогнозный вертикальный разрез V0 не представляется возможным. Решение задачи должно происходить в контексте всего периода эволюционного развития системы.
  2. Отсутствует достаточно полная и точная априорная количественная информация о физических свойствах структурных элементов системы в настоящее время. Количество nV экспериментальных вертикальных разрезов Vk относительно невелико.
  3. Может быть построена (например, на основе тех или иных фундаментальных законов) физически интерпретируемая математическая модель, позволяющая находить P(x,y,z,T) - модельное распределение целевой характеристики в области (T) в контексте эволюционного развития системы. Как правило, практическое построение P(x,y,z,T) осуществляется в результате аппроксимации модели дискретной моделью (например, разностная аппроксимация краевой задачи для уравнения математической физики) с ее последующим численным исследованием на ЭВМ. Представим итоговую зависимость P(x,y,z,T) от модельных параметров в явном виде:

P = G(), (3)

где: P=P(T)PEn – модельное дискретное распределение целевой характеристики; XEm - вектор варьируемых модельных параметров, соответствующих отдельным существенным для моделируемого процесса физическим характеристикам системы; G() – оператор, осуществляющий отображение из X - пространства модельных параметров в P - пространство модельных распределений.

Задачу (3) будем называть задачей прямого моделирования или прямой задачей, оператор G() – оператором прямой задачи.

Pages:     ||
|



© 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.